Accurate Computation of Survival Statistics in Genome-wide Studies
基因组学的一个关键挑战是识别遗传变异,以区分诊断或治疗后生存时间不同的患者。虽然对数秩检验广泛用于此目的,但几乎所有对数秩检验的实现都依赖于渐进近似,这在许多基因组学应用中并不合适。这是因为:由遗传变体确定的两个群体可能具有非常不同的大小;并且许多可能的变体的评估需要非常小的p值的高度精确的计算。我们证明了这个问题的癌症基因组学数据的标准对数秩检验导致许多假阳性体细胞突变和生存时间之间的关联。我们开发和分析了一种新的算法,精确对数秩检验(ExaLT),准确地计算p值的对数秩统计下的精确分布,适用于任何规模的人口。我们在已发表的癌症基因组学研究数据上证明了ExaLT的优势,发现与报告的p值存在显著差异。我们分析了癌症基因组图谱(TCGA)中六种癌症类型的体细胞突变,发现了与生存相关的已知突变以及几种新的关联。相比之下,对数秩检验的标准实现报告了几十个可能的假阳性关联,比这些已知的关联更重要。
2013-09-17 q-bio.QM stat.AP
Joint and individual analysis of breast cancer histologic images and genomic covariates
现代数据分析的一个关键挑战是理解复杂和不同数据模式之间的联系。例如,研究乳腺癌的两种主要方法是组织病理学(分析肿瘤的视觉特征)和遗传学。虽然组织病理学是诊断的黄金标准,并且最近在遗传学方面取得了许多突破,但这两个领域之间几乎没有重叠。我们的目标是通过开发基于角度的联合和个体变异解释(AJIVE)的方法来弥合这一差距,以直接探索这两种模式之间的相似性和差异。我们的方法利用卷积神经网络(CNN)作为一个强大的,自动的图像特征提取方法,以解决组织病理学图像数据的统计分析所提出的一些挑战。CNN提出了可解释性的问题,我们通过开发新的方法来探索应用于CNN特征的统计算法(例如PCA或AJIVE)捕获的视觉变化模式来解决这个问题。我们的研究结果提供了许多可解释的连接和组织病理学和遗传学之间的对比。
2020-04-14 eess.IV q-bio.QM stat.AP
Regularized Multivariate Regression for Identifying Master Predictors with Application to Integrative Genomics Study of Breast Cancer
在本文中,我们提出了一种新的方法remMap -正则化多元回归识别MAster预测-在高维低样本设置下拟合多元响应回归模型。remMap的动机是基于多种类型的高维基因组数据来研究不同生物分子之间的调控关系。特别是,我们有兴趣研究DNA拷贝数的改变对RNA转录水平的影响。为此,我们通过多变量线性回归来模拟RNA表达水平对DNA拷贝数的依赖性,并利用适当的正则化来处理高维数以及合并所需的网络结构。本文还讨论了调谐参数的选择准则。所提出的方法的性能说明通过广泛的仿真研究。最后,将remMap应用于乳腺癌研究,其中测量了172个肿瘤样本的全基因组RNA转录水平和DNA拷贝数。我们在细胞带17 q12-q21中确定了一个trans-hub区域,该区域的扩增影响了30多个非连锁基因的RNA表达水平。这些发现可能有助于更好地了解乳腺癌病理学。
2009-06-19 stat.AP stat.ME
Spatially Structured Regression for Non-conformable Spaces: Integrating Pathology Imaging and Genomics Data in Cancer
针对跨肿瘤活检样本联合建模存在的空间不可适配与高维问题,提出贝叶斯框架下的DreameSpase空间结构化回归模型,经仿真和335份黑色素瘤数据验证有效,还配套了免费高效的实现软件。
2024-06-24 stat.AP
Smaller $p$-values in genomics studies using distilled historical information
医学研究机构通过对数百种癌细胞系进行基因分析,产生了大量的生物学数据。与此同时,学术生物学实验室在定制的实验条件下对少量癌细胞系进行了遗传筛选。为了在这两种科学发现方法之间共享信息,本文提出了一种用于假设检验的“贝叶斯辅助频率论”(FAB)程序,该程序允许来自大量基因组数据集的历史信息来增加专业研究中假设检验的能力。信息交换是通过一种新型的多模态基因组学数据概率模型进行的,该模型提取了各种实验背景下与癌细胞系和基因有关的历史信息。如果给定研究的历史信息的相关性很高,那么由此产生的FAB测试可能比相应的经典测试更强大。如果相关性很低,那么FAB测试产生的发现与经典测试一样多。模拟和实际调查表明,FAB测试程序可以增加基因组学研究中发现的效应的数量,同时仍然保持严格控制第一类错误和错误发现率。
2020-04-16 stat.AP stat.ME
Survival-supervised latent Dirichlet allocation models for genomic analysis of time-to-event outcomes
癌症临床研究中的两个挑战性问题是癌症亚型的表征和根据这些亚型对个体患者进行分类。解决这些问题的统计方法受到人口异质性和高维多样协变量数据集成固有挑战的阻碍。我们已经开发了一个生存监督潜在狄利克雷分配(survLDA)建模框架来解决这些问题。LDA模型已被证明在识别大型文本集合中的共同主题方面非常有效,但在基因组学中的应用却很有限。我们的框架将LDA扩展到基因组,将每个患者视为从临床和高维基因组测量构建的具有“文本”的“文档”。然后,我们进一步扩展的框架,以允许监督的时间到事件的响应。该模型能够有效识别患者亚组内共同出现的临床和基因组特征的集合,然后通过这些特征表征每个患者。survLDA在癌症基因组图谱(TCGA)卵巢项目中的应用确定了信息丰富的患者亚组,这些亚组的特征在于表现出异常mRNA表达和甲基化的不同倾向,对应于主要治疗的不同生存率。
2012-02-27 stat.AP stat.ME
Clustering of Transcriptomic Data for the Identification of Cancer Subtypes
癌症是许多相关但高度异质性的疾病。正确识别癌症亚型对于临床决策至关重要。测序技术的进步使得基于丰富的基因组学和转录组学(-omics)数据来研究癌症成为可能。这种数据驱动的方法有望解决传统方法在识别癌症亚型方面的局限性和问题。我们评估聚类的适用性-一种数据挖掘工具,研究异质性数据时,缺乏足够的了解的主题事项-在识别癌症亚型。探讨了一些流行的聚类算法及其共识,我们发现共识聚类识别的癌症亚型与临床研究一致。
2018-11-25 q-bio.QM stat.AP
Functional Integrative Bayesian Analysis of High-dimensional Multiplatform Genomic Data
多平台分子和基因组学数据的收集和传播的快速发展为聚合这些数据以了解、预防和治疗人类疾病带来了巨大的机会。虽然在多组学数据整合方法中已经取得了显着改进,以发现预后和治疗的生物标志物和机制,但控制这些复杂机制的精确细胞功能仍然需要详细和数据驱动的从头评估。我们提出了一个框架,称为高维多平台基因组数据的功能整合贝叶斯分析(fiBAG),它允许同时识别蛋白质基因组生物标志物的上游功能证据,并将这些知识纳入贝叶斯变量选择模型,以提高信号检测。fiBAG采用高斯过程模型的合并,通过贝叶斯因子量化(可能是非线性的)功能证据,然后将其映射到新的校准尖峰和平板先验,从而指导选择并提供与患者结局相关的功能相关性。使用模拟,我们说明了如何与功能校准的综合方法有更高的权力,以检测疾病相关的标志物比非综合的方法。我们通过对14种癌症类型的泛癌症分析来证明fiBAG的盈利能力,以识别和评估与癌症干性和患者生存相关的蛋白基因组标志物的细胞机制。
2022-12-29 q-bio.GN q-bio.QM stat.AP
Multi-modality fusion using canonical correlation analysis methods: Application in breast cancer survival prediction from histology and genomics
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);IBM Almaden Research Center(IBM阿尔马登研究中心)
提出基于惩罚典型相关分析与矩阵收缩的双模态融合及两阶段预测流程,提升潜变量预测,并在乳腺癌组织学与基因组数据中优于同维 PCA。
2021-11-27 cs.LG eess.SP q-bio.QM
Precision Therapeutic Biomarker Identification with Application to the Cancer Genome Project
癌细胞系经常被用于将药物敏感性和耐药性与基因组图谱联系起来。为了捕获癌症中的基因组复杂性,癌症基因组计划(CGP)(Garnett等人,2012)用130种药物筛选了639种人肿瘤细胞系,所述药物的范围从已知的化疗剂到实验化合物。感兴趣的问题包括:i)是否可以检测到癌症特异性治疗生物标志物,ii)是否可以识别耐药性模式以及使用替代药物规避耐药性的预测策略,iii)是否可以预测药物协同作用的生物标志物?为了解决这些问题,仍然存在以下统计挑战:i)生物标志物在细胞系之间聚类; ii)聚类可以重叠(例如,细胞系可以属于多个聚类); iii)药物应该联合建模。本文提出了一个隐含重叠聚类指标变量的多元回归模型来解决上述问题。提出了与新模型相联系的广义有限混合多元回归模型(FMMR)和一种新的期望最大化算法。对数据集的重新分析揭示了癌症之间的治疗相互关系以及用于治疗和管理癌症的现有和新型药物行为。
2017-02-08 stat.AP
Detection of Epigenomic Network Community Oncomarkers
在本文中,我们提出了网络方法来推断预后癌症生物标志物的基础上表观遗传模式DNA甲基化。DNA甲基化等表观遗传过程反映了环境风险因素,并且越来越多地认识到它们在癌症等疾病中的基本作用。DNA甲基化是一种基因调控模式,因此提供了一种评估基因组调控相互作用的方法。网络模型是表示和分析此类交互组的自然方法。随着数据量和变量数量的增加,网络模型的实用性也在增加,这使得它们与大规模基因组研究越来越相关。我们提出了一种方法来推断预后基因组网络从DNA甲基化为基础的基因组相互作用和协会的措施。然后,我们展示了如何从这些网络中识别预后生物标志物,我们称之为“网络社区肿瘤标志物”。我们说明了我们提出的方法在一个大型公开的乳腺癌数据集的背景下的力量。
2016-08-01 q-bio.GN q-bio.MN stat.AP
Learning models for classifying Raman spectra of genomic DNA from tumor subtypes
不同肿瘤亚型的早期检测对于有效指导个体化治疗至关重要。虽然许多努力都集中在解码DNA基础序列以检测与癌症相关的基因突变,但越来越清楚的是,物理性质,包括结构构象,刚度和形状,以及生物过程,如甲基化,可以是识别DNA修饰的关键。在这里,我们利用表面增强拉曼散射(SERS)平台,基于无序的银涂层-硅纳米线,研究黑色素瘤和结肠癌亚型的基因组DNA,并有效地区分肿瘤和健康细胞,以及不同的肿瘤亚型。诊断信息是通过在Ag/NW垫上执行DNA溶液的干燥液滴的无标记拉曼图,并利用学习模型的分类能力来揭示健康和肿瘤DNA分子与纳米线的特异性和独特的相互作用来获得的。
2023-02-17 stat.AP
Analysis of Genomic and Transcriptomic Variations as Prognostic Signature for Lung Adenocarcinoma
肺癌是全世界死亡人数最多的主要原因,肺腺癌(LUAD)是肺癌最常见的形式。在这项研究中,我们对LUAD患者的突变进行了综合荟萃分析,包括单核苷酸变异(SNV),拷贝数变异(CNV),RNA-seq和临床数据,这些数据从癌症基因组图谱(TCGA)中下载。我们整合了SNV和CNV基因,差异表达基因(DEG)和活性子网络中的DEG来构建预后特征。使用具有Lasso罚分的Cox比例风险模型(LOOCV)来鉴定不同基因类别中的最佳基因签名。通过使用基于所选基因签名计算的患者的风险评分,将训练和测试数据中的患者聚类为高风险组和低风险组。我们生成了12个基因签名(DEPTOR、ZBTB 16、BCHE、MGLL、MASP 2、TNNI 2、RAPGEF 3、SGK 2、MYO 1A、CYP 24 A1、PODXL 2、CCNA 1)用于总生存期预测。高危组与低危组的生存时间差异有统计学意义。这12个基因标签可以预测预后,它们是LUAD患者生存的潜在预测因子。
2019-12-04 q-bio.GN stat.AP
Cancer gene prioritization by integrative analysis of mRNA expression and DNA copy number data: a comparative review
各种全基因组分析技术可用于探测基因组结构和功能的互补方面。异构数据源的集成分析可以揭示基于单个观察无法检测到的更高级别的交互。癌症研究中的标准整合任务是基于全基因组基因表达和拷贝数分析测量的联合分析来鉴定诱导相关基因表达变化的改变的基因组区域。在这篇综述中,我们提供了各种建模程序之间的比较,整合基因拷贝数和转录改变的全基因组分析数据,并强调基因组数据整合的常见方法。一个透明的基准程序,引入定量比较癌症基因优先级的替代方法的性能。基准测试算法和数据集可在http://intcomp.r-forge.r-project.org上获得
2011-11-20 cs.CE q-bio.GN stat.AP
Global-Local Dirichlet Processes for Identifying Pan-Cancer Subpopulations Using Both Shared and Cancer-Specific Data
Texas A&M University(德克萨斯农工大学);University of Texas at Austin(德克萨斯大学奥斯汀分校);University of Wisconsin-Madison(威斯康星大学麦迪逊分校)
针对含共享变量与组特异性变量的分组数据聚类问题,提出 GLocal Dirichlet 过程贝叶斯非参数模型,并在泛胃肠道癌症数据中利用临床变量识别更精细亚群。
2025-09-26 stat.AP stat.ME
Distribution-Free Multisample Test Based on Optimal Matching with Applications to Single Cell Genomics
本文提出了一种基于最优匹配的非参数图检验方法,用于检验多个未知多元概率分布的相等性。我们的程序池的数据从不同的类创建一个图形的基础上最小的非二分匹配,然后利用边缘连接数据点的数量从不同的类来检查分布之间的接近度。所提出的测试是完全免费的分布(零分布不依赖于数据的分布),可以有效地应用于多变量以及非欧几里德数据,只要点间距离是明确定义的。我们证明了该检验是普适相合的,并证明了一般选择下检验统计量的分布极限定理。通过仿真研究,我们证明了其优越的性能对其他常见的和众所周知的多样本测试。在我们的测试表明跨类分布差异的情况下,我们还提出了一种方法来确定哪个类或组有助于这种整体差异。该方法适用于从患有肝细胞癌和非小细胞肺癌的人类受试者的外周血、癌组织和肿瘤相邻正常组织获得的单细胞转录组学数据。我们的方法揭示了在癌症环境中,生物化学代谢途径如何在免疫细胞中改变的模式,这取决于组织位置。本文描述的所有方法都在R包多交叉中实现。
2019-06-11 stat.AP stat.ME
A Nonparametric Bayesian Basket Trial Design
基于肿瘤基因组畸变分析的靶向治疗在癌症预后和治疗方面显示出有希望的结果。无论肿瘤类型如何,将患者与针对其特定基因组畸变的靶向治疗相匹配的试验已成为癌症患者治疗管理的主流方向。因此,找到能够从多种癌症类型的异常特异性靶向治疗中获益最多的患者亚群是重要的。我们提出了一个自适应贝叶斯临床试验设计的患者分配和亚群识别。我们从一个决策理论的方法,包括一个效用函数和概率模型在所有可能的子种群模型。提出的设计和群体发现方法的主要特征是,我们允许不同患者记录协变量的可变集,调整缺失数据,允许协变量的高阶相互作用,以及使用哪个治疗组最适合每例患者的后验预测概率将每例患者自适应分配到治疗组。通过大量的仿真研究证明了新方法。
2018-04-17 stat.AP
Nonparametric Bayes Differential Analysis of Multigroup DNA Methylation Data
针对多组DNA甲基化数据的差异分析需求,提出基于粘性皮特曼-约过程的非参数贝叶斯方法BayesDiff,可自适应处理序列依赖并同时推断差异特征,经模拟和胃肠道癌症数据集验证有效。
2023-05-04 stat.AP stat.ME
variable selection and missing data imputation in categorical genomic data analysis by integrated ridge regression and random forest
全基因组关联研究(GWAS)所获得的基因组数据往往是大规模的,而且是不完整的。其不完备性的一种特殊形式是具有不可解释的缺失机制的缺失值。基因组数据的内在复杂性提出了显着的挑战,在开发一个公正的和翔实的程序表型-基因型关联分析的统计变量选择方法。在本文中,我们开发了一个连贯的分类表型-基因型关联分析的程序,在GWAS数据中的缺失值与不可解释的缺失机制的存在下,通过整合最先进的方法,随机森林的变量选择,加权岭回归与期望最大化算法的缺失数据填补,和线性统计假设检验确定缺失机制。两个模拟的GWAS被用来验证所提出的程序的性能。该程序,然后应用于分析一个真实的数据集,从乳腺癌GWAS。
2021-11-10 stat.AP stat.ME
Bayesian Variable Selection For Survival Data Using Inverse Moment Priors
在高维癌症基因组研究中,有效的变量选择对于发现与特定癌症类型相关的基因和预测对治疗的反应至关重要。删失生存数据在此类研究中很普遍。在这篇文章中,我们介绍了一个贝叶斯变量选择过程,使用的混合物前组成的点质量在零和逆矩前与部分似然定义的Cox比例风险模型。该过程在R包BVSNLP中实现,该包支持并行计算,并使用随机搜索方法来探索模型空间。贝叶斯模型平均用于预测。该算法提供了更好的性能比其他变量选择程序在模拟研究中,并出现提供更一致的变量选择时,应用到实际的基因组数据集。
2020-03-14 stat.AP stat.CO
Correlating Cellular Features with Gene Expression using CCA
为了了解癌症的生物学,联合分析多种数据模式,包括成像和基因组学,是至关重要的。基因-微环境相互作用的复杂性质需要使用同等对待两种数据类型的算法。我们建议使用典型相关分析(CCA)和稀疏变量作为初步发现工具,用于识别跨模式的连接,特别是在基因表达和描述细胞和细胞核形状,纹理和染色强度在组织病理学图像的功能之间。应用于来自癌症基因组图谱的615个乳腺癌样本,CCA揭示了几个图像特征与PAM 50基因表达的显著相关性,已知与结果相关,而稀疏CCA揭示了与癌症相关的途径的富集相关性,而无需利用先前的生物学理解。这些发现证实了CCA用于癌症联合表型-基因型分析的实用性。
2018-02-24 eess.IV eess.SP q-bio.CB
NExUS: Bayesian simultaneous network estimation across unequal sample sizes
基于网络的高通量基因组学数据分析提供了一个整体的,系统级的理解,为共同的人口的各种生物学机制。然而,当估计跨异质子群体的多个网络时,不同的样本量对估计和推理构成了挑战,因为网络差异可能由功效差异驱动。我们特别感兴趣的是在相关癌症的蛋白质组学网络的背景下解决这一挑战,因为罕见癌症(子)类型的受试者数量通常有限。我们开发了NExUS(Network Estimation across Unequal样本量),这是一种贝叶斯方法,可以实现多个网络的联合学习,同时避免样本量和网络稀疏性之间的伪关系。我们通过模拟证明,在这种情况下,NExUS优于现有的网络估计方法,并将其应用于学习癌症基因组图谱(TCGA)蛋白质组数据中相关起源的癌症组的网络相似性和共享途径活性。
2018-11-06 stat.AP stat.ME