利用共享和癌症特异性数据识别泛癌亚群的全局-局部狄利克雷过程
统计方法学
2025-09-30 v1 应用统计
摘要
我们考虑对分组数据进行聚类的问题，其中观测值除了包含跨组共享的变量外，还可能包含组特异性变量。这类数据在癌症基因组学中很常见，其中分子信息通常伴随着癌症特异性的临床信息。现有的分组聚类方法只考虑共享变量，从而忽略了来自癌症特异性变量的宝贵信息。为了允许这些癌症特异性变量辅助聚类，我们提出了一种新颖的贝叶斯非参数方法，称为全局-局部（GLocal）狄利克雷过程，它对跨组观测值的“全局-局部”结构进行建模。我们使用棍折构造和有限混合模型极限的表示来刻画 GLocal 狄利克雷过程，这导致了一个高效的后验推断算法。我们通过广泛的模拟和一个真实的泛胃肠道癌症数据集来说明我们的模型。癌症特异性临床变量包括癌胚抗原水平、患者的体重指数和每天吸烟的数量。这些重要的临床变量细化了基因表达数据的聚类，并使我们能够识别出更精细的子簇，这在没有它们的情况下是不可能的。这种细化有助于更好地理解肿瘤进展和异质性。此外，我们提出的方法不仅适用于癌症基因组学领域，还适用于存在组特异性特质变量的一般分组聚类框架。
引用
@article{arxiv.2509.22884,
title = {Global-Local Dirichlet Processes for Identifying Pan-Cancer Subpopulations Using Both Shared and Cancer-Specific Data},
author = {Arhit Chakrabarti and Yang Ni and Debdeep Pati and Bani K. Mallick},
journal= {arXiv preprint arXiv:2509.22884},
year = {2025}
}