Skip to Main content Skip to Navigation
Journal articles

A mixture model to characterize genomic alterations of tumors

Christine Keribin 1, 2 Yi Liu 3 Tatiana Popova 4 Yves Rozenholc 3, 5
1 CELESTE - Statistique mathématique et apprentissage
Inria Saclay - Ile de France, LMO - Laboratoire de Mathématiques d'Orsay
3 SELECT - Model selection in statistical learning
LMO - Laboratoire de Mathématiques d'Orsay, Inria Saclay - Ile de France
5 BioSTM - Laboratoire de biomathématiques, EA 7537 [Paris]
UPD5 Pharmacie - Université Paris Descartes - Faculté de Pharmacie de Paris
Résumé : La caractérisation des altérations du nombre de copies dans le génome est d'importance capitale pour développer une médecine personnalisée en cancérologie. Les puces à SNPs (Single Nucleotide Polymorphism), une variante de puce à ADN, sont toujours utilisées pour mesurer les profils d'altération du nombre de copies. Parmi les méthodes d'analyse de profil de SNPs, la méthode GAP (Genome Alteration Print) de Popova et al, basée sur une segmentation préliminaire de profils issus de puces SNPs, utilise une approche déterministe pour déterminer le profil du nombre absolu de copies. Nous développons un modèle probabiliste pour la méthode GAP et définissons un modèle de mélange gaussien dont les centres sont contraints d'appartenir à un réseau dépendant de paramètres inconnus tels que la proportion de tissu tumoral dans le prélèvement. L'estimation est effectuée à l'aide d'un algorithme EM (expectation-maximization) permettant d'accéder non seulement aux paramètres mais aussi au nombre altéré de copies le plus probable sur chaque segment ainsi que la proportion tumorale inconnue. Nous proposons de déduire la ploïdie tumorale en utilisant un critère pénalisé de choix de modèle. Notre modèle est testé sur des données simulées et appliqué à un exemple de données de cancer du côlon.
Complete list of metadatas

Cited literature [18 references]  Display  Hide  Download

https://hal.archives-ouvertes.fr/hal-02391289
Contributor : Christine Keribin <>
Submitted on : Friday, December 6, 2019 - 3:15:59 PM
Last modification on : Tuesday, July 21, 2020 - 3:58:50 AM
Document(s) archivé(s) le : Saturday, March 7, 2020 - 12:36:13 PM

File

24-Keribin-GAP-SFdS2019.pdf
Publisher files allowed on an open archive

Identifiers

  • HAL Id : hal-02391289, version 1

Citation

Christine Keribin, Yi Liu, Tatiana Popova, Yves Rozenholc. A mixture model to characterize genomic alterations of tumors. Journal de la Société Française de Statistique, Société Française de Statistique et Société Mathématique de France, 2019. ⟨hal-02391289⟩

Share

Metrics

Record views

106

Files downloads

31