治疗前的慢性淋巴细胞白血病患者的空间中的拓结构
Reginald L McGee1, Jake Reed2, Caitlin E Coombes3
1Department of Mathematics and Statistics, Haverford College, Haverford, PA 19041, USA.
Cancers
|August 10, 2024
概括
拓数据分析揭示了患者数据中的复杂结构,为慢性淋巴细胞白血病 (CLL) 等疾病提供了更深入的见解. 这种先进的方法揭示了传统聚类之外的隐藏模式,以更好地理解生物.
科学领域:
- 计算生物学 计算生物学
- 数据科学数据科学数据科学
- 在瘤学瘤学.
背景情况:
- 患者数据是复杂的,异质的,经常包含噪音和缺失的值.
- 了解高维的世界
研究的目的:
- 应用拓数据分析 (TDA) 以更全面地了解患者空间.
- 探索超越传统集群分析的新型无监督技术.
主要方法:
- 将TDA应用于266名未经治疗的慢性淋巴细胞白血病 (CLL) 患者的数据集.
- 在临床记录中使用"花"度量来计算距离.
- 开发了新的计算和图形方法来解释TDA结构.
主要成果:
- 在CLL患者数据中确定了重要的拓特征,包括循环和空隙.
- 使用关键预后因素解释了最持久的循环和空白:IGHV突变状态,β-2微球蛋白和Rai阶段.
- 证明TDA显示患者空间的复杂性比以前建模的更丰富.
结论:
- 患者的空间比目前的模型更复杂.
- TDA提供了一种强大的新方法来解释高维的临床和生物数据.
- TDA可以提供对生物过程的新见解,并改善对疾病的理解.
更多相关视频
11:39Subcellular Fractionation of Primary Chronic Lymphocytic Leukemia Cells to Monitor Nuclear/Cytoplasmic Protein Trafficking
Published on: October 23, 2019
11.4K
09:02Immunoglobulin Gene Sequence Analysis In Chronic Lymphocytic Leukemia: From Patient Material To Sequence Interpretation
Published on: November 26, 2018
21.1K
