对质母细胞瘤免疫模型的参数估计分析
Biao Liu1,2, Mengru Shen1, Meiling Zhao1,2
1School of Mathematics and Physics, Anhui Jianzhu University, Hefei, Anhui 230601, P. R. China.
Journal of bioinformatics and computational biology
|August 14, 2025
概括
优化质母细胞瘤 (GBM) 免疫疗法需要准确的模型. 改进的先前分布提高了GBM免疫模型的参数估计准确性,而DEMetropolisZ采样提供了更高的效率.
科学领域:
- 计算生物学是一种计算生物学.
- 免疫疗法研究研究
- 数学建模的数学建模
背景情况:
- 质母细胞瘤 (GBM) 免疫疗法在增强治疗反应方面面临挑战.
- 了解瘤免疫动态对于优化GBM治疗策略至关重要.
研究的目的:
- 使用贝叶斯方法估计质母细胞瘤免疫模型的参数.
- 为了比较统一与改进的先前分布对参数估计的影响.
- 评估不同马尔科夫链蒙特卡洛 (MCMC) 采样算法的性能.
主要方法:
- 应用贝叶斯推理来估计质母细胞瘤免疫模型的参数.
- 将统一的先前分布与改进的先前分布进行比较,并根据后来的信息进行调整.
- 分析了四个MCMC算法:大都会,DEMetropolis,DEMetropolisZ和NUTS. 这四个算法都被分析了.
主要成果:
- 改进的先前分布显著提高了参数估计的准确性,并减少了后方方差.
- DEMetropolisZ采样显示出卓越的效率,提供比其他算法更快的更窄的置信区间.
- 大都会算法显示效率和稳定性不佳.
结论:
- 适当选择先前分布和MCMC算法对于在GBM免疫治疗中准确和高效的模型推理至关重要.
- 这项研究为优化质母细胞瘤免疫疗法提供了见解,并作为复杂生物系统建模的参考.
