首页> 外文期刊>Journal of Immunological Methods >Human immunophenotyping via low-variance, low-bias, interpretive regression modeling of small, wide data sets: Application to aging and immune response to influenza vaccination
【24h】

Human immunophenotyping via low-variance, low-bias, interpretive regression modeling of small, wide data sets: Application to aging and immune response to influenza vaccination

机译:通过小的,广泛的数据集的低方差,低偏差,解释性回归模型进行人体免疫分型:在流感疫苗接种的衰老和免疫应答中的应用

获取原文
获取原文并翻译 | 示例
           

摘要

Small, wide data sets are commonplace in human immunophenotyping research. As defined here, a small, wide data set is constructed by sampling a small to modest quantity n, 1
机译:小而宽的数据集在人类免疫表型研究中很常见。如这里所定义的,为了估计许多参数p,使得n <p <1000,通过采样少量到中等量的人类参与者n(1 <n <50)来构造小的,宽的数据集。我们提供了一组处方,旨在促进小的,广泛的数据集的低方差(即稳定),低偏差,解释性回归建模。这些规定的独特之处在于,它们特别强调尽量减少使用样本外信息进行统计推断。这使工作的免疫学家可以继续进行,而不会受到强加且通常不可检验的统计假设的束缚。明确定义并详细处理了无法测量的混杂因素,置信区间覆盖,特征选择以及缩小/去噪等问题。我们提议将现有的非参数技术从单变量病例(单个免疫特征)扩展到多变量(许多可能相关的免疫特征),以扩展小样本置信区间尾巴覆盖率。强调了衍生特征在回归分析的免疫学解释中的重要作用。讨论了进一步研究的领域。通过应用于灭活流感疫苗(IIV)免疫前后的年龄,年龄范围广泛和多种免疫表型的成年人的小型,广泛的数据集,可以说明提出的原理和方法。我们的回归建模处方为将来的免疫学研究确定了一些潜在的重要主题。 1)免疫学家可能希望区分与年龄相关的免疫功能差异与由衰老引起的免疫功能变化。 2)采用线性外推法的引导程序形式可能被证明是一种宝贵的分析工具,因为它允许工作的免疫学家以最少的假设即可获得免疫参数估计值稳定性的准确估计值。 3)在表型分类中自由包含免疫特征可以促进目标生物学信号与噪声的准确分离。此外,通过降噪和可能改善的置信区间覆盖率的组合,我们确定了一些候选免疫相关性(细胞亚群的频率和胞嘧啶的浓度)与B细胞反应的关系,这是通过分泌IIV特异性IgA抗体的细胞数量和IIV特异性IgG抗体分泌细胞的数量。 (C)2016 Elsevier B.V.保留所有权利。

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