nach oben

Erschienen in:

2019 | OriginalPaper | Buchkapitel

Parallel-Tempered Feature Allocation for Large-Scale Tumor Heterogeneity with Deep Sequencing Data

verfasst von : Yang Ni, Peter Müller, Max Shpak, Yuan Ji

Erschienen in: Pharmaceutical Statistics

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

We developed a parallel-tempered feature allocation algorithm to infer tumor heterogeneity from deep DNA sequencing data. The feature allocation model is based on a binomial likelihood and an Indian Buffet process prior on the latent haplotypes. A variation of parallel tempering technique is introduced to flatten peaked local modes of the posterior distribution, and yields a more efficient Markov chain Monte Carlo algorithm. Simulation studies provide empirical evidence that the proposed method is superior to competing methods at a high read depth. In our application to Glioblastoma multiforme data, we found several distinctive haplotypes that indicate the presence of multiple subclones in the tumor sample.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 390 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Maschinenbau + Werkstoffe

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Challenges of Bridging Studies in Biomarker Driven Clinical Trials: The Impact of Companion Diagnostic Device Performance on Clinical Efficacy

Nächstes Kapitel Analysis of T-Cell Immune Responses as Measured by Intracellular Cytokine Staining with Application to Vaccine Clinical Trials

Griffiths, T.L., Ghahramani, Z.: Infinite latent feature models and the indian buffet process. NIPS 18, 475–482 (2005)

Geyer, C.J.: Markov chain Monte Carlo maximum likelihood. In: Proceedings of the 23rd Symposium on the Interface, Computing Science and Statistics. Interface Foundation, Fairfax Station, VA (1991)

Gerlinger, M., Rowan, A.J., Horswell, S., Larkin, J., Endesfelder, D., Gronroos, E., Martinez, P., Matthews, N., Stewart, A., Tarpey, P., et al.: Intratumor heterogeneity and branched evolution revealed by multiregion sequencing. N. Engl. J. Med. 2012(366), 883–892 (2012)CrossRef

Seoane, J., Mattos-Arruda, D., et al.: The challenge of intratumour heterogeneity in precision medicine. J. Intern. Med. 276(1), 41–51 (2014)CrossRef

De Bono, J., Ashworth, A.: Translating cancer research into targeted therapeutics. Nature 467(7315), 543–549 (2010)CrossRef

Snyder, A., Makarov, V., Merghoub, T., Yuan, J., Zaretsky, J.M., Desrichard, A., Walsh, L.A., Postow, M.A., Wong, P., Ho, T.S., et al.: Genetic basis for clinical response to ctla-4 blockade in melanoma. N. Engl. J. Med. 371(23), 2189–2199 (2014)CrossRef

Campbell, P.J., Pleasance, E.D., Stephens, P.J., Dicks, E., Rance, R., Goodhead, I., Follows, G.A., et al.: Subclonal phylogenetic structures in cancer revealed by ultra-deep sequencing. Proc. Natl. Acad. Sci. U. S. A. 105(35), 13,081–13,086 (2008)CrossRef

Ling, S., Hu, Z., Yang, Z., Yang, F., Li, Y., Lin, P., Chen, K., Dong, L., Cao, L., Tao, Y., et al.: Extremely high genetic diversity in a single tumor points to prevalence of non-darwinian cell evolution. Proc. Natl. Acad. Sci. 112(47), E6496–E6505 (2015)CrossRef

Lee, J., Müller, P., Gulukota, K., Ji, Y., et al.: A bayesian feature allocation model for tumor heterogeneity. Ann/ Appl. Stat. 9(2), 621–639 (2015)MathSciNetCrossRef

10.

Green, P.J.: Reversible jump markov chain Monte Carlo computation and Bayesian model determination. Biometrika 82(4), 711–732 (1995)MathSciNetCrossRef

11.

O’Hagan, A.: Fractional Bayes factors for model comparison. J. R. Stat. Soc. Series B 57(1), 99–138 (1995)MathSciNetMATH

12.

Xu, Y., Müller, P., Yuan, Y., Gulukota, K., Ji, Y.: Mad bayes for tumor heterogeneity-feature allocation with exponential family sampling. J. Am. Stat. Assoc. 110(510), 503–514 (2015)MathSciNetCrossRef

13.

Dahl, D.B.: Model-based clustering for expression data via a Dirichlet process mixture model. In: Bayesian Inference for Gene Expression and Proteomics, pp. 201–218 (2006)

14.

Sottoriva, A., Spiteri, I., Piccirillo, S.G., Touloumis, A., Collins, V.P., Marioni, J.C., Curtis, C., Watts, C., Tavaré, S.: Intratumor heterogeneity in human glioblastoma reflects cancer evolutionary dynamics. Proc. Natl. Acad. Sci. 110(10), 4009–4014 (2013)CrossRef

15.

McKenna, A., Hanna, M., Banks, E., Sivachenko, A., Cibulskis, K., Kernytsky, A., Garimella, K., Altshuler, D., Gabriel, S., Daly, M., et al.: The genome analysis toolkit: a mapreduce framework for analyzing next-generation dna sequencing data. Genome Res. 20(9), 1297–1303 (2010)CrossRef

16.

DePristo, M.A., Banks, E., Poplin, R., Garimella, K.V., Maguire, J.R., Hartl, C., Philippakis, A.A., Del Angel, G., Rivas, M.A., Hanna, M., et al.: A framework for variation discovery and genotyping using next-generation DNA sequencing data. Nat. Genet. 43(5), 491–498 (2011)CrossRef

17.

Auwera, G.A., Carneiro, M.O., Hartl, C., Poplin, R., del Angel, G., Levy-Moonshine, A., Jordan, T., Shakir, K., Roazen, D., Thibault, J., et al.: From FASTQ data to high-confidence variant calls: the genome analysis toolkit best practices pipeline. In: Current Protocols in Bioinformatics, pp. 11.10.1–11.10.33 (2013)

18.

Qiao, W., Quon, G., Csaszar, E., Yu, M., Morris, Q., Zandstra, P.W.: Pert: a method for expression deconvolution of human blood samples from varied microenvironmental and developmental conditions. PLoS Comput. Biol. 8(12), e1002, 838 (2012)CrossRef

19.

Ahn, J., Yuan, Y., Parmigiani, G., Suraokar, M.B., Diao, L., Wistuba, I.I., Wang, W.: Demix: deconvolution for mixed cancer transcriptomes using raw measured data. Bioinformatics (2013)

20.

Ren, B., Bacallado, S., Favaro, S., Vatanen, T., Huttenhower, C., Trippa, L.: Bayesian nonparametric mixed effects models in microbiome data analysis. arXiv:1711.01241 (2017)

Titel: Parallel-Tempered Feature Allocation for Large-Scale Tumor Heterogeneity with Deep Sequencing Data
verfasst von: Yang Ni
Peter Müller
Max Shpak
Yuan Ji
Verlag: Springer International Publishing
Buch: Pharmaceutical Statistics
Print ISBN: 978-3-319-67385-1

Electronic ISBN: 978-3-319-67386-8

Copyright-Jahr: 2019
DOI: https://doi.org/10.1007/978-3-319-67386-8_17

Springer Professional

Abstract

Bitte loggen Sie sich ein, um Zugang zu Ihrer Lizenz zu erhalten.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Springer Professional "Technik"

Springer Professional "Wirtschaft"