Inferencia y resumen de filogenias tumorales a partir de datos de ADN total

Área de la Ciencia:

• Biología Computacional
• Genómica
• Biología Evolutiva

Sus antecedentes:

• Las filogenias del cáncer son cruciales para comprender la evolución tumoral.
• La estimación filogenética a partir de datos de secuenciación total a menudo produce múltiples árboles plausibles, lo que dificulta los análisis posteriores.
• Las filogenias de cáncer precisas son esenciales para la medicina personalizada y las estrategias terapéuticas.

Objetivo del estudio:

• Introducir Sapling, un método computacional novedoso para inferir árboles troncales a partir de datos de secuenciación de cáncer.
• Abordar el desafío de la incertidumbre filogenética en los estudios de evolución tumoral.
• Desarrollar un método que resuma el espacio de las filogenias de cáncer plausibles.

Principales métodos:

• Sapling resuelve dos variantes del problema de Inferencia de Árboles Troncales a partir de Lecturas.
• El método identifica un conjunto conciso de árboles troncales que representan un subconjunto de mutaciones.
• Se demostró que la complejidad computacional de los problemas subyacentes es NP-difícil.

Principales resultados:

• Sapling infiere eficazmente árboles troncales de alta calidad que resumen filogenias de cáncer plausibles.
• El método demuestra un rendimiento sólido tanto en datos simulados como en datos reales de secuenciación tumoral.
• Sapling infiere con éxito árboles filogenéticos de tamaño completo con mayores verosimilitudes en comparación con los enfoques existentes de última generación.

Conclusiones:

• Sapling proporciona una solución robusta para inferir árboles troncales en filogenética del cáncer.
• El método mejora el análisis de la evolución tumoral al gestionar la incertidumbre filogenética.
• Sapling ofrece una precisión mejorada en la reconstrucción de filogenias de cáncer, avanzando en el campo de la oncología computacional.