详细内容或原文请订阅后点击阅览
贝叶斯方法增强了对利什曼病的理解和预测
爱荷华大学的一个团队开发了一种复杂的贝叶斯联合模型，以更好地了解利什曼原虫感染的进展。该模型整合了纵向数据和事件发生时间数据，提供了一种研究该疾病的综合方法。这项研究已发表在 PLOS ONE 上。Felix Pabon-Rodriguez 博士和他的同事，包括 Grant 博士 […]
来源:科学特色系列爱荷华大学的一个研究小组开发了一种复杂的贝叶斯联合模型，以更好地了解利什曼原虫感染的进展。该模型整合了纵向数据和事件发生时间数据，为研究该疾病提供了一种全面的方法。这项研究已发表在 PLOS ONE 上。
Felix Pabon-Rodriguez 博士和他的同事，包括 Grant Brown 博士、Breanna Scorza 博士和 Christine Petersen 博士，利用贝叶斯统计框架探索病原体负荷、免疫反应（包括抗体水平）和疾病进展之间的相互作用。
研究人员开发的贝叶斯联合模型整合了一群自然暴露于利什曼原虫的狗的数据。该模型考虑了多种因素，包括炎症和调节性免疫反应，为疾病进展提供了动态而全面的视角。通过包括 CD4+ 和 CD8+ T 细胞增殖等测量，以及白细胞介素 10 (IL-10) 和干扰素-γ (IFN-γ) 等细胞因子表达，该模型捕捉到了感染期间免疫反应的复杂性。
Pabon-Rodriguez 博士现在是印第安纳大学医学院生物统计学和健康数据科学助理教授，他强调了他们的发现的重要性：“我们的模型不仅有助于了解利什曼原虫感染的进展，还可以预测个体疾病轨迹。 这对于开发犬利什曼病的针对性治疗方法至关重要。” 他进一步强调，“通过整合多种免疫反应变量，我们可以更准确地预测疾病结果，这对于及时有效的干预至关重要。”
期刊参考
Pabon-Rodriguez，F.M.，Brown，G.D.，Scorza，B.M.，Petersen，C.A. “利什曼原虫感染纵向和事件发生时间数据的宿主内贝叶斯联合建模。” PLOS ONE (2024)。
DOI：https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0297175