利用生灭过程从活细胞成像药物筛选数据推断肿瘤亚群结构
种群与进化
2023-06-14 v2 定量方法
摘要
肿瘤异质性是一种复杂且被广泛认知的特征，给有效癌症疗法的开发带来重大挑战。特别是，许多肿瘤含有具有不同治疗反应特征的多种亚群。通过确定肿瘤内亚群结构来刻画此种异质性，可实现更精准且成功的治疗策略。在我们先前的工作中，我们开发了PhenoPop，一种从批量高通量药物筛选数据解析肿瘤内药物反应亚群结构的计算框架。然而，驱动PhenoPop的底层模型的确定性本质限制了模型拟合及其可从数据中提取的信息。作为改进，我们提出一种基于线性生灭过程的随机模型以解决此局限。我们的模型能在实验时间跨度上构建动态方差，从而利用更多数据信息提供更稳健的估计。此外，新提出的模型可轻易适用于实验数据呈现正时间相关性的情形。我们在模拟数据（in silico）与实验数据（in vitro）上测试了模型，结果支持我们关于其优势的观点。
引用
@article{arxiv.2303.08245,
title = {Using birth-death processes to infer tumor subpopulation structure from live-cell imaging drug screening data},
author = {C. Wu and E. B. Gunnarsson and E. M. Myklebust and A. Köhn-Luque and D. S. Tadele and J. M. Enserink and A. Frigessi and J. Foo and K. Leder},
journal= {arXiv preprint arXiv:2303.08245},
year = {2023}
}
备注
36 pages, 14 figures. v2: 1. Rearranged paper and figures. 2. Modified the figures to make them easier to access; results unchanged. 3. Revised the argument in section 3 and section 4; results unchanged. 4. Revised the abstract