PLoS ONE: Komparativ analyse af metoder til at identificere tilbagevendende Copy Number Ændringer i Cancer

Abstrakt

Tilbagevendende kopi nummer ændringer (CNA’er) spiller en vigtig rolle i kræft tilblivelse. Selv om der er foreslået en række beregningsmetoder til at identificere sådanne CNAs, deres relative fordele stort set ukendt i praksis, da har været fokuseret meget få bestræbelser på sammenlignende analyse af de metoder. For at lette undersøgelser af tilbagevendende CNA identifikation i kræft genomet, er det bydende nødvendigt at gennemføre en omfattende sammenligning af ydeevne og begrænsninger blandt eksisterende metoder. I dette papir, seks repræsentative metoder, der foreslås i de seneste seks år er sammenlignet. Disse omfatter en-trins og to-trins tilgange, der arbejder med rå intensitet forholdet data og diskretiserede data hhv. De er baseret på forskellige teknikker såsom kerne regression, korrelationsmatrix diagonal segmentering, semi-parametrisk permutation og cykliske permutation ordninger. Vi udforsker flere kriterier, herunder type I fejlrate, afsløring magt, Receiver Operating Karakteristik (ROC) kurve og arealet under kurven (AUC), og beregningsmæssige kompleksitet, for at vurdere effektiviteten af ​​de metoder, der i henhold til flere simuleringsscenarier. Vi karakteriserer også deres evner på ansøgninger til to reelle datasæt opnået fra kræft med lungeadenokarcinom og glioblastom. Denne sammenligning undersøgelse afslører generelle egenskaber de eksisterende metoder til at identificere tilbagevendende CNAs, og yderligere giver nye indsigter i deres styrker og svagheder. Det menes nyttigt at fremskynde udviklingen af ​​nye og forbedrede metoder

Henvisning:. Yuan X, Zhang J, Zhang S, Yu G, Wang Y (2012) komparativ analyse af metoder til at identificere tilbagevendende Copy Number Ændringer i Kræft. PLoS ONE 7 (12): e52516. doi: 10,1371 /journal.pone.0052516

Redaktør: Noam Shomron, Tel Aviv University, Israel

Modtaget: August 7, 2012; Accepteret: November 14, 2012; Udgivet: December 20, 2012