Hepatosellüler karsinomun tekil hücre diziliminde omiklerin veri analizi için Bayes ağları

Tek hücreli çoklu omik teknikleri, kendi bireysel hücresel düzenlemelerine çok yönlü bir bakış açısı sağlayarak kanser heterojenliği gibi kompleks hastalıkların ortaya çıkarmada bir ilerleme göstermiştir. Bu çalışmada, tek hücre temelli hepatoselüler karsinomda genomik, epigenomik ve transkriptomik verileri entegre etmek için bir makine öğrenimi yaklaşımı olan Bayesian ağları (BN) uygulanmıştır. Bu amaçla, yayınlanmış bir çalışmadan hepatoselüler karsinomun 25 tekil hücre dizileme veri seti kullanılmıştır. Hepatosellüler karsinom (HSK), yüksek metastatik oranla en yaygın karaciğer kanseri türüdür ve kötü prognoza sahip olduğu düşünülmektedir. Tümör hücrelerinin heterojenliği, kanserin ilerlemesi, metastaz, terapötik direnç ve mortalite ile ilgilidir. Önce, DNA metilom ve transkriptom verileri tek başlarına analiz edilmiştir. Kopya sayısı varyasyonu, Gizli Markov Modeli yöntemi kullanılarak DNA metilom verilerinden tahmin edilmiştir. Omikler arasındaki nedensel ilişkiyi incelemek için üç BN modeli oluşturulmuştur. Modeller, en çok olabilirlik kestirimi (MLE) kullanılarak parametrelerine uydurulmuştur. Model değerlendirme için puana dayalı kriterler, Akaike bilgi kriteri (AIC) ve Bayes bilgi kriteri (BIC) kullanılmıştır. Anlamlı modele sahip 207 gen tespit edilmiştir. Farklı BN model izleyen genlerin HCC'de aynı yolakta yer aldığına işaret ederek, omiklerin ve birbirleriyle regülasyon mekanizmalarının heterojenliği gösterilmiştir.