topological-stratification-aml：以拓樸資料分析建立 AML 轉錄體風險分層管線

Sat, 18 Apr 2026 00:00:00 +0000

# Introduction（引言）

急性骨髓性白血病（AML）在分子層面具有高度異質性，傳統分子分類（如 ELN 風險分層）能解釋部分預後差異，但對眾多基因表現異常仍缺乏統一視角。拓樸資料分析（topological data analysis, TDA）以 Mapper、persistent homology 等工具，能在高維資料中萃取「形狀」訊息，捕捉一般降維方法（PCA、UMAP）易忽略的全域結構。本專案以 TDA 為核心，結合 TCGA-LAML 與 BeatAML 兩大公開資料庫，建立可重現的 AML 轉錄體風險分層管線。

# Methods（方法）

管線以 Python 為主要語言，採用如 giotto-tda、kmapper 等套件。資料整合階段先標準化兩資料集的基因表現量並調整批次效應，再以共同基因集為輸入計算 Mapper 圖；節點上的子群以下游分析（生存、突變共現）描繪其臨床意義。Persistent homology 則用於量化不同特徵子集所攜帶的全域形狀資訊。

模型輸出為個體層級的拓樸位置（topological coordinates），可作為下游 Cox 模型或機器學習分類器的輸入。整體流程嚴格保留可重現性，所有資料來源版本與分析腳本皆紀錄於 Git。

# Results（結果）

初步結果顯示 TDA 能識別不被既有 ELN 風險分層完全捕捉的子群，且部分子群在兩資料庫間具一致的預後表現。對於臨床醫師而言，此一方法提供傳統分子分類之外的補充視角；對於方法學研究者，本管線可作為將 TDA 應用於其他血液惡性腫瘤的範本。

# Discussion（討論）

本專案突顯了拓樸方法在生物資訊學的潛力：當問題的關鍵在於「整體形狀」而非單一特徵時，TDA 是值得納入的工具。限制方面，Mapper 結果受參數選擇影響顯著，需謹慎調校；TDA 的可解釋性對非專業讀者仍不直觀。未來可加入單細胞 AML 資料集，並結合 LLM 對拓樸結果產出可被臨床醫師理解的敘事化摘要。

# 連結

GitHub：htlin222/topological-stratification-aml
主要語言：Python
最後更新：2026-04-18

sctda-cancer-plasticity：以 TDA 量化 EGFR 突變肺癌之藥物誘導細胞狀態可塑性

Wed, 15 Apr 2026 00:00:00 +0000

# Introduction（引言）

EGFR 突變肺癌對標靶藥物的反應與抗藥性是現代腫瘤學的重要主題。近年研究指出，抗藥性不全然來自基因突變，更多源自細胞狀態（cell state）的可塑性轉換，例如上皮間質轉化（EMT）或分化退化。傳統聚類方法以離散群集刻畫單細胞資料，難以捕捉狀態之間的連續流動。本專案以拓樸資料分析（TDA）提供量化「狀態空間形狀」的工具，並於 EGFR 突變肺癌的 scRNA-seq 資料上實作。

# Methods（方法）

管線以 Python 為主，採用 Mapper 與 persistent homology 等 TDA 方法，輸入為治療前後配對的單細胞表現矩陣。第一步以高變異基因進行降維後計算 Mapper 圖，描繪細胞狀態之間的連結結構；第二步以 persistent homology 量化處理前後拓樸結構的差異，作為「可塑性」的可量化指標。

整體流程設計為可重現：每個步驟皆有對應的 Quarto 文件記錄參數選擇與生物學詮釋；資料來源公開且版本明確標註，使他人可獨立重複此分析。

# Results（結果）

初步結果顯示，治療後細胞狀態空間的拓樸結構發生顯著變化，並可由 persistent homology 指標量化呈現。此一指標可與抗藥性程度進行關聯分析，作為新的生物標記候選。框架本身亦可被推廣至其他癌症與其他治療類型的單細胞研究。

# Discussion（討論）

本專案展示了 TDA 在腫瘤可塑性研究的潛力：以「形狀」而非「群集」作為主要分析單位，更能對應細胞狀態的連續性。限制方面，TDA 結果敏感於降維與 Mapper 參數，需透過多種設定進行穩健性檢查；單細胞資料本身的批次效應與 dropout 仍會影響下游解讀。未來可加入空間轉錄體資料以納入組織結構訊息，並與機制模型結合提供更完整的可塑性描述。

# 連結

GitHub：htlin222/sctda-cancer-plasticity
主要語言：Python
最後更新：2026-04-15

topological-data-analysis on 林協霆醫師

topological-stratification-aml：以拓樸資料分析建立 AML 轉錄體風險分層管線

# Introduction（引言）

# Methods（方法）

# Results（結果）

# Discussion（討論）

# 連結

sctda-cancer-plasticity：以 TDA 量化 EGFR 突變肺癌之藥物誘導細胞狀態可塑性

# Introduction（引言）

# Methods（方法）

# Results（結果）

# Discussion（討論）

# 連結