Mapeamento de Subclasses: Identificando Subtipos Comuns em Conjuntos de Dados de Doenças Independentes

Perfis de expressão do genoma completo são amplamente utilizados para descobrir subtipos moleculares de doenças. Um desafio restante é identificar a correspondência ou a comunalidade dos subtipos encontrados em múltiplos conjuntos de dados independentes gerados em várias plataformas. Embora o aprendizado supervisionado baseado em modelo seja frequentemente utilizado para fazer essas conexões, os modelos podem ser tendenciosos em relação ao conjunto de dados de treinamento e, assim, perder a subestrutura relevante inerente nos dados de teste. Aqui, descrevemos um método de mapeamento de subclasses não supervisionado (SubMap), que revela subtipos comuns entre conjuntos de dados independentes. Os subtipos dentro de um conjunto de dados podem ser determinados por agrupamento não supervisionado ou definidos por fenótipos predeterminados antes de aplicar o SubMap. Definimos uma medida de correspondência para os subtipos e avaliamos sua significância baseando-nos em nosso trabalho anterior sobre análise de enriquecimento de conjuntos de genes. A força do método SubMap é que ele não impõe a estrutura de um conjunto de dados sobre outro, mas sim usa uma abordagem bidirecional para destacar as subestruturas comuns em ambos. Mostramos como este método pode revelar a correspondência entre vários conjuntos de dados relacionados ao câncer. Notavelmente, identifica subtipos comuns de câncer de mama associados ao status do receptor de estrogênio e um subgrupo de pacientes com linfoma que compartilham padrões de sobrevivência semelhantes, melhorando assim a precisão de um preditor de desfecho clínico.