Reconstructing glioma progression a generative perspective on gene expression with disentangled VAES

Abstract

Los gliomas se encuentran entre los cánceres cerebrales más agresivos, y comprender por qué se vuelven resistentes al tratamiento sigue siendo un gran desafío en neurooncología. Herramientas tradicionales como el Análisis de Expresión Génica Diferencial (DGEA) han ayudado a identificar genes inusualmente activos o inactivos presentes en los tumores. Sin embargo, estos métodos a menudo se basan en modelos lineales simplistas cuando los genes funcionan en redes altamente interconectadas, que a menudo se influyen mutuamente de manera compleja. Esto dificulta distinguir entre las señales causales y los efectos posteriores de la enfermedad. Para superar estas limitaciones, necesitamos herramientas más inteligentes que capturen la estructura no lineal de la expresión génica.