Sumário

existente técnicas para reconstruir modelos de árvore de progressão para os processos cumulativos, como câncer, procure estimar causalidade através da combinação de correlação e uma noção frequentista de prioridade temporal. Neste artigo, definimos um quadro teórico romance chamado CAPRESE (câncer progressão Extração com arestas Individual) para reconstruir esses modelos baseados na noção de causalidade probabilística definido por Suppes. Nós consideramos uma configuração geral de reconstrução complicado pela presença de ruído nos dados devido à variação biológica, bem como erros experimentais ou de medição. Para melhorar a tolerância ao ruído que definir e usar um estimador de encolhimento-like. Nós demonstrar a veracidade do nosso algoritmo, mostrando a convergência assintótica para a árvore correta sob restrições brandas sobre o nível de ruído. Além disso, em dados sintéticos, que mostram que a nossa abordagem supera o estado-da-arte, que o produto é eficiente mesmo com um número relativamente pequeno de amostras e que o seu desempenho converge rapidamente à sua assíntota como o número de amostras aumenta. Para conjuntos de dados de câncer de reais obtidos com diferentes tecnologias, destacamos as diferenças biologicamente significativas nas progressões inferidas com relação a outras técnicas concorrentes e também mostrar como validar relações biológicas conjectura com modelos de progressão

Citation:. Loohuis LO, Caravagna L, Graudenzi A, D Ramazzotti, Mauri L, M Antoniotti et ai. (2014) Inferindo árvore de causas modelos de cancro da Progressão com a criação de Probabilidade. PLoS ONE 9 (10): e108358. doi: 10.1371 /journal.pone.0108358

editor: Lars Kaderali, Technische Universität Dresden, Faculdade de Medicina, Alemanha