• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of applied statistics >A Bayesian hierarchical model for inference across related reverse phase protein arrays experiments
【24h】

A Bayesian hierarchical model for inference across related reverse phase protein arrays experiments

机译：用于相关反相蛋白质阵列实验推断的贝叶斯层次模型

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We consider inference for functional proteomics experiments that record protein activation over time following perturbation under different dose levels of several drugs. The main inference goal is the dependence structure of the selected proteins. A critical challenge is the lack of sufficient data under any one drug and dose level to allow meaningful inference on dependence structure. We propose a hierarchical model to implement the desired inference. The key element of the model is a shared dependence structure on (latent) binary indicators of protein activation.
机译：我们考虑功能蛋白质组学实验的推断，该实验记录了几种药物在不同剂量水平下摄动后随时间的蛋白质活化。主要推断目标是所选蛋白质的依赖性结构。一个关键的挑战是在任何一种药物和剂量水平下都缺乏足够的数据，无法对依赖结构进行有意义的推断。我们提出了一个层次模型来实现所需的推理。该模型的关键要素是对（潜在的）蛋白质激活二元指标的共享依赖性结构。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

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