基于多层网络控制的个体化癌症驱动基因识别方法

作     者：张桐 张绍武 李岩 谢明宇 ZHANG Tong;ZHANG Shao-Wu;LI Yan;XIE Ming-Yu

作者机构：西北工业大学自动化学院信息融合技术教育部重点实验室西安710072 平顶山学院电气与机械工程学院平顶山467000 

出 版 物：《生物化学与生物物理进展》 (Progress In Biochemistry and Biophysics)

年 卷 期：2024年第51卷第7期

页      面：1711-1726页

核心收录：

学科分类：08[工学] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62173271)资助项目 

主　　题：多层生物分子网络 多层网络控制 个体化癌症驱动基因 个体化多层网络 最小节点覆盖集 

摘      要：目的识别癌症驱动基因,特别是罕见或个体特异性癌症驱动基因,对精准肿瘤学至关重要。考虑到肿瘤间的高度异质性,最近有一些方法尝试在个体水平上识别癌症驱动基因。然而,这些方法大多是将多组学数据整合到单一生物分子网络(如基因调控网络或蛋白质相互作用网络)中来识别癌症驱动基因,容易忽略不同网络所特有的重要相互作用信息。为了整合不同生物分子网络的相互作用数据,促进癌症驱动基因识别,迫切需要发展一种多层网络方法。方法本文提出了一种多层网络控制方法(PDGMN),利用多层网络识别个体化癌症驱动基因。首先,利用基因表达数据构建针对个体病人的个体化多层网络,其中包括蛋白质相互作用层和基因相互关联层。然后,整合突变数据,对个体化多层网络中的节点进行加权。最后,设计了一种加权最小顶点覆盖集识别算法,找到个体化多层网络中的最优驱动节点集,以提高个体化癌症驱动基因的识别效果。结果在三个TCGA癌症数据集上的实验结果表明,PDGMN在个体化驱动基因识别方面优于其他现有方法,并能有效识别个体病人的罕见癌症驱动基因。特别是,在不同生物分子网络上的实验结果表明,PDGMN能够捕获不同生物分子网络的独有特征,从而改进癌症驱动基因的识别结果。结论PDGMN能有效识别个体化癌症驱动基因,并从多层网络的视角,加深我们对癌症驱动基因识别的理解。本文所用的源代码和数据集可以从https://***/NWPU-903PR/PDGMN获取。