我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
技术创新产生了大型多模式数据集,其中包括成像和多平台基因组数据。对这些数据的综合分析有可能揭示对癌症等复杂疾病的重要生物学和临床见解。在本文中,我们提出了辐射成像和多平台基因组数据综合分析的贝叶斯方法,其中我们的目标是同时识别基因组和辐射,即基于放射的成像标记,以及这两种模式之间的潜在关联,并检测联合标记物的总体预后相关性。对于这项任务,我们建议Radio-iBAG:基于放射学的多平台基因组数据综合贝叶斯分析,一个涉及多种创新策略的多尺度贝叶斯层次模型:它结合了对多平台基因组数据集的综合分析,以捕捉基本的生物学关系;探索伴随基因组信息的放射标记与临床结果之间的关联;检测与临床预后相关的基因组和放射性标记物。我们还介绍了使用稀疏主成分分析(sPCA)从一组相关的单个辐射特征中提取一组稀疏的近似正交元特征,每个特征都包含信息,从而降低维数并组合类似特征。我们的方法受到癌症基因组图谱多形性胶质母细胞瘤数据集的启发,并应用于该数据集,其中我们整合了基于磁共振成像的生物标记物以及基因组、表观基因组和转录组数据。我们的模型确定了重要的磁共振成像特征以及与患者生存时间相关的基因组平台。
张友毅。 杰弗里·莫里斯。 Shivali Narang Aerry公司。 阿尔文德·拉奥(Arvind U.K.Rao)。 维拉巴德兰·巴拉丹达尤塔帕尼。 “Radio iBAG:基于放射组学的多平台基因组数据综合贝叶斯分析。” 附录申请。斯达。 13 (3) 1957 - 1988, 2019年9月。 https://doi.org/10.1214/19-AOAS1238