Sumário

A era genômica pessoais atraiu uma grande quantidade de atenção para a terapia anti-câncer através de análise específica para cada paciente. análise específica do paciente permite a descoberta das características genômicas individuais para cada paciente e, assim, podemos efetivamente prever o risco genético individual da doença e realizar terapia personalizada anti-câncer. Embora os métodos existentes para a análise específica para cada paciente tem biomarcadores cruciais descoberto com sucesso, o seu desempenho dá uma guinada súbita para o pior na presença de outliers, uma vez que os métodos são baseados em modos não-robustos. Na prática, conjuntos de dados alterações clínicas e genômicas geralmente contêm valores extremos de várias fontes (por exemplo, erro de experiência, erro de codificação, etc.) e os valores atípicos podem afetar significativamente o resultado da análise específica do paciente. Propomos uma metodologia sólida para a análise específica para cada paciente de acordo com a NetwrokProfiler. No método proposto, de outliers nos níveis de expressão do gene de alta dimensão e conjuntos de dados de resposta de drogas são simultaneamente controlada pela robusta distância de Mahalanobis, em princípio espaço componente robusto. Assim, podemos efetivamente executar para prever anti-câncer droga sensibilidade e identificação de biomarcadores específicos de sensibilidade para pacientes individuais. Observamos através de simulações de Monte Carlo que o método robusto proposto produz um desempenho excepcional para prever variável resposta na presença de outliers. Nós também se aplicam a metodologia proposta para o conjunto de dados Sanger, a fim de descobrir biomarcadores de câncer e prever anti-câncer droga sensibilidade, e mostrar a eficácia do nosso método

Citation:. Parque H, Shimamura T, Miyano S, Imoto S (2014) Previsão robusto de Anti-Cancer da droga Sensibilidade e Biomarcador Sensibilidade-Specific. PLoS ONE 9 (10): e108990. doi: 10.1371 /journal.pone.0108990

editor: María Mar Abad-Grau, Universidade de Granada – Q1818002F, Espanha