中国人民大学健康大数据研究院李扬团队研究成果“Incorporating Prior Information in Gene Expressionnetwork-Based Cancer Heterogeneity Analysis”在《Biostatistics》接收发表。

癌症在分子层面上具有异质性，表面上看似相似的患者实际上拥有不同的分子景观，并因此表现出不同的临床行为。最近的研究表明，基因表达网络在癌症异质性分析方面比一些更简单的度量方法更有效且信息量更大。基因之间的互联可以分为“直接”与“间接”，其中“间接”互联可能由共享的基因调控因子（如转录因子、微小RNA及其他调控分子）以及其他机制引起。已有研究建议，在网络分析中纳入基因表达的调控因子，并专注于直接的互联，可以更深入地理解更为关键的基因互联。然而，这种分析面临着大量参数（由网络分析、调控因子的纳入及异质性共同导致）和通常较弱信号的严重挑战。为有效应对这一问题，我们提出将已发表文献中包含的先验信息纳入分析。一个关键挑战在于这些先验信息可能是不完整的甚至是错误的。我们开发了一种两步程序，能够灵活地适应不同质量水平的先验信息。模拟结果证明了所提方法的有效性及其相对于相关竞争方法的优越性。在对一个乳腺癌数据集的分析中，得出了与其他方法不同的发现，且识别出的样本子群具有重要的临床差异。