癌细胞随机表型可塑性的贝叶斯统计分析
摘要：癌细胞的表型可塑性在近年来受到特别关注。尽管相关模型在数学特性方面已得到广泛研究，但对参数估计和模型选择的彻底统计分析仍然非常缺乏。在本研究中，我们提出了一个关于癌症干细胞（CSCs）相对频率的贝叶斯方法。我们使用Gibbs采样和Metropolis-Hastings（MH）算法对CSCs和非CSCs之间的细胞状态转换速率进行点估计和区间估计。大量的模拟实验证明了我们模型和算法的有效性。通过将该方法应用于SW620结肠癌细胞系的已发表数据，模型选择更偏向于癌细胞的表型可塑性模型，而不是常规的癌细胞分层模型。此外，我们发现细胞分选后CSCs的初始状态显著影响表型可塑性的发生。
作者：Da Zhou, Shanjun Mao, Kaiyi Chen, Xiaofang Cao and Jie Hu
论文ID：1712.00962
分类：Cell Behavior
分类简称：q-bio.CB
提交时间：2017-12-05