用于高效推断癌症克隆进化的选择优势模型

近来，从基因组数据推断癌症进展的严格算法重新引起关注。其动机是多方面的：(i) 来自癌症患者的下一代测序（NGS）和单细胞数据不断增长，(ii) 需要新颖的数据科学与机器学习算法来推断癌症进展模型，(iii) 渴望理解肿瘤的时间和异质结构，以通过有效治疗干预控制其进展。本论文提出了一种多学科努力，建模涉及连续遗传改变积累的肿瘤进展，每个产生的群体表现为癌症表型。本工作中提出的框架及其衍生的算法，代表了一种推断癌症进展的新方法，其准确性和收敛速度超越现有技术。该方法汲取了多个领域的力量，包括机器学习算法、因果理论和癌症生物学。此外，提出了一种从测序癌症基因组中提取集成级进展模型的模块化流水线。该流水线结合了用于样本分层、驱动基因选择、适应性等价排他性改变识别以及进展模型推断的最先进技术。此外，结果通过具有现实生成模型的合成数据得到验证，并在真实癌症数据集背景下进行经验解释；在后者情况下，还突出了具有生物学意义的结论。具体而言，它展示了该流水线能够复现关于结直肠癌的大量知识，并提出新假设。最后，它还证明了所提框架可应用于重建单个患者中癌症克隆的进化历史，如透明细胞肾细胞癌的例子所示。