کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
8877113 | 1623986 | 2017 | 41 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Identification of microbiota dynamics using robust parameter estimation methods
ترجمه فارسی عنوان
شناسایی پویایی میکروبیوتا با استفاده از روش های برآورد پارامترهای قوی
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
ترجمه چکیده
ترکیبات جوامع میکروبی میزبان (میکروبیوتا) در سلامت میزبان نقش مهمی ایفا می کنند و درک بهتر نقش میکروبیا در انتقال میزبان از سلامت به بیماری یا برعکس می تواند منجر به درمان های جدید پزشکی شود. یکی از اولین گام ها در جهت درک این امر، مدل سازی تعاملات پویایی میکروبیوتا است که با توجه به پیچیدگی دینامیک و مشکلات در جمع آوری داده های کافی می تواند بسیار دشوار باشد. روش های مختلفی مانند تحلیل دیفرانسیل اصلی، برآورد شار پویا و دیگران برای غلبه بر این چالش ها توسعه داده شده است. علیرغم مزایای آنها، این روش ها هنوز در زمینه های مختلف مانند زیست شناسی ریاضی بسیار کم است و یکی از دلایل احتمالی این امر پیاده سازی پیچیده آن است. در حالی که این مقاله بر روی استفاده از تجزیه و تحلیل اصلی دیفرانسیل به داده های میکروبیا تمرکز دارد، ما همچنین جزئیات جامع در مورد اشتقاق و عددی از این روش را ارائه می دهیم و شامل پیاده سازی کاربردی برای سود خوانندگان می شود. برای اعتبار سنجی بیشتر این روش ها، امکان تجزیه و تحلیل دیفرانسیل اصلی با استفاده از مطالعات شبیه سازی را نشان می دهد و سپس روش را به داده های میکروبیا روده و واژینال اعمال می کنیم. در کار با این داده ها، ما پویایی تایید شده را آزمایش می کنیم و در عین حال، بینش بالقوه جدیدی را در پویایی سیستم نشان می دهد.
موضوعات مرتبط
علوم زیستی و بیوفناوری
علوم کشاورزی و بیولوژیک
علوم کشاورزی و بیولوژیک (عمومی)
چکیده انگلیسی
The compositions of in-host microbial communities (microbiota) play a significant role in host health, and a better understanding of the microbiota's role in a host's transition from health to disease or vice versa could lead to novel medical treatments. One of the first steps toward this understanding is modeling interaction dynamics of the microbiota, which can be exceedingly challenging given the complexity of the dynamics and difficulties in collecting sufficient data. Methods such as principal differential analysis, dynamic flux estimation, and others have been developed to overcome these challenges. Despite their advantages, these methods are still vastly underutilized in fields such as mathematical biology, and one potential reason for this is their sophisticated implementation. While this paper focuses on applying principal differential analysis to microbiota data, we also provide comprehensive details regarding the derivation and numerics of this method and include a functional implementation for readers' benefit. For further validation of these methods, we demonstrate the feasibility of principal differential analysis using simulation studies and then apply the method to intestinal and vaginal microbiota data. In working with these data, we capture experimentally confirmed dynamics while also revealing potential new insights into the system dynamics.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Mathematical Biosciences - Volume 294, December 2017, Pages 71-84
Journal: Mathematical Biosciences - Volume 294, December 2017, Pages 71-84
نویسندگان
Matthias Chung, Justin Krueger, Mihai Pop,