×
张友毅;杰弗里·莫里斯。;希瓦利·纳朗·阿尔里;Rao，Arvind英国。;维拉巴德兰·巴拉丹达尤塔帕尼

Radio-iBAG：基于辐射的多平台基因组数据的综合贝叶斯分析。 （英语） Zbl 1433.62320号

附录申请。斯达。 1957-1988（2019）第3期第13页.
摘要：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这是一个多尺度贝叶斯层次模型，涉及多个创新策略：它整合了多平台基因组数据集的综合分析，以捕获基本的生物关系；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。

引用于三文件

MSC公司：

62页第10页 统计学在生物学和医学中的应用；元分析
62H25个 因子分析和主成分；对应分析
62华氏35 多元分析中的图像分析
62号05 可靠性和寿命测试
92D10型 遗传学和表观遗传学

关键词：

放射成像;多平台基因组学;贝叶斯建模;稀疏先验;一体化建模;多尺度模型;癌症;稀疏主成分分析;生存

软件：

多MiR;无线电iBAG;iBAG公司;TCGA组件;mgcv公司
PDF格式BibTeX公司 XML格式引用
\textit{Y.Zhang}等人，Ann.Appl。Stat.13，No.3，1957——1988（2019；Zbl 1433.62320）
全文： 内政部 欧几里得

参考文献：

[1] Aerts，H.J.、Velazquez，E.R.、Leijenaar，R.T.、Parmar，C.、Grossmann，P.、Carvalho，S.、Bussink，J.、Monshower，R.、Haibe-Kains，B.、Rietveld，D.等人（2014）。使用定量放射方法通过无创成像解码肿瘤表型。国家公社。5
[2] Armagan，A.、Dunson，D.B.和Lee，J.（2013）。广义双Pareto收缩。统计师。Sinica中国23 119-143·Zbl 1259.62061号
[3] Azadeh，S.、Hobbs，B.P.、Ma，L.、Nielsen，D.A.、Moeller，F.G.和Baladadayuthapani，V.（2016）。神经影像遗传数据的综合贝叶斯分析及其在可卡因依赖中的应用。神经影像125 813-824。
[4] Barbieri，M.M.和Berger，J.O.（2004）。最优预测模型选择。安。统计师。32 870-897. ·Zbl 1092.62033号 ·doi:10.1214/009053604000000238
[5] Batmanghelich，N.K.、Dalca，A.V.、Sabunci，M.R.和Golland，P.（2013）。成像和遗传学的联合建模。医学成像766-777中的信息处理。柏林施普林格。
[6] Bhattacharya，A.、Pati，D.、Pillai，N.S.和Dunson，D.B.（2015）。Dirichlet-Laplace优先考虑最佳收缩。J.Amer。统计师。协会110 1479-1490·Zbl 1373.62368号 ·doi:10.1080/01621459.2014.960967
[7] Bleeker，F.E.、Molenaar，R.J.和Leenstra，S.（2012）。胶质母细胞瘤分子理解的最新进展。神经瘤杂志。108 11-27.
[8] Carvalho，C.M.、Polson，N.G.和Scott，J.G.（2010年）。稀疏信号的马蹄形估计器。生物特征97 465-480·Zbl 1406.62021号 ·doi:10.1093/biomet/asq017
[9] Castellano，G.、Bonilha，L.、Li，L.和Cendes，F.（2004）。医学图像的纹理分析。临床。无线电。59 1061-1069。
[10] Chaddad，A.和Tanougast，C.（2016年）。提取的磁共振纹理特征区分表型，并与多形性胶质母细胞瘤患者的总体生存率相关。医学生物学。工程计算。1-12.
[11] Coroller，T.P.、Grossmann，P.、Hou，Y.、Velazquez，E.R.、Leijenaar，R.T.、Hermann，G.、Lambin，P.，Haibe-Kains，B.、Mak，R.H.等人（2015）。基于CT的放射特征预测肺腺癌的远处转移。无线电疗法。昂科尔。114 345-350.
[12] Daemen，A.、Gevaert，O.、Ojeda，F.、Debucquoy，A.、Suykens，J.A.、Sempoux，C.、Machels，J.-P.、Haustermans，K.和Moor，B.D.（2009年）。基于内核的全基因组数据集成用于临床决策支持。Gen.Med.1 39。
[13] Felipe De Sousa，E.M.、Vermeulen，L.、Fessler，E.和Medema，J.P.（2013）。癌症异质性——一个多方面的观点。EMBO代表14 686-695。
[14] Ganeshan，B.、Abaleke，S.、Young，R.、Chatwin，C.R.和Miles，K.A.（2010年）。非小细胞肺癌的增强CT纹理分析：与肿瘤糖代谢和分期相关的初步证据。癌症成像10 137-143。
[15] Griffin，J.E.和Brown，P.J.（2010）。回归问题中正态伽马先验分布的推断。贝叶斯分析。5 171-188. ·Zbl 1330.62128号 ·doi:10.1214/10-BA507
[16] Gutman，D.A.、Cooper，L.A.、Hwang，S.N.、Holder，C.A.、Gao，J.、Aurora，T.D.、Dunn Jr.，W.D.、Scarpace，L.、Mikkelsen，T.等人（2013年）。分子特征和生存率的MR成像预测因素：TCGA胶质母细胞瘤数据集的多机构研究。放射学267 560-569。
[17] Haralick，R.M.（1979）。纹理的统计和结构方法。程序。IEEE 67 786-804。
[18] Haralick，R.M.、Shanmugam，K.和Dinstein，I.H.（1973）。图像分类的纹理特征。IEEE传输。系统。曼赛本。系统。6 610-621.
[19] Hastie，T.J.和Tibshirani，R.J.（1990年）。广义加性模型。统计学和应用概率专著43。CRC出版社，伦敦。
[20] Hodgson，J.G.、Yeh，R.-F、Ray，A.、Wang，N.J.、Smirnov，I.、Yu，M.、Hariono，S.、Silber，J.、Feiler，H.S.等人（2009年）。多形性胶质母细胞瘤和异种移植瘤中基因拷贝数和mRNA表达的比较分析。神经控制。11 477-487。
[21] Jennings，E.M.、Morris，J.S.、Manyam，G.C.、Carroll，R.J.和Baladandayuthapani，V.（2015）。多平台基因组数据灵活综合分析的贝叶斯模型。《整合Omics数据：统计和计算方法》，第1版，剑桥大学出版社，剑桥。
[22] Hu，L.S.，Ning，S.，Eshbacher，J.M.，Baxter，L.C.，Gaw，N.，Ranjbar，S.、Plasencia，J.、Dueck，A.C.、Peng，S.等人（2017年）。放射基因组学表征胶质母细胞瘤的区域遗传异质性。神经控制。19 128-137.
[23] Jennings，E.M.、Morris，J.S.、Carroll，R.J.、Manyam，G.C.和Baladadayuthapani，V.（2012）。集成各种类型基因组数据的分层贝叶斯方法。基因组信号处理与统计（GENSIPS），2012 IEEE国际研讨会，5-8。IEEE，纽约。
[24] Kickingereder，P.、Burth，S.、Wick，A.、Götz，M.、Eidel，O.、Schlemmer，H.-P.、Maier-Hein，K.H.、Wik，W.、Bendszus，M.等人（2016年）。胶质母细胞瘤的放射学特征分析：确定患者生存率的成像预测因子，其性能优于已建立的临床和放射学风险模型。放射学280 880-889。
[25] Kim，Y.-H.、Lachuer，J.、Mittelbronn，M.、Paulus，W.、Brokinkel，B.、Keyvani，K.、Sure，U.、Wrede，K.和Nobusawa，S.等人（2011年）。低级别弥漫性胶质瘤中RB1通路的改变缺乏常见的遗传改变。脑病理学。21 645-651.
[26] Lanckriet，G.R.、De Bie，T.、Cristianini，N.、Jordan，M.I.和Noble，W.S.（2004）。基因组数据融合的统计框架。生物信息学20 2626-2635。
[27] Lee，J.、Jain，R.、Khalil，K.、Griffith，B.、Bosca，R.，Rao，G.和Rao，A.（2016）。灌注MRI相对CBV图的纹理特征比率与胶质母细胞瘤患者的生存率相关。美国神经放射学杂志。37 37-43.
[28] Manyam，G.、Ivan，C.、Calin，G.A.和Coombes，K.R.（2013）。targetHub：用于miRNA-gene相互作用的可编程接口。生物信息学29 2657-2658。
[29] McGuffey，E.、Morris，J.S.、Carroll，R.J.、Manyan，G.和Baladadayuthapani，V.（2018年）。piBAG：基于路径的多平台基因组数据综合贝叶斯建模。技术报告。
[30] Mitchell，T.J.和Beauchamp，J.J.（1988）。线性回归中的贝叶斯变量选择。J.Amer。统计师。协会83 1023-1036·Zbl 0673.62051号 ·doi:10.1080/01621459.1988.10478694
[31] Montano，N.、Cenci，T.、Martini，M.、D’Alessandris，Q.G.、Pelacchi，F.、Ricci Vitiani，L.、Maira，G.、Maria，R.D.、Larocca，L.M.等人（2011年）。EGFRvIII在胶质母细胞瘤中的表达：回顾其预后意义。肿瘤13 1113-1121。
[32] Nakamura，M.、Konishi，N.、Tsunoda，S.、Hiasa，Y.、Tsuzuki，T.、Inui，T.和Sakaki，T.（1997年）。视网膜母细胞瘤蛋白表达和MIB-1与恶性星形细胞瘤患者的生存率相关。癌症80 242-249。
[33] Nakamura，M.、Yonekawa，Y.、Kleihues，P.和Ohgaki，H.（2001）。胶质母细胞瘤中RB1基因的启动子高甲基化。实验室投资。81 77-82.
[34] Nazarenko，I.、Hede，S.-M.、He，X.、Hedrén，A.、Thompson，J.、LindströM，M.S.和Nistér，M.（2012）。胶质瘤中的PDGF和PDGF受体。不间断电源。医学科学杂志。117 99-112.
[35] Network，C.G.A.T.R.等人（2008年）。全面的基因组特征定义了人类胶质母细胞瘤基因和核心通路。自然455 1061。
[36] Nicolasjilwan，M.、Hu，Y.、Yan，C.、Meerzaman，D.、Holder，C.A.、Gutman，D.、Jain，R.、Colen，R.和Rubin，D.L.等人（2015年）。MR成像特征和遗传生物标记物的加入加强了TCGA患者胶质母细胞瘤生存预测。神经放射学杂志。42 212-221.
[37] Olivares，R.J.、Rao，A.、Rao、G.、Morris，J.S.和Baladadayuthapani，V.（2013）。胶质母细胞瘤多模式相关成像基因组数据的综合分析。基因组信号处理与统计（GENSIPS），2013 IEEE国际研讨会，5-8。IEEE，纽约。
[38] Park，T.和Casella，G.（2008）。贝叶斯套索。J.Amer。统计师。协会103 681-686·Zbl 1330.62292号 ·doi:10.1198/016214500000037
[39] Ru，Y.、Kechris，K.J.、Tabakoff，B.、Hoffman，P.、Radcliffe，R.A.、Bowler，R.、Mahaffey，S.、Rossi，S.和Calin，G.A.等人（2014年）。multiMiR软件包和数据库：整合microRNA-靶相互作用及其疾病和药物关联。核酸研究42 e133-e133。
[40] Solomon，D.A.、Kim，J.-S.、Jenkins，S.、Ressom，H.、Huang，M.、Coppa，N.、Mabanta，L.、Bigner，D.、Yan，H.等人（2008年）。多形性胶质母细胞瘤中抑癌基因p18INK4c的鉴定。癌症研究68 2564-2569。
[41] Stingo，F.C.、Guindani，M.、Vannucci，M.和Calhoun，V.D.（2013）。成像遗传学的综合贝叶斯建模方法。J.Amer。统计师。协会108 876-891·Zbl 06224973号 ·doi:10.1080/016214519.2013.804409
[42] Stupp，R.、Hegi，M.E.、Mason，W.P.、van den Bent，M.J.、Taphoorn，M.J、Janzer，R.C.、Ludwin，S.K.、Allgeier，A.、Fisher，B.等人（2009年）。在一项随机III期研究中，放疗联合和辅助替莫唑胺与单纯放疗对胶质母细胞瘤生存率的影响：EORTC-NCIC试验的5年分析。柳叶刀Oncol。10 459-466。
[43] Tibshirani，R.（1996）。通过套索进行回归收缩和选择。J.罗伊。统计师。Soc.序列号。乙58 267-288·Zbl 0850.62538号 ·doi:10.1111/j.2517-6161.1996.tb02080.x
[44] Tomczak，K.、Czerwińska，P.和Wiznerowicz，M.（2015）。癌症基因组图谱（TCGA）：不可估量的知识来源。康斯坦普。昂科尔。19 A68。
[45] Verhaak，R.G.，Hoadley，K.A.，Purdom，E.，Wang，V.，Qi，Y.，Wilkerson，M.D.，Miller，C.R.，Ding，L.，Golub，T.等人（2010年）。综合基因组分析确定以PDGFRA、IDH1、EGFR和NF1异常为特征的胶质母细胞瘤临床相关亚型。癌细胞17 98-110。
[46] Wang，W.、Baladadayuthapani，V.、Morris，J.S.、Broom，B.M.、Manyam，G.和Do，K.-A.（2013）。IBAG：高维多平台基因组数据的综合贝叶斯分析。生物信息学29 149-159。
[47] Wei，L.（1992）。加速失效时间模型：生存分析中Cox回归模型的有用替代方法。Stat.Med.11 1871-1879年。
[48] Wood，S.N.（2001）。mgcv:R.R News 1 20-25的GAM和广义岭回归。
[49] Yin，D.，Ogawa，S.，Kawamata，N.，Tunici，P.，Finocchiaro，G.，Eoli，M.，Ruckert，C.，Huynh，T.，Liu，G.等人（2009年）。单核苷酸多态性DNA芯片对多形性胶质母细胞瘤的高分辨率基因组拷贝数分析。摩尔癌症研究7 665-677。
[50] Zhang，Y.、Morris，J.S.、Aerry，S.N.、Rao，A.U.和Baladadayuthapani，V.（2019年）。补充“Radio-iBAG：基于放射学的多平台基因组数据综合贝叶斯分析”。DOI:10.1214/19-AOAS1238SUPP·Zbl 1433.62320号
[51] Zhou，M.、Hall，L.、Goldgof，D.、Russo，R.、Balagurunathan，Y.、Gillies，R.和Gatenby，R.（2014）。多形性胶质母细胞瘤放射学定义的生态动力学和临床结果：初步结果。Transl.公司。昂科尔。7 5-13.
[52] 朱毅、邱鹏和季毅（2014）。TCGA汇编程序：用于检索和处理TCGA数据的开源软件。自然方法11 599-600。
[53] Zou，H.和Hastie，T.（2005）。通过弹性网进行规则化和变量选择。J.R.统计社会服务。B.统计方法。67 301-320. ·Zbl 1069.62054号 ·doi:10.1111/j.1467-9868.2005.00503.x
[54] Zou，H.、Hastie，T.和Tibshirani，R.（2006）。稀疏主成分分析。J.计算。图表。统计师。15 265-286.
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。