贝叶斯参数推断用于上皮质力学
Xin Yan1, Goshi Ogita2, Shuji Ishihara3
1Department of Computational Biology and Medical Sciences, Graduate School of Frontier Sciences, The University of Tokyo, Chiba 277-8561, Japan.
Journal of theoretical biology
|October 12, 2024
概括
我们使用贝叶斯统计学增强了基于图像的参数推理,用于基于细胞的机械模型. 这种方法准确地估计了参数,并揭示了组织机制的关键见解,比如皮质弹性的可用性.
科学领域:
- 生物物理学的生物物理.
- 计算生物学 计算生物学
- 发展生物学 发展生物学
背景情况:
- 基于细胞的机械模型,如细胞顶点模型 (CVM),对于理解上皮质组织动态至关重要.
- 以图像为基础的参数推断先前被开发为制定CVM函数,并从组织图像数据估计参数.
研究的目的:
- 通过使用贝叶斯统计学来提高基于图像的参数推理的实用性和灵活性.
- 完善组织动态中机械控制的定量剖析.
主要方法:
- 开发并应用了基于图像的参数推理的层次和非层次贝叶斯模型.
- 使用合成数据验证了方法,以准确估计参数.
- 将贝叶斯框架应用于Drosophila翅膀图像数据,以分析机械异构和力形状相关性.
主要成果:
- 贝叶斯模型为CVM函数提供了准确的参数估计.
- 参数估计可靠性与上皮组织中的机械异构性有很强的相关性.
- 皮层弹性术语被发现是不必要的,以解释体内力量形状相关性.
结论:
- 贝叶斯统计框架增强了基于细胞的机械模型的基于图像的参数推理.
- 这种方法促进了各种数据类型的整合,用于组织力学的定量分析.
- 这些发现有助于更深入地了解控制组织动态的机械控制.
