Ändra sökning
Avgränsa sökresultatet
1 - 4 av 4
RefereraExporteraLänk till träfflistan
Permanent länk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Träffar per sida
  • 5
  • 10
  • 20
  • 50
  • 100
  • 250
Sortering
  • Standard (Relevans)
  • Författare A-Ö
  • Författare Ö-A
  • Titel A-Ö
  • Titel Ö-A
  • Publikationstyp A-Ö
  • Publikationstyp Ö-A
  • Äldst först
  • Nyast först
  • Skapad (Äldst först)
  • Skapad (Nyast först)
  • Senast uppdaterad (Äldst först)
  • Senast uppdaterad (Nyast först)
  • Disputationsdatum (tidigaste först)
  • Disputationsdatum (senaste först)
  • Standard (Relevans)
  • Författare A-Ö
  • Författare Ö-A
  • Titel A-Ö
  • Titel Ö-A
  • Publikationstyp A-Ö
  • Publikationstyp Ö-A
  • Äldst först
  • Nyast först
  • Skapad (Äldst först)
  • Skapad (Nyast först)
  • Senast uppdaterad (Äldst först)
  • Senast uppdaterad (Nyast först)
  • Disputationsdatum (tidigaste först)
  • Disputationsdatum (senaste först)
Markera
Maxantalet träffar du kan exportera från sökgränssnittet är 250. Vid större uttag använd dig av utsökningar.
  • 1.
    Eriksson, Olivia
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Beräkningsvetenskap och beräkningsteknik (CST). KTH, Centra, SeRC - Swedish e-Science Research Centre.
    Jauhiainen, Alexandra
    AstraZeneca, IMED Biotech Unit, Early Clin Dev, Biometr, Gothenburg, Sweden..
    Sasane, Sara Maad
    Lund Univ, Ctr Math Sci, Lund, Sweden..
    Kramer, Andrei
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Beräkningsvetenskap och beräkningsteknik (CST). KTH, Centra, Science for Life Laboratory, SciLifeLab.
    Nair, Anu G.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Beräkningsvetenskap och beräkningsteknik (CST). KTH, Centra, Science for Life Laboratory, SciLifeLab.
    Sartorius, Carolina
    Lund Univ, Ctr Math Sci, Lund, Sweden..
    Hellgren Kotaleski, Jeanette
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Beräkningsvetenskap och beräkningsteknik (CST). KTH, Centra, SeRC - Swedish e-Science Research Centre.
    Uncertainty quantification, propagation and characterization by Bayesian analysis combined with global sensitivity analysis applied to dynamical intracellular pathway models2019Ingår i: Bioinformatics, ISSN 1367-4803, E-ISSN 1367-4811, Vol. 35, nr 2, s. 284-292Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    Motivation: Dynamical models describing intracellular phenomena are increasing in size and complexity as more information is obtained from experiments. These models are often over-parameterized with respect to the quantitative data used for parameter estimation, resulting in uncertainty in the individual parameter estimates as well as in the predictions made from the model. Here we combine Bayesian analysis with global sensitivity analysis (GSA) in order to give better informed predictions; to point out weaker parts of the model that are important targets for further experiments, as well as to give guidance on parameters that are essential in distinguishing different qualitative output behaviours. Results: We used approximate Bayesian computation (ABC) to estimate the model parameters from experimental data, as well as to quantify the uncertainty in this estimation (inverse uncertainty quantification), resulting in a posterior distribution for the parameters. This parameter uncertainty was next propagated to a corresponding uncertainty in the predictions (forward uncertainty propagation), and a GSA was performed on the predictions using the posterior distribution as the possible values for the parameters. This methodology was applied on a relatively large model relevant for synaptic plasticity, using experimental data from several sources. We could hereby point out those parameters that by themselves have the largest contribution to the uncertainty of the prediction as well as identify parameters important to separate between qualitatively different predictions. This approach is useful both for experimental design as well as model building.

  • 2.
    Eriksson, Olivia
    et al.
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Beräkningsvetenskap och beräkningsteknik (CST).
    Laure, Erwin
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Centra, Parallelldatorcentrum, PDC.
    Lindahl, Erik
    KTH, Skolan för teknikvetenskap (SCI), Tillämpad fysik, Biofysik.
    Henningson, Dan S.
    KTH, Skolan för teknikvetenskap (SCI), Mekanik, Stabilitet, Transition, Kontroll.
    Ynnerman, Anders
    KTH, Skolan för elektroteknik och datavetenskap (EECS), Beräkningsvetenskap och beräkningsteknik (CST).
    e-Science in Scandinavia2018Ingår i: Informatik-Spektrum, ISSN 0170-6012, E-ISSN 1432-122X, Vol. 41, nr 6, s. 398-404Artikel i tidskrift (Refereegranskat)
  • 3. Eriksson, Olivia
    et al.
    Tegnér, Jesper
    Modeling and model simplification to facilitate biological insights and predictions.2016Ingår i: Uncertainty in Biology, Springer, 2016, s. 301-325Kapitel i bok, del av antologi (Refereegranskat)
  • 4.
    Nair, Anu G.
    et al.
    KTH, Skolan för datavetenskap och kommunikation (CSC), Beräkningsbiologi, CB. Manipal Univ, India.
    Gutierrez-Arenas, Omar
    KTH, Skolan för datavetenskap och kommunikation (CSC), Beräkningsbiologi, CB.
    Eriksson, Olivia
    KTH, Skolan för datavetenskap och kommunikation (CSC), Beräkningsbiologi, CB.
    Vincent, Pierre
    Hellgren Kotaleski, Jeanette
    KTH, Skolan för datavetenskap och kommunikation (CSC), Beräkningsbiologi, CB. Stockholm Univ, Sweden; Karolinska Inst, Sweden.
    Sensing Positive versus Negative Reward Signals through Adenylyl Cyclase-Coupled GPCRs in Direct and Indirect Pathway Striatal Medium Spiny Neurons2015Ingår i: Journal of Neuroscience, ISSN 0270-6474, E-ISSN 1529-2401, Vol. 35, nr 41, s. 14017-14030Artikel i tidskrift (Refereegranskat)
    Abstract [en]

    Transient changes in striatal dopamine (DA) concentration are considered to encode a reward prediction error (RPE) in reinforcement learning tasks. Often, a phasic DA change occurs concomitantly with a dip in striatal acetylcholine (ACh), whereas other neuromodulators, such as adenosine (Adn), change slowly. There are abundant adenylyl cyclase (AC) coupled GPCRs for these neuromodulators in striatal medium spiny neurons (MSNs), which play important roles in plasticity. However, little is known about the interaction between these neuromodulators via GPCRs. The interaction between these transient neuromodulator changes and the effect on cAMP/PKA signaling via Golf- and Gi/o-coupled GPCR are studied here using quantitative kinetic modeling. The simulations suggest that, under basal conditions, cAMP/PKA signaling could be significantly inhibited in D1R+ MSNs via ACh/M4R/Gi/o and an ACh dip is required to gate a subset of D1R/Golf-dependent PKA activation. Furthermore, the interaction between ACh dip and DA peak, via D1R and M4R, is synergistic. In a similar fashion, PKA signaling in D2+ MSNs is under basal inhibition via D2R/Gi/o and a DA dip leads to a PKA increase by disinhibiting A2aR/Golf, but D2+ MSNs could also respond to the DA peak via other intracellular pathways. This study highlights the similarity between the two types of MSNs in terms of high basal AC inhibition by Gi/o and the importance of interactions between Gi/o and Golf signaling, but at the same time predicts differences between them with regard to the sign of RPE responsible for PKA activation.

1 - 4 av 4
RefereraExporteraLänk till träfflistan
Permanent länk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf