Orchard：利用随机组合搜索构建大型癌症系统发育树
种群与进化
2024-07-11 v2 人工智能
机器学习
摘要
描绘同一癌症中遗传异质性细胞亚群进化历史的系统发育树，即癌症系统发育树，为癌症发展提供宝贵见解并指导治疗策略。现有许多方法利用批量 DNA 测序检测到的点突变重建癌症系统发育树。然而，当重建包含超过 30 个突变的系统发育树时，这些方法变得不准确，或在某些情况下完全无法恢复系统发育树。在此，我们介绍 Orchard，一种快速且准确的癌症系统发育树重建算法，可使用多达 1000 个突变。Orchard 从系统发育树后验分布的一种分解近似中无放回采样，这是本文推导的一项新颖结果。该近似后验中的每个因子对应于向部分构建的系统发育树添加新突变的条件分布。Orchard 依次优化每个因子，生成一系列递增大小的系统发育树，最终形成包含所有突变的完整树。我们的评估表明，在 90 个模拟癌症和 14 个 B 祖细胞急性淋巴细胞白血病（B-ALL）中，Orchard 在重建更可信的系统发育树方面优于最先进的癌症系统发育树重建方法。值得注意的是，Orchard 可使用多达 1000 个突变准确重建癌症系统发育树。此外，我们证明 Orchard 重建的大型准确系统发育树有助于识别不同癌细胞亚群间的体细胞突变与遗传变异模式。
引用
@article{arxiv.2311.12917,
title = {Orchard: building large cancer phylogenies using stochastic combinatorial search},
author = {E. Kulman and R. Kuang and Q. Morris},
journal= {arXiv preprint arXiv:2311.12917},
year = {2024}
}