基于稀疏时间序列数据的免疫响应动态贝叶斯分析
统计方法学
2016-06-29 v1
摘要
在疫苗开发中，免疫细胞（T细胞）亚型相对丰度的时间分布是理解疫苗效力的关键。复杂且昂贵的实验研究产生了关于此免疫响应的非常稀疏的时间序列数据。拟合免疫响应动态的多参数动态模型——评估疫苗效力背后机制的核心——受到数据稀疏性的挑战。本文报道的研究应对了这一挑战。对于恒河猴中的HIV/SIV疫苗研究，我们：(a) 引入了具有相关、时间延迟组件的细胞群体随时间进展的新动态模型，以反映疫苗响应；(b) 定义了一种有效的贝叶斯模型拟合策略，将马尔可夫链蒙特卡洛（MCMC）与近似贝叶斯计算（ABC）耦合——基于两种方法的互补优势，两者单独均无效；(c) 探索了稀疏时间序列中针对每个模型参数的信息内容问题，联系到未来实验的实验设计与模型简化；以及 (d) 开发、应用并比较了来自近期HIV/SIV实验样本的分析，获得了关于渐进性疫苗响应及其在受试者间差异的新见解与结论。
引用
@article{arxiv.1606.08759,
title = {Bayesian analysis of immune response dynamics with sparse time series data},
author = {Fernando V. Bonassi and Cliburn Chan and Mike West},
journal= {arXiv preprint arXiv:1606.08759},
year = {2016}
}
备注
Main paper: 14 pages, 10 figures. Supplementary material: 16 pages, 20 figures