RADIOHEAD：通过密度整合影像中肿瘤异质性的放射基因组分析
统计方法学
2021-04-08 v2 应用统计
摘要
近期技术进步使得通过放射影像与基因组（放射基因组）数据的多源整合，详细研究分子架构与肿瘤异质性之间的关联成为可能。本文中，我们整合并利用低级别胶质瘤（LGG，一种脑癌）患者的放射基因组数据，以开发一个称为 RADIOHEAD（RADIOgenomic analysis incorporating tumor HEterogeneity in imAging through Densities，通过密度整合影像中肿瘤异质性的放射基因组分析）的回归框架来识别放射基因组关联。影像数据通过多模态磁共振成像获得的肿瘤子区域体素强度概率密度函数表示，基因组数据通过与其基因表达谱对应的通路富集分数形式的分子特征表示。采用概率密度函数集合上主成分分析的黎曼几何框架，我们将每个概率密度映射为主成分得分向量，随后将其作为预测变量纳入以通路富集分数为响应的贝叶斯回归模型。在由肿瘤子区域诱导的预测变量间分组结构下，基于组 spike-and-slab 先验进行变量选择。随后利用贝叶斯错误发现率机制基于回归系数的后验分布推断显著关联。我们的分析揭示了若干与 LGG 病因相关（如突触传递、神经冲动与神经递质通路）的通路与其相应基于影像的预测变量存在显著关联。
引用
@article{arxiv.2104.00510,
title = {RADIOHEAD: Radiogenomic Analysis Incorporating Tumor Heterogeneity in Imaging Through Densities},
author = {Shariq Mohammed and Karthik Bharath and Sebastian Kurtek and Arvind Rao and Veerabhadran Baladandayuthapani},
journal= {arXiv preprint arXiv:2104.00510},
year = {2021}
}