Bio-mathematical modeling of tumour genomic profiling data

Mgr. Eva Budinská, Ph.D.

Doctoral thesis

Abstract:

Analýza genomu se stala jedním z nejdůležitějších nástrojů pro pochopení složitého procesu kancerogeneze. Je známo, že genetická nestabilita je jedním z klíčových faktorů procesu neoplastické transformace buňky. Pro jednotlivé typy nádorů jsou charakteristické specifické aberace a jejich odhalení je důležité pro pochopení molekulárního mechanismu vzniku nemoci a pro nalezení specifických terapeutických cílů. ArrayCGH je relativně nová a pro výše popsané účely v současnosti hojně využívaná metoda. Její největší výhodou je, že umožňuje analýzu aberací v celém genomu pouze v jediném experimentu. Tato výhoda se ale stává její nevýhodou, zejména v statistické analýze jejich výsledků. Data z těchto experimentů jsou zatěžena šumem, který je důsledkem technické ale hlavně biologické variability (nádorový vzorek obsahuje téměř vždy určité procento zdravých buněk, navíc existuje heterogenita mezi vývojovými stupněmi bunék i uvnitř samotného nádoru). Se vzrůstajícím rozlišením CGH arrayí se zvyšuje i poptávka po výpočetně efektivních algoritmech, které jsou schopny nalézt aberace i ve velice zašuměných datech. Vyvinuli jsme jednoduchou, vysoce výpočetně efektivní neparametrickou metodu pro analýzu dat z arrayCGH experimentů. Metoda využíva kombinaci konceptu MAD - mediánu absolutní hodnoty odchylky od mediánu – pro detekci zlomů a mediánového vyhlazování pro filtraci dat. Výsledný algoritmus má potenciál překonat nejen jakoukoliv samostatnou vyhlazovací metodu, ale také několik v současnosti navrhovaných segmentačních algoritmů. Jeho nespornou výhodou je jeho jednoduchost a fakt, že nastavení parametrů je více intuitivní a srozumitelné než u většiny ostatních metod, což ocení hlavně uživatelé z jiných bež bio-statistických oborů. Statistická analýza arrayCGH profilů více pacientů a hledání aberací společných pro skupinu pacientů je další důležitou a v současnosti málo prozkoumanou otázkou. Obecně se předpokládá, že simultánní detekce aberovaných oblastí u vzorků patřících do jedné klinické skupiny může zjednodušit a upřesnit hledání těchto skupinově specifických aberací. Náš přínos k dané problematice se skládá z návrhu modelu založeného na efektivní segmentační metodě a jejím zobecnění pro analýzu profilů více pacientů. Metoda využívá smíšené lineární modely. Parametry modelu jsou odhadnuty maximálně věrohodným odhadem pomocí kombinace EM algoritmu a dynamického programování.

Abstract:

Motivation: Genome analysis has become one of the most important tools for understanding the complex process of cancerogenesis. The genetic instability is one of the key factors in the process of cancerogenesis/neoplastic transformation of the cell. Particularly chromosomal aberrations including deletions, amplifications, inversions, and translocations are the main mechanisms activating oncogenes or inactivating tumor suppressor genes, responsible for the control of the cell cycle, including proliferation and reparation processes. The range of affected genetic information by amplifications or deletions varies from one nucleotide (Single Nucleotide Polymorphisms, abb. SNPs), through smaller or wider chromosomal regions (copy number changes), to whole chromosomes or chromosome sets (aneuploidies). For different groups of tumors specific chromosomal aberrations can be found. Thus revealing these changes is crucial for understanding the molecular mechanism of the disease and for finding specific therapeutic targets. Several different techniques, such as Comparative Genomic Hybridization (CGH), Representational Difference Analysis (RDA) or Fluorescence in Situ Hybridization (FISH) and, more recently, the technique of arrayCGH, enables us to reveal such changes. The technique of arrayCGH is relatively new and a nowadays widely used technology for this purpose (Solinas-Toldo et al., 1997; Pinkel et al., 1998). The main advantage of this technique is that, in comparison to other techniques, it allows us to reveal chromosomal aberrations along the whole genome in just one experiment. With increasing resolution of CGH arrays, the demand for computationally efficient algorithms arises, which are effective in the detection of aberrations even in very noisy data. Results: We developed a rather simple, nonparametric technique of high computational efficiency for CGH array analysis that adopts a median absolute deviation concept for breakpoint detection, comprising median smoothing for preprocessing. The resulting algorithm has the potential to outperform any single smoothing approach as well as several recently proposed segmentation techniques. We show its performance through the application of simulated and real data sets in comparison to one of the state-of the art reference algorithms. On the other hand, the statistical analysis of multiple arrayCGH profiles and search for recurrent aberrations across groups of samples is only at its beginning. It is believed, that simultaneous searching for aberrated regions across samples from the same group can facilitate the search for group-specific aberrations and increase the power in detection of copy number changes. Our contribution consists in the development of a modelling framework for this purpose based on the efficient segmentation approach of Picard et al. (2005), which was generalized to the multiple profiles case. The approach use a mixed linear model with breakpoints for this purpose. Model parameteres are estimated via maximum likelihood estimators which are obtained using an EM algorithm combined with Dynamic Programming (DP). The ability to apply gathered knowledge is shown in performing analysis of a variety of real experiments.

Keywords

microarray, analysis, arrayCGH, tumor, chromosomal aberration

Language used: English

Date on which the thesis was submitted / produced: 19. 12. 2008

Thesis defence

• Date of defence: 19. 12. 2008
• Supervisor: doc. RNDr. Ladislav Dušek, Ph.D.

Masaryk University

Faculty of Medicine

Doctoral programme / field:
General Medicine / Oncology