Русский

Возможный подход к компьютерному моделированию формирования ламеллоподий тромбоцитов

Уважаемая редакция журнала Системная биология и физиология! В нашей предыдущей статье [1] была предложена компьютерная модель полимеризации актина при росте псевдоподии нейтрофила. В настоящем письме мы предлагаем вариант использования той же компьютерной модели для описания роста ламеллоподии тромбоцита.

Результаты расчетов, сделанных в предлагаемой компьютерной модели рости ламеллоподии. A. Типичная динамика роста ламеллоподии (k = 80 (M x s)-1, H = 3), синими стрелочками отмечены временные остановки роста. Б. Рассчетное распределение актина в модели, построенной с параметрами как на панели А. В. Электронная микрофотография распределения актина в ламеллоподии тромбоцита, воспроизведено из работы [6]. Г. Скорость роста ламеллоподии для данных, представленных на панели А. Д. Расчетная зависимость скорости роста ламеллоподии от скорости ветвления (константа k). Средние данные для n = 3 запусков модели. Стрелочка показывает значение k, при котором рост ламеллоподии останавливается, при бОльших значениях k рост не останавливался. На вставках показана плотность актина, размер квадрата 100 нм x 100 нм.
0
0

Как избежать ошибок при статистическом анализе биологических экспериментов с помощью простого симулятора многоуровневых данных

, , , , , , ,

Несмотря на обширную литературу по статистическим методам и их корректному применению при обработке биологических данных, неправильный анализ остается критической и широко распространенной ошибкой в исследовательских работах. По своей сути иерархическая (вложенная, кластерная) структура биологических данных часто ошибочно игнорируется, что приводит к псевдорепликации и ложноположительным результатам. Это, в свою очередь, затрудняет правильную оценку статистической мощности и ухудшает оптимальное планирование экспериментов. Чтобы привлечь внимание к этой проблеме и проиллюстрировать важность прямого учета многоуровневой структуры биологических данных, в этой статье мы представляем простой симулятор двухуровневых нормально распределенных стохастических данных с открытым исходным кодом. Задавая «истинные» средние значения и «истинные» внутрикластерные и межкластерные дисперсии смоделированных данных, пользователи симулятора могут проверять различные сценарии, оценивать как важность использования правильного многоуровневого анализа, так и опасность пренебрежения информацией о структуре данных. Здесь мы применяем наш симулятор многоуровневых данных, чтобы обратить внимание на некоторые часто возникающие ошибки при анализе данных и предложить процедуру, которую наш симулятор может использовать для правильного сравнения двух иерархических групп экспериментальных данных и для оптимального планирования новых экспериментов с целью увеличения статистической мощности при необходимости.

Schematic of a typical biological experiment design, generating nested data
0
0
#вложенные данные#статистический анализ#p-значение#ложно-положительный#ложно-отрицательный#статистическая сила#симуляционные данные#корреляция внутри кластера