×
张，叶;姚志刚;帕特里克·福森;托格尼·福恩斯特

通过自适应变分贝叶斯方法从生物传感器数据中估计速率常数。 （英语） 兹比尔1436.62661

附录申请。斯达。 2011年-2042年（2019年）第4期13号.
摘要：获取化学反应速率常数的方法是科学和工业中一个基本的开放问题。求速率常数的传统技术需要对反应物进行化学修饰或间接测量。速率常数图法是研究化学反应中结合平衡和动力学的现代技术。从生物传感器数据中找到速率常数映射是一个不适定逆问题，通常通过正则化来解决。在这项工作中，我们开发了一种自适应变分贝叶斯方法来估计速率常数图的分布，而不是寻找一个不提供解的不确定性量化的确定性正则化速率常数图，从中可以探索化学反应的一些固有性质，包括有关速率常数的信息。我们的新方法比用于生物传感器的现有方法更现实，并允许我们估计相互作用的动力学，而这些动力学通常隐藏在确定性近似解中。我们通过数值模拟验证了新方法的性能，并将其与马尔可夫链蒙特卡罗算法进行了比较。结果表明，变分方法能够以计算效率高的方式可靠地捕捉后验分布。最后，开发的方法也在实际生物传感器数据（甲状旁腺激素）上进行了测试，我们提供了两种新的分析工具——阈值轮廓图和高阶矩图，以估计相互作用的数量及其速率常数。

引用于三文件

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析
第60页 统计学在工程和工业中的应用；控制图
2015年1月62日 贝叶斯推断

关键词：

速率常数;生物传感器;贝叶斯主义者;变分法;积分方程;自适应离散化算法

软件：

PRMLT公司
PDF格式BibTeX公司 XML格式引用
\textit{Y.Zhang}等人，Ann.Appl。Stat.13，No.4，2011--2042（2019；Zbl 1436.62661）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Altschuh，D.、Bjökelund，H.、Strandgárd，J.、Choulier，L.、Malmquist，M.和Andersson，K.（2012年）。使用相互作用图解读复杂蛋白质相互作用动力学。生物化学。生物物理学。Res.Commun公司。428 74-79.
[2] Atherton，R.、Schainker，R.和Ducot，E.（1975年）。化学动力学模型的统计敏感性分析。AlChE期刊21 441-448。
[3] Babacan，S.D.、Molina，R.和Katsaggelos，A.K.（2008年）。基于变分分布近似的电视图像恢复参数估计。IEEE传输。图像处理。17 326-339. ·doi:10.1109/TIP.2007.916051
[4] Bernardo，J.-M.和Smith，A.F.M.（1994）。贝叶斯理论。概率与数理统计中的威利级数：概率和数理统计。奇切斯特·威利·Zbl 0796.6202号
[5] Bishop，C.M.（2006年）。模式识别和机器学习。信息科学与统计。纽约州施普林格·Zbl 1107.68072号
[6] Blei，D.M.、Kucukelbir，A.和McAuliffe，J.D.（2017）。变分推理：统计学家评论。J.Amer。统计人员。协会112 859-877。
[7] Box，G.E.P.和Draper，N.R.（1965年）。从几个响应中对常见参数的贝叶斯估计。生物特征52 355-365·Zbl 0152.17602号 ·doi:10.1093/biomet/52.3-4.355
[8] Brooks，S.、Smith，J.、Vehtari，A.、Plummer，M.、Stone，M.等人（2002年）。Spiegelhalter、Best、Carlin和van der Linde对论文的讨论。J.罗伊。统计人员。Soc.序列号。乙64 616-639。
[9] Chen，L.、Holst，M.和Xu，J.（2009）。自适应混合有限元方法的收敛性和最优化。数学。公司。78 35-53. ·Zbl 1198.65211号 ·doi:10.1090/S0025-5718-08-02155-8
[10] Efron，B.、Hastie，T.、Johnstone，I.和Tibshirani，R.（2004）。最小角度回归。安。统计师。32 407-499. ·Zbl 1091.62054号 ·doi:10.1214/009053604000000067
[11] Elmlund，L.、Käck，C.、Aastrup，T.和Nicholls，I.（2015）。使用石英晶体微天平传感器研究曲妥珠单抗与SKOV3上皮癌细胞的相互作用。传感器15 5884-5894。
[12] Engl，H.、Hanke，M.和Neubauer，A.（1996年）。反问题的正则化。多德雷赫特·克鲁沃·兹比尔0859.65054
[13] Evans，S.N.和Stark，P.B.（2002年）。将问题转化为统计数据。反向探测。18 R55-R97·Zbl 1039.62007号 ·doi:10.1088/0266-5611/18/4/201
[14] Fan，J.和Lv，J.（2008）。确保超高维特征空间的独立筛选。J.R.统计社会服务。B.统计方法。70 849-911. ·Zbl 1411.62187号 ·doi:10.1111/j.1467-9868.2008.00674.x
[15] Gorshkova，I.、Svitel，J.、Razjouyan，F.和Schuck，P.（2008）。固定化表面位点结合特性分布的异质性的贝叶斯分析。朗缪尔24 11577-11586。
[16] Gray，R.J.和Pierce，D.A.（1985年）。截尾生存数据的有效性检验。安。统计师。13 552-563. ·兹比尔0576.62029 ·doi:10.1214/aos/1176349538
[17] Gupta，A.和Rawlings，J.（2014）。随机化学动力学模型中参数估计方法的比较：系统生物学中的示例。AlChE期刊60 1253-1268。
[18] Jin，B.和Zou，J.（2010）。基于变分法的不适定问题的层次贝叶斯推理。J.计算。物理学。229 7317-7343. ·Zbl 1198.65189号 ·doi:10.1016/j.jcp.2010.06.016
[19] Jordan，M.I.、Ghahramani，Z.、Jaakkola，T.和Saul，L.（1999）。介绍图形模型的变分方法。机器。学习。37 183-233. ·Zbl 0945.68164号 ·doi:10.1023/A:1007665907178
[20] Kaipio，J.和Somersalo，E.（2007年）。统计反问题：离散化、模型简化和反犯罪。J.计算。申请。数学。198 493-504. ·Zbl 1101.65008号 ·doi:10.1016/j.cam.2005.09.027
[21] Kennedy，M.C.和O'Hagan，A.（2001年）。计算机模型的贝叶斯校准。J.R.统计社会服务。B.统计方法。63 425-464. ·Zbl 1007.62021号 ·doi:10.111/1467-9868.00294
[22] Komorowski，M.，Costa，M.、Rand，D.和Stumpf，M..（2011年）。随机化学动力学模型中的灵敏度、鲁棒性和可识别性。程序。国家。阿卡德。科学。美国108 8645-8650。
[23] Kullback，S.（1959年）。信息理论与统计学。纽约威利·Zbl 0088.10406号
[24] Loh，W.-Y.和Zheng，W.（2013）。纵向和多响应数据的回归树。附录申请。统计数字7 495-522·兹比尔1454.62198 ·doi:10.1214/12-AOAS596
[25] Parisi，G.（1988年）。统计场论。Addison-Wesley，纽约·兹伯利0984.81515
[26] Peterson，C.和Anderson，J.（1987）。神经网络的平均场理论学习算法。复杂系统1 995-1019·Zbl 0657.68082号
[27] Pischel，D.、Sundmacher，K.和Flassig，R.（2017）。生物化学系统中内在、外在和外部噪声的有效模拟。生物信息学33 1253-1268。
[28] 里瓦拉，M.-C.（1984）。基于单纯形广义二分法的网格细化过程。SIAM J.数字。分析。21 604-613. ·Zbl 0574.65133号 ·数字对象标识代码：10.1137/0721042
[29] Robert，C.P.和Casella，G.（2004年）。蒙特卡洛统计方法，第二版，《统计学中的斯普林格文本》。纽约州施普林格·Zbl 1096.62003年
[30] Sanvicens，N.、Mannelli，I.、Salvador，J.、Valera，E.和Marco，M.（2011年）。基于新技术的药物生物传感器。TrAC，趋势分析。化学。30 541-553.
[31] Stanley，B.和Guiochon，G.（1995年）。用非线性色谱法计算二氧化硅样品的吸附能分布。朗缪尔11号，1735-1743年。
[32] Stuart，A.M.（2010年）。反问题：贝叶斯观点。Acta Numer公司。19 451-559. ·Zbl 1242.65142号 ·doi:10.1017/S0962492910000061
[33] Svitel，J.、Balbo，A.、Mariuzza，R.、Gonzales，N.和Schuck，P.（2003）。实验表面结合动力学和平衡配体群体的结合亲和力和速率常数分布。生物物理学。期刊84 4062-4077。
[34] Telesca，D.、Müller，P.、Kornblau，S.M.、Suchard，M.A.和Ji，Y.（2012）。模拟蛋白质表达和蛋白质信号通路。J.Amer。统计人员。协会107 1372-1384·Zbl 1258.62110号 ·doi:10.1080/01621459.2012.706121
[35] Tibshirani，R.（1996）。通过套索回归收缩和选择。J.罗伊。统计人员。Soc.序列号。乙58 267-288·Zbl 0850.62538号 ·doi:10.1111/j.2517-6161.1996.tb02080.x
[36] Tikhonov，A.N.和Arsenin，V.Y.（1977年）。不良问题的解决方案。华盛顿特区温斯顿父子公司·Zbl 0354.65028号
[37] Wainwright，M.J.和Jordan，M.I.（2008）。图形模型、指数族和变分推理。已找到。趋势马赫数。学习。1 1-305. ·Zbl 1193.62107号 ·数字对象标识代码：10.1561/220000001
[38] Wand，M.P.、Ormerod，J.T.、Padoan，S.A.和Frührwirth，R.（2011）。精细分布的平均场变分贝叶斯。贝叶斯分析。6 847-900. ·Zbl 1330.62158号 ·doi:10.1214/11-BA631
[39] Zhang，Y.、Forssén，P.、Fornstedt，T.、Gulliksson，M.和Dai，X.（2018）。一种用于从生物传感器数据中恢复速率常数分布的自适应正则化算法。反向探测。科学。工程26 1464-1489·Zbl 1428.65037号 ·doi:10.1080/17415977.2017.1411912
[40] Zhang，Y.、Yao，Z.、Forssén，P.和Fornstedt，T.（2019年）。补充“通过自适应变分贝叶斯方法从生物传感器数据估算速率常数”。DOI:10.1214/19-AOAS1263SUPP·Zbl 1436.62661号
[41] Ziegel，E.和Gorman，J.（1980）。使用多响应数据进行动力学建模。技术计量22 139-151。
[42] Zou，H.、Hastie，T.和Tibshirani，R.（2007）。关于套索的“自由度”。安。统计师。35 2173-2192. ·兹比尔1126.62061 ·doi:10.1214/009053600700000127
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。