uu.seUppsala universitets publikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • 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
Predicting pathogenicity behavior in Escherichia coli population through a state dependent model and TRS profiling
Uppsala universitet, Teknisk-naturvetenskapliga vetenskapsområdet, Matematisk-datavetenskapliga sektionen, Matematiska institutionen, Analys och sannolikhetsteori. (Analysis and Probability)ORCID-id: 0000-0002-7672-190X
2018 (Engelska)Ingår i: PloS Computational Biology, ISSN 1553-734X, E-ISSN 1553-7358, Vol. 14, nr 1, artikel-id e1005931Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

The Binary State Speciation and Extinction (BiSSE) model is a branching process based model that allows the diversification rates to be controlled by a binary trait. We develop a general approach, based on the BiSSE model, for predicting pathogenicity in bacterial populations from microsatellites profiling data. A comprehensive approach for predicting pathogenicity in E. coli populations is proposed using the state-dependent branching process model combined with microsatellites TRS-PCR profiling. Additionally, we have evaluated the possibility of using the BiSSE model for estimating parameters from genetic data. We analyzed a real dataset (from 251 E. coli strains) and confirmed previous biological observations demonstrating a prevalence of some virulence traits in specific bacterial sub-groups. The method may be used to predict pathogenicity of other bacterial taxa.

Ort, förlag, år, upplaga, sidor
2018. Vol. 14, nr 1, artikel-id e1005931
Nationell ämneskategori
Bioinformatik och systembiologi Sannolikhetsteori och statistik
Identifikatorer
URN: urn:nbn:se:uu:diva-341023DOI: 10.1371/journal.pcbi.1005931ISI: 000423845000028PubMedID: 29385125OAI: oai:DiVA.org:uu-341023DiVA, id: diva2:1180606
Forskningsfinansiär
Knut och Alice Wallenbergs StiftelseTillgänglig från: 2018-02-06 Skapad: 2018-02-06 Senast uppdaterad: 2018-04-24Bibliografiskt granskad

Open Access i DiVA

fulltext(11447 kB)77 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 11447 kBChecksumma SHA-512
a61c055d837c06f0655720805c64b929c53bc85ad562e306eb64ecccff8b7f40dc5ed43b6a823bb6c912fe49e5adadc161c8bdff4f8996b73d19a42461ce0136
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextPubMed

Personposter BETA

Kaj, Ingemar

Sök vidare i DiVA

Av författaren/redaktören
Kaj, Ingemar
Av organisationen
Analys och sannolikhetsteori
I samma tidskrift
PloS Computational Biology
Bioinformatik och systembiologiSannolikhetsteori och statistik

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 77 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
pubmed
urn-nbn

Altmetricpoäng

doi
pubmed
urn-nbn
Totalt: 79 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association
  • 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