Extracto
existente técnicas para reconstruir los modelos de árboles de la progresión de procesos acumulativos, como el cáncer, tratan de estimar la causalidad mediante la combinación de correlación y una noción frequentist de prioridad temporal. En este documento, se define un marco teórico novela llamada CAPRESE (progresión del cáncer de extracción con bordes Individual) para reconstruir este tipo de modelos basados en la noción de causalidad probabilística definida por Suppes. Consideramos un ajuste general de la reconstrucción complicada por la presencia de ruido en los datos debido a la variación biológica, así como los errores experimentales o de medición. Para mejorar la tolerancia al ruido que definir y utilizar un estimador de la contracción similar. Se prueba la exactitud de nuestro algoritmo, mostrando la convergencia asintótica al árbol correcta bajo las limitaciones leves en el nivel de ruido. Por otra parte, en los datos sintéticos, mostramos que nuestro enfoque supera a la del estado de la técnica, que es eficiente, incluso con un número relativamente pequeño de muestras, y que su rendimiento converge rápidamente a su asíntota como el número de muestras aumenta. Para los conjuntos de datos de cáncer reales obtenidos con diferentes tecnologías, se destacan las diferencias biológicamente significativas en las progresiones inferidos con respecto a otras técnicas en competencia y también mostramos cómo validar las relaciones biológicas conjeturadas con modelos de progresión
Visto:. Loohuis LO, Caravagna G, Graudenzi A, Ramazzotti D, Mauri G, Antoniotti M, et al. (2014) Inferencia de modelos de árboles causales de la progresión del cáncer con el aumento de probabilidad. PLoS ONE 9 (10): e108358. doi: 10.1371 /journal.pone.0108358
Editor: Lars Kaderali, Universidad Técnica de Dresde, Facultad de Medicina, Alemania