Key points are not available for this paper at this time.
Comprendre l'hétérogénéité mutationnelle au sein des tumeurs est une clé pour le développement de thérapies anticancéreuses efficaces. Ici, nous présentons SCITE, un algorithme de recherche stochastique pour identifier l'histoire évolutive d'une tumeur à partir de profils de mutation bruyants et incomplets de cellules uniques. SCITE comprend un schéma d'échantillonnage flexible par chaînes de Markov Monte Carlo qui permet à l'utilisateur de calculer l'historique de mutation de vraisemblance maximale, d'échantillonner à partir de la distribution de probabilité postérieure et d'estimer les taux d'erreur des expériences de séquençage sous-jacentes. L'évaluation sur des données réelles de cancer et sur des études de simulation montre l'évolutivité de SCITE pour les données de séquençage unicellulaire actuelles et une précision de reconstruction améliorée par rapport aux approches existantes.
Jahn et al. (Thu,) ont étudié cette question.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: