Matrix factorization and deconvolution methods to quantify tumor heterogeneity in cancer research

Il existe une grande hétérogénéité tumorale entre les patients atteints de cancer. Cette variabilité diminue considérablement l’efficacité des traitements thérapeutiques. Malheureusement, quantifier et analyser cette hétérogénéité est très difficile. L'évaluation clinique de l'hétérogénéité tumorale nécessite souvent l'expertise d'anatomopathologistes et de radiologistes.

Ce data challenge sera dédié à la quantification de l'hétérogénéité intra-tumorale à l'aide de méthodes statistiques appliquées à des données -omique issues de tumeurs solides. 

En particulier, il se concentrera sur l'estimation des types cellulaires présents dans la tumeur et sur la quantification des proportion associés. Les données utilisées seront des données simulées sur la base de la méthylation moyenne de l'ADN et des antécédents médicaux complets des patients.

L’objectif est d’explorer diverses méthodes statistiques pour la séparation/déconvolution des sources (factorisation par matrices non négatives, substitution de variables, analyse en composantes principales, modèles de facteurs latents, ...). Les participants seront sensibilisés aux pièges de l'analyse de données omiques (grands ensembles de données, données manquantes, facteurs de confusion…).

Les participants travailleront en équipes interdisciplinaires.

This website uses cookies to improve user experience.
By using our website you consent to all cookies in accordance with our Privacy Policy.