基于多组学数据与图神经网络的癌症驱动基因识别方法研究.pdf

摘要

基于多组学数据与图神经网络的癌症驱动基因识别方法研究

癌症是一种异质性疾病，由遗传和非遗传突变的积累驱动，区分那些与癌症有积极联

系的驱动癌症基因和一些随机出现但在细胞癌发生中不起驱动作用的乘客突变是一个巨

大的挑战。因此，癌症驱动基因的鉴定在精准肿瘤学和癌症治疗的发展中发挥了至关重要

的作用。由于导致驱动突变的影响因素广泛，驱动性机制复杂，通常仅仅通过背景突变率

来判断候选基因的驱动特性的做法是片面的。研究表明，影响基因的驱动特性的因素广泛

分布在多组学和生物信息网络中，例如基因表达水平，单核苷酸变异（SNV），染色体拷

CNV-PPI

贝数变异（），蛋白质蛋白质相互作用（）网络中驱动突变基因的蛋白相互作用

伙伴，甚至是DNA甲基化水平也会对基因的癌症驱动性产生影响。整合多组学数据和生

物网络并从中提取有效信息有望成为预测癌症驱动基因的更有效的方法。随着肿瘤样本高

通量测序数据的增加和图神经网络算法的成熟，使得结合多组学特征以及生物信息网络的

驱动突变基因识别成为可能。

本文首先从基因组、表观基因组和转录组水平为每个基因生成全面的多组学特征，并

结合（PPI）网络衍生特征，然后提出了一种新的半监督深度学习图神经网络框架

GGraphSAGE，结合了图注意力网络（GAT）和图样本和聚合（GraphSAGE）图神经网络

框架，根据改变对生物系统的影响来预测癌症驱动基因。其中GAT用于给生物网络中的

节点加权以表示相互作用强度的差异，GraphSAGE用于提升模型算力和鲁棒性。当它应

用于八种癌症类型时，实验结果表明，GGraphSAGE在驱动基因识别方面优于几种最先

进的计算方法。通过图神经网络的半监督机制，本文发现了在金标准驱动基因数据库中未

收录但是在多组学的表现上和已知癌症驱动基因十分相似的候选癌症驱动基因。经过和权

威文献认证以及DNA复制功能（癌细胞获取无限增殖能力的表现形式）测试，表明这些

候选癌症驱动基因不仅已被权威文献认证了与癌症的发生发展有强关联，并且其突变会显

著影响细胞的DNA复制功能。GGraphSAGE从多组学层面拓宽了目前对癌症驱动基因的

I

认识，识别出肿瘤类型特有的驱动基因，而不是泛癌基因。期待GGraphSAGE在精准医

疗领域开辟新的途径，并且期望其进一步预测其他复杂疾病的驱动因素。

关键词:

PPI

图神经网络，多组学数据，癌症驱动基因，网络，生物标志物

II

Abstract

Researchoncancerdrivergeneidentificationbasedon

multi-omicsdataandgraphneuralnetwork

Cancerisaheterogeneousdiseasedrivenbytheaccumulationofgeneticand

non-geneticchanges,anditisagreatchallengetodistinguishbetweenthosedriving

cancergenesthatarepositivelyassociatedwithcancerandsomepassengermutations

thatappearrandomlybutdonotplayadrivingroleinthedevelopmentofcellular

carcinoma.Therefore,theidentificationofcancerdrivergeneshasplayedacrucial

roleinthedevelopmentofprecisiononcologyandcan