細胞シグナル伝達の意思決定を単一細胞TNF-NF-κBシグナル伝達データを用いてモデル化するためのネイマン・ピアソンフレームワーク

科学分野:

• 細胞生物学
• システム生物学
• 統計モデリング

背景:

• ノイズの多いシグナル伝達下での細胞の意思決定は、病理学的状態につながる可能性があります。
• NF-κB経路は、細胞生存、アポトーシス、免疫シグナル伝達、ストレス応答に不可欠です。
• 細胞の意思決定の精度を理解することは、疾患メカニズムを特定するために重要です。

研究 の 目的:

• 単一細胞測定による細胞応答の解析のためのネイマン・ピアソン（NP）検出理論フレームワークを開発すること。
• 腫瘍壊死因子（TNF）に対するNF-κB応答、特に細胞シグナル伝達経路の性能を定量化すること。
• ノイズと摂動が細胞の意思決定にどのように影響し、病理学につながる可能性があるかを評価すること。

主な方法:

• NF-κB応答の実験的単一細胞測定にネイマン・ピアソン（NP）検出理論フレームワークを適用しました。
• 対数応答を多変量ガウス分布としてモデル化しました。
• 異なる時点での最適な閾値、検出確率（P_D）と偽陽性確率（P_FA）のトレードオフ、および受信者操作特性（ROC）曲線が計算されました。

主要な成果:

• NPフレームワークは、TNF用量が高いほどP_Dが増加することを示し、期待される生物学的応答を捉えることに成功しました。
• A20欠損細胞と比較して、野生型細胞は優れた性能を示しました。
• 複数の時点からのデータを組み合わせる（二変量解析）ことで、検出精度が向上しました。
• このフレームワークは、摂動によって意思決定の質が低下する条件を特定しました。

結論:

• NP検出フレームワークは、経路の性能と障害の定量的スコアを提供します。
• このアプローチは、ノイズの多い単一細胞データを、条件や摂動を比較するための実行可能な指標に変換します。
• このフレームワークは、細胞の意思決定が病理学に向かってどのように逸脱するかを説明するのに役立ちます。