Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Understanding Nature Through the Symbiosis of Information Science, Bioinformatics, and Neuroinformatics Kapitel lesen Erstes Kapitel lesen

2014 | OriginalPaper | Buchkapitel

28. Statistical Signal Processing for Cancer Stem Cell Formation

verfasst von : Monica F. Bugallo, Petar M. Djurić

Erschienen in: Springer Handbook of Bio-/Neuroinformatics

Verlag: Springer Berlin Heidelberg

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Many mysteries related to the behavior of cancer stem cells (CSCs), their role in the formation of tumors, and the evolution of tumors with time remain unresolved. Biologists conduct experiments and collect data from them; these are then used for modeling, inference, and prediction of various unknowns that define the CSC system and are vital for its understanding. The aim of this chapter is to provide a summary of our progress in statistical signal processing models and methods for the advancement of the theory and understanding of cancer and the CSC paradigm. The chapter comprises three parts: model building, methods for the forward problem, and methods for the inverse problem.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Ontologies for Bioinformatics
Nächstes Kapitel Epigenetics
Literatur
28.1.
A. Kamb, S. Wee, C. Lengauer: Why is cancer drug discovery so difficult?, Nat. Rev. Drug Discov. 6, 115–120 (2007)CrossRef
28.2.
P. Dalerba, R.W. Cho, M.F. Clarke: Cancer stem cells: Models and concepts, Annu. Rev. Med. 58, 267–284 (2007)CrossRef
28.3.
M. Mimeault, R. Hauke, P.P. Mehra, S.K. Batra: Recent advances in cancer stem/progenitor cell research: Therapeutic implications for overcoming resistance to the most aggressive cancers, J. Cell. Mol. Med. 11, 981–1011 (2007)CrossRef
28.4.
R.E. Durand, P.L. Olive: Resistance of tumor cells to chemo- and radiotherapy modulated by the three-dimensional architecture of solid tumors and spheroids, Methods Cell Biol. 64, 211–233 (2001)CrossRef
28.5.
G. Hamilton: Multicellular spheroids as an in vitro tumor model, Cancer Lett. 131, 29–34 (1998)CrossRef
28.6.
R. Knuchel, F. Hofstadter, W. Jenkins, J.R. Masters: Sensitivities of monolayers and spheroids of the human bladder cancer cell line MGH-U1 to the drugs used for intravesical chemotherapy, Cancer Res. 49, 1397–1401 (1989)
28.7.
M. Al-Hajj, M.W. Becker, M. Wicha, I. Weissman, M.F. Clarke: Therapeutic implications of cancer stem cells, Curr. Opin. Genet. Dev. 14, 43–47 (2004)CrossRef
28.8.
T. Toni, M.P.H. Stumpf: Simulation-based model selection for dynamical systems in systems and population biology, Bioinformatics 26(1), 104–110 (2010)CrossRef
28.9.
D.J. Wilkinson: Stochastic Modeling for System Biology (Chapman Hall/CRC, New York 2006)
28.10.
A. Arkin, J. Ross, H.H. McAdams: Stochastic kinetic analysis of developmental pathway bifurcation in phage lambda infected Escherichia coli cells, Genetics 149, 633–648 (1998)
28.11.
H.H. McAdams, A. Arkin: Itʼs a noisy business: Genetic regulation at the nanomolar scale, Trends Genet. 15, 65–69 (1999)CrossRef
28.12.
W.W. Wakeland, E.J. Gallaher, L.M. Macovsky, C.A. Aktipis: A comparison of system dynamics and agent-based simulation applied to the study of cellular receptor dynamics, Proc. 37th Hawaii Int. Conf. Syst. Sci. (IEEE, Bellingham 2004)
28.13.
M. Woolridge: An Introduction to Multi-Agent Systems (Wiley, New York 2002)
28.14.
M. Eyiyurekli, P. Manley, P.I. Lelkes, D.E. Breen: A computational model of chemotaxis-based cell aggregation, BioSystems 93, 226–239 (2008)CrossRef
28.15.
E. Grinstein, P. Wernet: Cellular signaling in normal and cancerous stem cells, Cell. Signal. 19, 2428–2433 (2007)CrossRef
28.16.
E.L. Bearer, J.S. Lowengrub, H.B. Frieboes, Y.-L. Chuang, F. Jin, S.M. Wise, M. Ferrari, D.B. Agus, V. Cristini: Multiparameter computational modeling of tumor invasion, Cander Res. 69, 4493 (2009)CrossRef
28.17.
H.B. Frieboes, M.E. Edgerton, J.P. Fruehauf, F.R.A.J. Rose, L.K. Worrall, R.A. Gatenby, M. Ferrari, V. Cristini: Prediction of drug response in breast cancer using integrative experimental/computational modeling, Cander Res. 69, 4484 (2009)CrossRef
28.18.
R. Ganguly, I.K. Puri: Mathematical models for the cancer stem cell hypothesis, Cell Prolif. 39, 3–14 (2006)CrossRef
28.19.
A.L. Garner, Y.Y. Lau, D.W. Jordan, M.D. Uhler, R.M. Gilgenbach: Implications of a simple mathematical model to cancer stem cell population dynamics, Cell Prolif. 39, 15–28 (2006)CrossRef
28.20.
F. Michor: Mathematical models of cancer stem cells, J. Clin. Oncol. 26, 2854–2861 (2008)CrossRef
28.21.
C.J. Morton-Firth, D. Bray: Predicting temporal fluctuations in an intracellular signaling pathway, J. Theor. Biol. 192, 117–128 (1998)CrossRef
28.22.
T.G. Liou, E.J. Campbell: Nonisotropic enzyme inhibitor interactions: A novel nonoxidative mechanism for quantum proteolysis by human neutrophils, Biochemistry 34, 16171–16177 (1995)CrossRef
28.23.
H. Song, S.K. Jain, R.M. Enmon, K.C. OʼConnor: Restructuring dynamics of DU 145 and LNCaP prostate cancer spheroids, In Vitro Cell. Dev. Biol. 40, 262–267 (2004)CrossRef
28.24.
N. Haraguchi, T. Utsunomiya, H. Inoue, F. Tanaka, K. Mimori, G.F. Barnard, M. Mori: Characterization of a side population of cancer cells from human gastrointestinal system, Stem Cells 24, 506–513 (2006)CrossRef
28.25.
I.R. Goodman, R.P.S. Mahler, H.T. Nguyen: Mathematics of Data Fusion (Springer, Berlin, Heidelberg 1997)MATHCrossRef
28.26.
E. Biglieri, M. Lops: Multiuser detection in a dynamic environment. Part I: User identification and data detection, IEEE Trans. Inf. Theory 53, 3158–3170 (2007)MATHMathSciNetCrossRef
28.27.
H. Enderling, L. Hlatky, P. Hahnfeldt: Migration rules: Tumours are conglomerates of self-metastases, Br. J. Cancer 100, 1917–1925 (2009)CrossRef
28.28.
M. Loeffler, H.E. Wichmann: A comprehensive mathematical model of stem cell proliferation which reproduces most of the published experimental results, Cell Tissue Kinet. 13, 543–561 (1980)
28.29.
P.M. Djurić, J.H. Kotecha, J. Zhang, Y. Huang, T. Ghirmai, M.F. Bugallo, J. Míguez: Particle filtering, IEEE Signal Process. Mag. 20(5), 19–38 (2003)CrossRef
28.30.
A. Doucet, S.J. Godsill, C. Andrieu: On sequential Monte Carlo sampling methods for Bayesian filtering, Stat. Comput. 10, 197–208 (2000)CrossRef
28.31.
O. Cappé, A. Guillin, C.P. Robert: Population Monte Carlo, J. Comput. Graph. Stat. 13, 927–929 (2004)CrossRefMathSciNet
Metadaten
Titel
Statistical Signal Processing for Cancer Stem Cell Formation
verfasst von
Monica F. Bugallo
Petar M. Djurić
Copyright-Jahr
2014
Buch
Springer Handbook of Bio-/Neuroinformatics

Print ISBN: 978-3-642-30573-3

Electronic ISBN: 978-3-642-30574-0

Copyright-Jahr: 2014

DOI
https://doi.org/10.1007/978-3-642-30574-0_28