基于平滑最短路径图核的癌症患者亚群识别

通过下一代测序技术表征患者体细胞突变，为细化癌症亚型开辟了可能性。然而，突变目录显示，只有一小部分基因在患者中频繁发生改变。另一方面，不同的基因组改变可能扰乱相同的通路。我们提出一种新颖的聚类程序，通过一种新的图核，从患者通路上突变谱的相似性进行量化。我们将每个KEGG通路表示为一个无向图。对于每位患者，顶点标签根据其发生改变的基因进行分配。平滑最短路径图核（smSPK）通过比较患者的顶点标记通路图来评估每对患者。我们的聚类程序包括两个步骤：为每个通路导出的smSPK核矩阵输入核k均值算法，并对每个通路单独评估。下一步，仅将那些成功的通路组合成单个核输入核k均值算法，以对患者进行分层。在模拟数据上评估该程序表明，smSPK聚类患者的准确率高达88%。最后，为识别卵巢癌患者亚群，我们将我们的方法应用于涉及481名患者的癌症基因组图谱卵巢数据。通过生存分析评估所识别的亚群。将患者分为四个聚类，得到生存时间显著不同的患者组（$p$值 $\le 0.005$）。