在血小板中分子信号的扩展建模通过复杂神经网络和部分最小平方分析的综合复杂神经网络和部分最小平方分析

科学领域:

• 生物化学 生物化学
• 计算生物学 计算生物学
• 血液学 血液学 血液学

背景情况:

• 血小板对于血液静止和血栓形成至关重要.
• 激进剂诱导的细胞质 ([Ca2+]i) 升高驱动血小板激活.
• 血小板反应的精确模式仍然不完全理解.

研究的目的:

• 开发和应用用于分析血小板 ([Ca2+]i) 动态的计算模型.
• 在各种刺激和抑制条件下准确预测血小板反应.
• 确定影响血小板信号传递的关键变量,用于潜在的治疗标.

主要方法:

• 使用了Fura-2载荷血小板,并用激动剂 (血栓素,原蛋白,CRP) 刺激.
• 开发和训练非线性模型:多层感知器 (MLP) 和NARX (具有外源输入的自回归网络).
• 构建了用于变量重要性估计的部分最小平方 (PLS) 线性回归模型.

主要成果:

• 训练有素的网络准确地预测了激动剂和抑制剂组合的[Ca2+]i曲线.
• 为了预测不可预见的数据趋势,NARX模型实现了0.64的R2.
• PLS模型提供了对个别变量的重要性的可解释的见解.

结论:

• 计算模型,特别是NARX,有效地捕捉了血小板中的纳米分子[Ca2+]i曲线.
• PLS建模提供了关于血小板信号通路的有价值,可解释的数据.
• 这些模型可以为新型血小板[Ca2+]i抑制药物的开发提供信息,并有助于诊断出血障碍.