Nature 子刊：多组学数据与机械培训辨认新的癌症基因

癌症基因的鉴定在精准学和癌症医治学的倒退中起着至关紧张的作用。癌症的停顿被以为是由驱动基因渐变的积聚惹起的，这些渐变赋予细胞选择性的成长劣势。在过来的几年里，人们致力于从中找出癌症基因，预测癌症基因的最初办法是寻觅显着渐变的基因，然而，今朝已知的癌症基因（KCG）目次的完全性仍存在争议。

虽然成千上万的癌症基因组序列有助于癌症基因的鉴定，但仍存在以下挑战：第一，在某些肿瘤类型中已鉴定的癌症基因数目仍旧很低；第二，许多在产生中起紧张作用的基因在其DNA序列程度上没有改动，但通过诸如DNA甲基化、低甲基化和拷贝数改动等各类细胞机制失调。这类未渐变的癌症依赖性基因惹起了人们极年夜的趣味，由于此中许多是转录和表观调理因子，可用于小分子医治的靶向医治。此外，基因在旌旗灯号和调控路径以及卵白质复合物中独特作用。

为了应用多组学数据中包括的弥补信息，必要开辟可能表现分歧数据层并将其集成到单个框架中的模子。生物网络可以被视为图形，此中节点代表基因，节点之间的连贯代表基因-基因互相作用，而组学数据程度可以被视为基因的特征向量。比来的一些盘算办法着重于通过同时整合分歧类型的基因组数据来预测癌症基因或辨认癌症基因模块，很少无方法将多维节点向量与基因-基因互相作用的图形表现联合起来。在过来几年中，深度培训形式在分子生物学和畛域取得了史无前例的结果。图形深度培训将图形构造归入深度培训框架，图卷积网络（GCN）可能基于网络中的未标志节点的相关特征向量以及网络的拓扑对其进行分类，使得可能以自然的方式将基于图的数据与特征向量集成。

2021年4月12日，德国慕尼黑情况卫生研讨中间盘算生物学研讨所的研讨团队在《Nature Machine Intelligence》期刊颁发题为“Integration of multiomics data with graph convolutional networks to identify new cancer genes and their associated molecular mechanisms”的研讨论文。

该研讨团队开辟了一种基于图卷积网络的机械培训办法： EMOGI，通过将渐变、拷贝数变动、DNA甲基化和基因表白等多组学泛癌数据与卵白质-卵白质互相作用（PPI）网络相联合来预测癌症基因。该研讨团队预测了165个新的癌症基因，这些基因与PPI网络中已知的癌症驱动因素互相作用，而不是本身高度渐变，新的预测还丰厚了通过功效丢失筛查确定的必须基因。该办法可能找到由分歧的分子改动而非高渐变率界说的癌症基因种别，阐释了基因若何匆匆进或障碍的倒退和停顿。

该研讨团队开辟的EMOGI以图卷积网络（GCNs）为根底，以半监视的方式进行训练，以区分假定的癌症和非癌症基因。通过EMOGI阐发来自TCGA的16种癌症类型的基因组数据，输入了一个完整标志的图，此中每个基因都被分派了成为癌症基因的概率。

EMOGI框架的示用意

接上去研讨团队使用分层相关传达（LRP）进行特征紧张性阐发来解释由EMOGI鉴定的四个癌症基因（APC，TWIST1，STIL和MYC）的分子特征，还使用LRP规定提取了来自PPI网络的互相作用对单个基因分类的奉献，发现渐变频率是癌症基因分类最紧张的特征，尤其是关于最紧张的预测。

几种癌症基因模子的解释归纳综合了其致癌分子机制

使用Kluger的光谱双聚类算法，依据分歧癌症类型的特征紧张性LRP得分，从共鸣途径数据库（CPDB）网络中对EMOGI的前1000个预测癌症基因进行聚类，提醒了具备共同功效特征的分歧种别的癌症基因。

特征奉献的聚类提醒了分歧种别的癌症基因

末了，联合网络中一切基因的信息，研讨团队树立了基因-基因LRP奉献的有向加权图，并研讨图的强连贯节点（SCC）。SCC中包括来自CPDB网络的323个基因。研讨团队提取了45个模块，这些模块包括两个以上的基因，并确定了165个新的癌症基因，这些基因与PPI网络中已知的癌症驱动因素互相作用。

EMOGI可提取与癌症基因分类紧张的子网络绝对应的PPI网络节点

总而言之，该研讨团队基于图卷积网络开辟了一种用于可解释的多组学图集成（EMOGI）的机械培训办法，以对来自卑型数据集的癌症基因进行优先排序，预测了165个新的癌症基因，它们与PPI网络中的已知癌症驱动法式互相作用。通过利用EMOGI，可能找到由除高渐变率以外的分歧分子改动所界说的癌症基因种别，从而有助于懂得基因若何影响。

原文出处：