通过社区融合识别癌症组学共性与差异

癌症组学数据的分析是一个“经典”问题，然而仍然具有挑战性。从早期大多聚焦于单一癌症类型的研究发展而来，近期一些研究分析了多种“相关”癌症类型/亚型的数据，考察了它们的共性与差异，并得出了有见地的发现。在本文中，我们考虑对多个组学数据集的分析，每个数据集对应一种“相关”癌症的类型/亚型。我们开发了社区融合（Community Fusion, CoFu）方法，该方法使用一种新颖的惩罚技术进行标记物选择与模型构建，有信息量地容纳组学测量的网络社区结构，并自动识别癌症组学标记物的共性与差异。模拟实验证明了其相对于直接竞争方法的优越性。对 TCGA 肺癌与黑色素瘤数据的分析得出了有趣发现。