Parametric Alignment of Drosophila Genomes
Needleman-Wunsch和Smith-Waterman的经典算法为一对隐马尔可夫模型(PHMM)寻找最大后验概率对齐。为了处理经历了复杂基因组重排的大基因组,几乎所有现有的全基因组比对方法都应用快速遗传学将基因组分成适合于Needleman-Wunsch比对的小片段。在这些比对方法中,标准做法是固定参数并产生单个比对以供生物学家随后分析。我们的主要工作是建立一个黑腹果蝇和拟暗果蝇的全基因组参数比对。参数对齐通过为PHMM中所有可能的参数找到所有最佳对齐来解决参数变化的鲁棒性问题。我们的比对借鉴了现有的将整个基因组分成小块进行比对的启发式方法,并且它依赖于我们在计算凸多边形方面取得的进展,这些进展使我们能够使用生物现实模型参数化地比对非编码区域。我们证明了我们的参数比对生物推断的效用,表明顺式调控元件之间的果蝇黑腹果蝇和果蝇pseudobscura比以前认为的更保守。我们还展示了如何全基因组参数对齐可以用来定量评估的依赖关系的分支长度估计对齐参数。对齐多面体、软件和补充材料可从http://bio.math.berkeley.edu/parametric/下载。
2005-12-02 math.CO q-bio.GN q-bio.QM
Non-parametric Bayesian modelling of digital gene expression data
下一代测序技术为生成基因表达数据提供了革命性的工具。从固定的RNA样品开始,他们构建了数百万个差异丰富的短序列标签或“读段”的文库,这些标签或“读段”构成了基因表达水平的基本离散测量。在使用这些技术的实验中,一个常见的限制是生物学重复的数量少或甚至不存在,这使得数字基因表达数据的统计分析复杂化。对这类数据的分析通常基于最初为分析微阵列而设计的修改后的测试;这些甚至用于分析RNA-seq数据的从头方法都受到低复制的共同问题的困扰。我们提出了一种新的,非参数贝叶斯方法的数字基因表达数据的分析。我们开始与一个层次模型建模过分散的计数数据和阻塞吉布斯抽样算法推断模型参数的后验分布的条件下,这些计数。该算法通过将可能从共同分布中采样的具有标签计数的基因聚类在一起并使用该扩增样本来估计该分布的参数,来补偿生物复制数量少的问题。聚类的数量不是先验决定的,而是与剩余的模型参数一起推断的。我们证明了这种方法的能力,模型生物学数据与高保真度通过应用该算法从癌性和非癌性神经组织获得的公共数据集。
2013-01-17 q-bio.GN q-bio.QM stat.AP
Characterizing variability in nonlinear recurrent neuronal networks
在这篇文章中,我们开发了半解析技术来获得由速率变量描述的非线性神经元随机网络的完整相关结构。在假设成对的膜电位是共同高斯-他们往往是在大型网络-我们获得确定性方程的时间演变的平均放电率和噪声协方差矩阵,可以直接解决给定的网络连接。我们还获得了尖峰计数统计,如Fano因子和成对相关性,假设双随机动作电位发射。重要的是,我们的理论不需要波动很小,并且适用于几个生物动机,凸单神经元非线性。
2016-10-10 q-bio.NC q-bio.QM
Global optimization using Gaussian Processes to estimate biological parameters from image data
参数估计是生物过程计算建模中的一个主要挑战。在基于图像的建模中尤其如此,其中模型的固有定量输出是针对图像数据测量的,而图像数据通常是有噪声的和非定量的。此外,这些模型可能具有高计算成本,限制了可行模拟的数量,因此使得大多数传统的参数估计方法不适用。在本文中,我们提出了一个管道,使用高斯过程学习来估计生物参数从嘈杂的,非定量的图像数据时,该模型具有很高的计算成本。这种方法首先成功地测试了一个参数函数的目标是检索原始参数。然后,我们将其应用于估计参数在生物环境中拟合人工原位杂交(ISH)数据的发展中小鼠肢芽。我们预计,这种方法将用于各种建模的情况下,定量数据丢失和使用标准的参数估计方法在生物建模是禁止的模型的计算成本。
2018-07-26 q-bio.QM
Invasion speeds for structured populations in fluctuating environments
我们生活在一个气候模型预测未来环境变化增加的时代,生物入侵变得越来越频繁。在日益变化的环境中,对生物入侵制定有效对策的关键是估计其空间扩散率以及这些估计的相关不确定性。使用随机的,阶段结构的,积分差分方程模型,我们分析表明,入侵速度是渐近正态分布的方差随时间的推移而减少。我们将我们的方法应用到一个简单的少年-成人模型与随机变化的繁殖和说明性的例子与已发表的数据为多年生草本植物,\emph{Calathea ovandensis}。这些例子得到了额外分析的支持,表明生命率的变异性增加同时减缓了入侵,但对空间扩散率产生了更大的不确定性。此外,虽然生命率的时间自相关性增加了入侵速度的变异性,但这些自相关性对平均入侵速度的影响可能是积极的或消极的,这取决于生活史〈动〉<动>的特征和生命率“记住”过去的程度。
2010-06-12 q-bio.PE q-bio.QM
Conditionally Invariant Representation Learning for Disentangling Cellular Heterogeneity
Helmholtz Munich(亥姆霍兹慕尼黑中心);Technical University of Munich(慕尼黑工业大学)
本文提出一种条件不变表征学习方法,通过对潜在特征设置不同条件先验并强制独立性,解耦生物学信号与数据偏差,在单细胞基因组学数据整合等任务中优于现有方法,助力深入理解细胞异质性与疾病状态。
2023-07-02 cs.LG q-bio.QM
Optimization and variability can coexist
本文通过多系统示例证明,在接近最优点时参数依赖呈“松散”特性,参数空间熵可为广延性,从而消除优化原理需精细调节参数的异议,并合理解释了观察到的参数变异性。
2025-05-29 cond-mat.dis-nn q-bio.QM
Disentangling the Behavioural Variability of Confined Cell Migration
细胞间变异性是许多生物过程所固有的,包括细胞迁移。量化和表征迁移细胞的变异性具有挑战性,因为它需要在相同条件下长时间监测许多细胞。在这里,我们观察到单个人乳腺癌细胞(MDA-MB-231)的迁移限制两个国家的微观模式。为了描述这种受限迁移的随机动力学,我们采用了动力系统方法。我们确定的统计数据来衡量的迁移,这显着超过人口平均随机模型预测的行为方差。这种额外的差异可以解释为“老龄化”过程和人口异质性的结合。为了量化种群异质性,我们将细胞分解为慢细胞和快细胞的亚群,揭示了描述迁移的不同类别的动力系统的存在,范围从极限环行为。我们的研究结果突出了细胞群中存在的迁移行为的广度。
2019-10-07 physics.bio-ph q-bio.CB q-bio.QM
Stochastic reaction networks in dynamic compartment populations
从细胞器到组织尺度,生物化学过程的区室化是所有生物系统的基础。研究嘈杂的反应动力学和划分之间的相互作用的理论模型是稀疏的,通常非常具有挑战性的计算分析。最近的研究在具体的生物系统中解决这一问题方面取得了进展,但仍然缺乏一般性的方法。在这项工作中,我们提出了一个数学框架的基础上计数过程,使我们能够研究车厢人口与任意的相互作用和内部生化。我们提供了一个有效的描述的种群动力学的微分方程,捕捉人口的时刻和它们的变异性。我们展示了我们的方法的相关性,使用几个案例研究的启发,在不同尺度的生物系统。
2020-02-03 q-bio.MN q-bio.QM
A near analytic solution of a stochastic immune response model considering variability in virus and T cell dynamics
细胞水平的生物过程本质上是随机的,免疫反应系统也不例外。因此,试图解释这一系统的模型还需要包含可以解释观测到的变异性的噪声或波动。在这项工作中,免疫反应系统的随机模型的T细胞和病毒粒子的动力学。利用格林函数和Wilemski-Fixman近似,求解该模型,得到了这些变量在感染早期和晚期的联合概率密度函数的解析表达式。然后,这也用于计算系统中病毒颗粒的平均水平。在将理论上预测的平均病毒水平与COVID-19患者的平均病毒水平进行比较后,假设这种病毒感染的特征性长寿命动态是由于病毒粒子的时间波动的长程相关性。因此,该模型提供了一个洞察噪声对病毒动力学的影响。
2021-02-17 q-bio.MN q-bio.QM
Efficient parametric analysis of the chemical master equation through model order reduction
University of Stuttgart(斯图加特大学)
本文应用参数化模型降阶技术构建化学主方程的低维代理模型,以高效解决随机生化反应网络中的参数分析问题。
2012-07-09 cs.NA math.NA q-bio.QM
Quantifying assays: A Modeling tale of variability in cancer therapeutics assessed on cancer cells
抑制信号传导途径涉及控制癌细胞的生存力、细胞分裂和死亡的细胞过程。为了观察待测药物的分子结构是否具有所需的抑制性质而创建的测定方案通常在实验中显示出很大的变异性,并且在进行推断时必须减少这种变异性的影响。在本文中,我们提出了通过描述抑制机制和激活-抑制动力学的数学模型的透镜的实验数据的研究。该方法通过从黑素瘤细胞的CXCL 12/CXCR 4活化轴的抑制研究获得的测定数据来举例说明。为了减轻数据的可变性对细胞活力测量的影响,细胞活力在理论上被构建为取决于几个参数的时间的函数。这些参数的值估计通过使用实验数据。以理论上预定的形式导出细胞活力的近似值具有以下优点:(i)对数据可变性不太敏感;(ii)在生物过程中直接解释参数的估计值;(iii)通过近似值解释的可变性的量验证了模型的质量;(iv)将数据纳入模型后,可更全面地了解整个过程。这些优点在逐步实施所概述的方法中得到了证明。
2022-07-18 math.DS q-bio.CB q-bio.QM
Bayesian Calibration and Model Assessment of Cell Migration Dynamics with Surrogate Model Integration
IMDEA Materials Institute(IMDEA材料研究所);Universidad Politécnica de Madrid(马德里理工大学);Aragón Institute of Engineering Research (I3A)(阿伦工程技术研究所(I3A))
针对细胞迁移模型校准难题,提出含四种互补策略的贝叶斯校准方法,结合真实胶质母细胞瘤实验数据对比分析,明确替代模型与参数模型的优劣,为复杂生物系统计算模型校准改进提供实用指导。
2025-09-23 cs.LG math.AP q-bio.CB
Interpretable model-free inference of parametric variation across time-series data through large-scale feature extraction
The University of Sydney(悉尼大学);Imperial College London(伦敦帝国理工学院)
提出一种无监督数据驱动方法,利用超过7000个时间序列特征库,从时间序列数据中推断未知生成过程的参数变化维度和性质,无需指定或拟合模型。
2026-06-12 physics.data-an q-bio.QM stat.ME
Conformal Prediction in Dynamic Biological Systems
MBG-CSIC, Spanish National Research Council(西班牙国家研究委员会MBG-CSIC);Harvard University(哈佛大学)
针对非线性常微分方程生物动态模型中贝叶斯UQ依赖先验、小样本受限且计算昂贵的问题,提出两种具非渐近保证的保形推断算法,提升稳健性与可扩展性。
2024-10-28 cs.LG q-bio.QM stat.ML