B-BIND:神经退行性动力学的生物物理贝叶斯推理

科学领域:

• 计算生物学和神经科学
• 生物物理学的生物物理.
• 统计建模 统计建模

背景情况:

• 生物系统表现出复杂的动态,其潜在状态往往无法直接观察到.
• 推断潜在的生物状态对于理解像阿尔茨海默氏症 (AD) 这样的疾病至关重要.
• 目前的AD研究通常依赖于病理学的离散快照,缺乏持续的疾病进展见解.

研究的目的:

• 开发一个生物物理动机的贝叶斯框架 (B-BIND) 来持续推断神经退行性疾病状态.
• 通过推断基于病理负担的捐赠者的伪时间顺序来建模阿尔茨海默病的进展.
• 通过识别最有信息的病理特征来分析和完善模型.

主要方法:

• 提出了一种生物物理动机的贝叶斯框架 (B-BIND),用于持续推断潜在疾病状态.
• 模拟病理负担作为一个指数级过程,并引入假名时间来订购捐赠者.
• 采用线性化来进行模型融合和可识别性的理论分析,以及马尔科夫链蒙特卡洛来进行估计.

主要成果:

• 在各种数据条件下通过模拟研究证明了B-BIND框架的有效性.
• 将该方法应用于西雅图阿尔茨海默病大脑细胞图谱,成功推断出捐赠者的伪时间排序.
• 确定了信息性的病理特征,以完善模型,提高神经退行性疾病分析的准确性.

结论:

• B-BIND框架为神经退行性疾病研究中的连续伪时间建模提供了一个强大的方法.
• 这种方法可以从离散的病理观察中更准确地推断疾病状态.
• 为疾病进展动态的先进计算分析奠定了基础.