优化干细胞冷冻保存方案的贝叶斯方法
定量方法
2014-04-08 v1
摘要
冷冻保存面临的一个挑战是，在广泛的细胞类型和过程变量之间进行方案对齐。通过对先前发表的冷冻保存数据（样本均值和标准误差）进行横断面评估作为初步元数据，进行了决策树学习分析（DTLA），以理解目标存活率并基于不同方法优化剪枝策略。简而言之，我们为方法选择决策过程制定了明确方向，关键选择包括冷却速率、骤冷温度，以及生物材料选择、复合材料（糖和蛋白质）的使用、加载程序和细胞在3D支架中的位置。其次，通过机器学习和使用朴素贝叶斯分类（NBC）的通用方法，这些元数据被用于开发组合方法的后验概率，这些组合方法隐含地记录在元数据中。后者的结果表明，使用概率启发技术开发的新方案选择可以揭示与多个单维优化物理方案一致的改进方案。总之，本文提出使用DTLA模型和随后的NBC，通过整合方法改进现代冷冻保存技术。
引用
@article{arxiv.1404.1396,
title = {A Bayesian Approach to Optimizing Stem Cell Cryopreservation protocols},
author = {S Sambu},
journal= {arXiv preprint arXiv:1404.1396},
year = {2014}
}
备注
14 pages, 6 figures