精准治疗生物标志物识别及其在癌症基因组计划中的应用
应用统计
2017-02-09 v1
摘要
癌细胞系常被用于将药物敏感性与耐药性同基因组谱相关联。为捕捉癌症中的基因组复杂性，癌症基因组计划 (CGP) (Garnett 等, 2012) 使用 130 种药物（从已知化疗药物到实验性化合物）筛选了 639 个人类肿瘤细胞系。关注的问题包括：i) 能否检测到癌症特异性治疗生物标志物；ii) 能否识别耐药模式以及使用替代药物规避耐药的预测策略；iii) 能否预测药物协同作用的生物标志物？为解决这些问题，仍存在如下统计挑战：i) 生物标志物在细胞系中成簇；ii) 簇可重叠（例如一个细胞系可能属于多个簇）；iii) 药物应联合建模。我们引入带有潜在重叠簇指示变量的多元回归模型以应对上述问题。提出了与该新模型相关联的广义多元回归有限混合 (FMMR) 模型以及用于拟合的新 EM 算法。对该数据集的重新分析揭示了癌症之间治疗上的相互关系，以及用于癌症治疗与管理的现有和新型药物行为的新见解。
引用
@article{arxiv.1702.02264,
title = {Precision Therapeutic Biomarker Identification with Application to the Cancer Genome Project},
author = {Hongmei Liu and J. Sunil Rao},
journal= {arXiv preprint arXiv:1702.02264},
year = {2017}
}
备注
This manuscript contains 30 pages and 11 figures