高维多平台基因组数据的函数型整合贝叶斯分析
统计方法学
2023-01-02 v1 基因组学
定量方法
应用统计
机器学习
摘要
多平台分子与基因组数据收集与共享的快速进展,带来了汇聚此类数据以理解、预防及治疗人类疾病的巨大机遇。尽管多组学数据整合方法在发现预后与治疗背后的生物标记与机制上已取得显著进展,但支配这些复杂机制的精确细胞功能仍亟需细致且数据驱动的重新评估。我们提出称为高维多平台基因组数据的函数型整合贝叶斯分析(fiBAG)的框架,可同时识别蛋白质基因组生物标记的上游功能证据,并将此类知识纳入贝叶斯变量选择模型以提升信号检出。fiBAG采用高斯过程模型的融合,通过贝叶斯因子量化(可能非线性的)功能证据,再映射至新颖的校准尖峰- slab先验,从而引导选择并赋予与患者结局关联的功能相关性。借助模拟,我们阐明具功能校准的整合方法比非整合方法更具检出疾病相关标记的效能。我们通过涵盖14种癌症类型的泛癌分析展示fiBAG的效益,以识别并评估与癌症干性以及患者生存相关的蛋白质基因组标记的细胞机制。
引用
@article{arxiv.2212.14165,
title = {Functional Integrative Bayesian Analysis of High-dimensional Multiplatform Genomic Data},
author = {Rupam Bhattacharyya and Nicholas Henderson and Veerabhadran Baladandayuthapani},
journal= {arXiv preprint arXiv:2212.14165},
year = {2023}
}
备注
41 pages manuscript, 5 figures; 49 pages supplementary materials, 37 supplementary figures