抗体反应数据的灵活潜变量模型

现有的抗体浓度数据建模方法大多基于有限混合模型，假设个体可以被划分为两类：抗原阴性和抗原阳性。本文挑战了这种二元建模假设，提出一种潜变量建模框架，其中每个个体的免疫状态沿着从最小到强烈免疫激活的连续潜变量表示。该表述在捕捉抗体分布中随年龄变化的灵活性方面具有优势，同时保留了定量测量的完整信息。我们展示了该提出的模型类别可以容纳各种模型表述，包括机械模型和回归模型，也包括作为特殊案例的有限混合模型。我们还提出了一种计算效率高的基于 L2 的估计器作为最大似然估计的替代方案，显著降低了计算成本，并证明了其一致性。通过对疟疾免疫学案例研究，我们展示了该新框架的灵活性如何使跨所有年龄的联合分析成为可能，同时考虑传播模式的变化。我们结论性地概述了该建模框架的扩展及其对其他 omics 应用的相关性。