从单核苷酸体细胞突变推断肿瘤的克隆演化
机器学习
2013-11-05 v4 种群与进化
定量方法
机器学习
摘要
高通量测序技术能够检测和量化异质性肿瘤细胞群体中体细胞单核苷酸变异 (SNV) 的频率。在某些情况下，可以根据这些 SNV 频率测量值重建样本中存在的肿瘤细胞亚克隆谱系的演化历史和群体频率。然而，目前尚无自动化的重建方法，且尚未描述重建可行的条件。我们描述了从单个或多个肿瘤群体样本的 SNV 频率中唯一重建演化历史的条件，并引入了一种新的统计模型 PhyloSub，用于推断癌细胞群体中主要亚克隆谱系的系统发育和基因型。该模型使用树上的贝叶斯非参数先验，将 SNV 分组到主要亚克隆谱系中，并自动估计谱系数量及其祖先关系。我们从树上的联合后验分布中采样，以识别最有可能生成观测到的 SNV 频率数据的演化历史和细胞群体频率。当多个系统发育树与给定的一组 SNV 频率一致时，PhyloSub 使用偏序图来表示肿瘤系统发育中的不确定性。在模拟数据集以及包含急性髓系白血病和慢性淋巴细胞白血病患者肿瘤样本的两个真实数据集上的实验表明，PhyloSub 能够推断线性（或链式）和分支谱系，且在可获得真实数据的情况下，其推断结果与真实情况吻合良好。
引用
@article{arxiv.1210.3384,
title = {Inferring clonal evolution of tumors from single nucleotide somatic mutations},
author = {Wei Jiao and Shankar Vembu and Amit G. Deshwar and Lincoln Stein and Quaid Morris},
journal= {arXiv preprint arXiv:1210.3384},
year = {2013}
}