从1D细胞轨迹的细胞机械参数估计,使用基于模拟的推理
Johannes C J Heyn1, Miguel Atienza Juanatey1, Martin Falcke2
1Fakultät für Physik, Ludwig-Maximilians-Universität München (LMU), Munich, Germany.
PloS one
|June 18, 2025
概括
基于模拟的推断 (SBI) 使用贝叶斯方法从细胞迁移数据中估计细胞特异性参数. 这种方法可以有效地区分细胞类型,并揭示药物的作用,而无需事先的知识.
科学领域:
- 细胞生物学 细胞生物学
- 计算建模计算建模
- 生物物理学的生物物理.
背景情况:
- 细胞迁移分析依赖于数学模型,但参数估计具有挑战性.
- 随机和非线性模型需要先进的计算技术来准确的参数化.
研究的目的:
- 应用基于模拟的推理 (SBI) 来从细胞轨迹中估计细胞特异性模型参数.
- 利用贝叶斯推理和深度神经网络来分析细胞迁移数据.
主要方法:
- 自动时隔成像和图像识别以记录1D单细胞轨迹.
- 从机械细胞迁移模型中使用模拟轨迹训练深度神经密度估计器.
- 使用训练的神经网络推断模型参数的概率分布.
主要成果:
- 证明了SBI在区分MCF-10A (非癌症) 和MDA-MB-231 (癌症) 乳腺上皮细胞中的有效性.
- 成功确定了拉特伦库林A和Y-27632抑制剂对细胞迁移模型参数的影响.
- 验证了SBI在没有先前的机制假设的情况下发现抑制作用的能力.
结论:
- SBI为分析细胞迁移数据和估计细胞特异性参数提供了一个强大的框架.
- 这种方法促进了细胞运动图书馆的创建,并有助于评估精细的迁移模型.
- 这种方法为药物疗效评估和了解细胞迁移机制提供了新的途径.
