用于时间至事件结果基因组分析的生存监督潜在狄利克雷分配模型
统计方法学
2012-02-28 v1 应用统计
摘要
癌症临床研究中的两个挑战性问题是癌症亚型的表征和根据这些亚型对个体患者进行分类。解决这些问题的统计方法受到群体异质性和高维、多样化协变量数据整合的挑战。我们开发了一个生存监督的潜在狄利克雷分配（survLDA）建模框架来解决这些问题。LDA模型在识别大型文本集合中的共同主题方面非常有效，但在基因组学中的应用有限。我们的框架将LDA扩展到基因组，将每个患者视为一个“文档”，其“文本”由临床和高维基因组测量构成。然后我们进一步扩展框架以允许时间至事件响应的监督。该模型能够有效识别患者亚组内共现的临床和基因组特征集合，然后根据这些特征对每个患者进行表征。将survLDA应用于癌症基因组图谱（TCGA）卵巢项目，识别出信息丰富的患者亚组，这些亚组以不同的异常mRNA表达和甲基化倾向为特征，对应于初级治疗后不同的生存率。
引用
@article{arxiv.1202.5999,
title = {Survival-supervised latent Dirichlet allocation models for genomic analysis of time-to-event outcomes},
author = {John A. Dawson and Christina Kendziorski},
journal= {arXiv preprint arXiv:1202.5999},
year = {2012}
}
备注
21 pages, including 6 figures and 5 pages of appendices