• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>International Journal of Molecular Sciences >Identification of Molecular Fingerprints in Human Heat Pain Thresholds by Use of an Interactive Mixture Model R Toolbox (AdaptGauss)
【2h】

Identification of Molecular Fingerprints in Human Heat Pain Thresholds by Use of an Interactive Mixture Model R Toolbox (AdaptGauss)

机译：通过使用交互式混合物模型R工具箱（AdaptGauss）识别人的热痛阈值中的分子指纹

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Biomedical data obtained during cell experiments, laboratory animal research, or human studies often display a complex distribution. Statistical identification of subgroups in research data poses an analytical challenge. Here were introduce an interactive R-based bioinformatics tool, called “AdaptGauss”. It enables a valid identification of a biologically-meaningful multimodal structure in the data by fitting a Gaussian mixture model (GMM) to the data. The interface allows a supervised selection of the number of subgroups. This enables the expectation maximization (EM) algorithm to adapt more complex GMM than usually observed with a noninteractive approach. Interactively fitting a GMM to heat pain threshold data acquired from human volunteers revealed a distribution pattern with four Gaussian modes located at temperatures of 32.3, 37.2, 41.4, and 45.4 °C. Noninteractive fitting was unable to identify a meaningful data structure. Obtained results are compatible with known activity temperatures of different TRP ion channels suggesting the mechanistic contribution of different heat sensors to the perception of thermal pain. Thus, sophisticated analysis of the modal structure of biomedical data provides a basis for the mechanistic interpretation of the observations. As it may reflect the involvement of different TRP thermosensory ion channels, the analysis provides a starting point for hypothesis-driven laboratory experiments.
机译：在细胞实验，实验室动物研究或人体研究中获得的生物医学数据通常显示出复杂的分布。研究数据中亚组的统计识别带来了分析上的挑战。这里介绍了一种基于R的交互式生物信息学工具，称为“ AdaptGauss”。通过将高斯混合模型（GMM）拟合到数据，可以有效识别数据中具有生物学意义的多峰结构。该界面允许对子组数进行监督选择。这使得期望最大化（EM）算法能够适应比非交互式方法通常观察到的更为复杂的GMM。交互式地拟合GMM以从人类志愿者那里获得的热痛阈值数据揭示了一种分布模式，其中四种高斯模式位于32.3、37.2、41.4和45.4°C。非交互式拟合无法识别有意义的数据结构。所得结果与不同TRP离子通道的已知活性温度相吻合，表明不同热传感器对热痛的感知具有机械作用。因此，对生物医学数据模式结构的复杂分析为观察结果的机械解释提供了基础。由于它可能反映了不同的TRP热感离子通道的参与，因此该分析为假设驱动的实验室实验提供了起点。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号