Identification of outcome-related driver mutations in cancer using conditional co-occurrence distributions

Investigador: Victor Treviño Alvarado
Disciplina: Ciencias Médicas y de Salud > Medicina Básica
Journal: Scientific Reports (Editorial Nature)
Coautores: Victor Treviño, Emmanuel Martínez-Ledesma & José Tamez-Peña

Resumen:

(1) Los métodos propuestos para la detección de las mutaciones fundadoras en cáncer se basan en la estimación de la frecuencia de mutación de fondo y el impacto en la función de la proteína o la influencia de la red. En este trabajo, nos enfocamos en los factores que influyen en la supervivencia del paciente. Con este fin, se ha aplicado sistemáticamente una aproximación a la prueba estadística log-rank incluso que asume un número grande y similar de pacientes en ambos grupos de riesgo. Esta asunción no es válida en la genómica del cáncer debido a la baja frecuencia de mutaciones en el mismo gen. Aquí, proponemos VALORATE, un algoritmo novedoso para la estimación de la distribución nula para el log-rank, independiente del número de mutaciones. VALORATE se basa en distribuciones condicionales de las co-ocurrencias entre eventos y mutaciones. Los resultados obtenidos a través de simulaciones, comparaciones con otros métodos, análisis de conjuntos de datos TCGA e ICGC y validaciones, sugieren que VALORATE es preciso, rápido y puede identificar mutaciones genéticas tanto conocidas como novedosas. Nuestra propuesta y los resultados pueden tener importantes implicaciones en la biología del cáncer, los análisis bioinformáticos y, en última instancia, la medicina de precisión.