突变驱动通路的拓扑结构
定量方法
2019-12-03 v1 机器学习
摘要
在识别癌症中候选突变驱动通路方面已取得诸多进展且仍在持续。然而，迄今为止尚未出现一种系统性方法来理解给定癌症(如急性髓系白血病)的候选通路彼此间如何关联，以及一类癌症相对于另一类癌症在其各自通路方面(例如急性髓系白血病对比多形性胶质母细胞瘤)如何相似或不同。我们的工作试图通过一种新颖的拓扑框架，增进对「通路空间」的理解。我们利用两类肿瘤的突变数据(取自 TCGA)——急性髓系白血病(AML)与多形性胶质母细胞瘤(GBM)——来阐明我们的方法。我们发现 AML 的通路空间同伦等价于球面，而 GBM 的通路空间等价于亏格为 2 的曲面。我们希望借此引发新型问题(即允许提出新颖假设)，以更全面地把握癌症。
引用
@article{arxiv.1912.00108,
title = {The Topology of Mutated Driver Pathways},
author = {Raouf Dridi and Hedayat Alghassi and Maen Obeidat and Sridhar Tayur},
journal= {arXiv preprint arXiv:1912.00108},
year = {2019}
}
备注
Key words: topological data analysis, cancer genomics, mutation data, acute myeloid leukemia, glioblastoma multiforme, persistent homology, simplicial complex, Betti numbers, algebraic topology