DeepGene Transformer: Transformer for the gene expression-based classification of cancer subtypes
针对传统癌症亚型分类方法易偏向生物标志物识别的问题,提出端到端的DeepGene Transformer,用多头自注意力处理高维基因表达,无需前置特征选择,性能优于传统和现有最优算法,为该领域深度学习应用提供参考。
2024-07-10 cs.AI q-bio.GN q-bio.QM
Gene expression analysis reveals a strong signature of an interferon induced pathway in childhood lymphoblastic leukemia as well as in breast and ovarian cancer
流行病学研究表明,感染在人类癌症的病因学中起一定作用。虽然在某些癌症中确实证明了这种作用,但病毒病原体在儿童白血病发病机制中的作用没有直接的生物学支持。使用一种新的生物信息学工具,在聚类和标准统计分析方法之间交替,我们对具有不同儿童ALL亚型的受试者的已发表基因表达数据进行了“双盲”搜索,寻找由具有相关表达的意外基因组诱导的患者的意外分区。我们发现了一组约30个基因,与干扰素反应途径有关,其表达水平将ALL样本分为两个亚组:50例患者高,285例患者低。在儿童早期(最易感染的年龄)流行的白血病亚类在高表达亚组中过度代表。在乳腺癌和卵巢癌中也发现了由相同基因诱导的类似分区,但在肺癌、前列腺癌和淋巴瘤中没有发现。大约40%的乳腺癌样本表达了“干扰素相关”的特征。令人感兴趣的是,几项研究证明了约40%的乳腺癌样本中存在MMTV样序列。我们对干扰素诱导途径的一个意想不到的强烈特征的发现为炎症或病毒感染在儿童白血病以及乳腺癌和卵巢癌发病机制中的作用提供了分子支持。
2005-11-14 q-bio.GN q-bio.MN
Increased entropy of signal transduction in the cancer metastasis phenotype
对生物网络的统计特性的研究带来了重要的生物学见解,例如枢纽和层次模块的存在。在癌症基因组学的背景下,人们对研究网络的统计特性也越来越感兴趣。然而,对于癌症和正常细胞生理学之间或不同癌细胞表型之间的网络特征有何不同,人们知之甚少。基于频繁的基因组改变是更具侵袭性的癌症表型的基础这一观察结果,我们询问这种效应是否可以作为局部基因表达模式随机性的增加来检测。使用乳腺癌基因表达数据集和蛋白质相互作用的模型网络,我们得到约束加权网络定义的随机信息流矩阵,反映相互作用的蛋白质之间的表达相关性。基于这个随机矩阵,我们提出并计算了一个熵测度,它量化了单个基因周围信息流局部模式的随机性程度。通过比较非转移性与转移性乳腺癌网络中的局部熵,我们在这里表明,转移性乳腺癌的特征是局部表达模式的随机性程度小而显着增加。我们在另外三个乳腺癌表达数据集中验证了这一结果,并证明局部熵比其他非熵指标更好地表征了转移表型。我们表明,熵的增加可用于识别乳腺癌转移中涉及的基因和信号通路。因此,进一步探索这种整合的癌症表达和蛋白质相互作用网络将是一项富有成效的努力。
2010-08-01 q-bio.GN q-bio.MN
OncoNetExplainer: Explainable Predictions of Cancer Types Based on Gene Expression Data
Fraunhofer Institute for Applied Information Technology FIT(弗劳恩霍夫应用信息技术研究所FIT);RWTH Aachen University(亚琛工业大学);Vrije Universiteit Amsterdam(阿姆斯特丹自由大学)
重要生物标志物的发现是理解致癌的分子机制的重要一步;能够准确诊断和预后某种癌症类型。在推荐任何诊断之前,需要分析基因组学数据,如基因表达(GE)和临床结果。然而,基因组学数据的复杂性,高维性和异质性使得整体分析具有挑战性。卷积神经网络(CNN)在解决此类问题方面取得了巨大的成功。然而,神经网络模型大多被视为“黑箱”方法,因为它们的内部功能没有得到很好的理解。然而,可解释性对于提供关于为什么给定癌症病例具有某种类型的见解很重要。此外,找到最重要的生物标志物可以帮助推荐更准确的治疗和药物重新定位。在本文中,我们提出了一种名为OncoNetExplainer的新方法,可以根据GE数据对癌症类型进行可解释的预测。我们使用了来自泛癌症图谱的9,074名癌症患者的基因组学数据,涵盖了33种不同的癌症类型,我们使用引导梯度类激活图++(GradCAM++)训练了CNN和VGG 16网络。此外,我们生成类别特定的热图来识别重要的生物标志物,并计算特征重要性的平均绝对影响,以在所有癌症类型中排名最高的基因。定量和定性分析表明,两种模型在正确预测癌症类型方面表现出较高的置信度,平均精度为96.25%。为了提供与基线的比较,我们使用梯度提升树和SHapley加法解释(SHAP)鉴定了顶级基因和癌症特异性驱动基因。最后,我们的研究结果与TumorPortal提供的注释进行了验证。
2019-09-09 cs.LG q-bio.GN q-bio.QM
GenVarFormer: Predicting gene expression from long-range mutations in cancer
UC San Diego(加州大学圣地亚哥分校);Standard Model Biomedicine, Inc.(标准模型生物医学公司);Irving Medical Center, Columbia University(哥伦比亚大学欧文医学中心);New York Genome Center(纽约基因组中心);Moores Cancer Center, UC San Diego(加州大学圣地亚哥分校摩尔癌症中心);Department of Medicine, Division of Genomics & Precision Medicine, UC San Diego(加州大学圣地亚哥分校医学院基因组与精准医学系)
本文提出基于 transformer 的 GenVarFormer,通过突变及局部 DNA 上下文建模最远 800 万碱基对的表达调控,在乳腺癌数据中显著提升预测、泛化和生存预后性能。
2025-09-29 q-bio.GN
Regularization Strategies for Hyperplane Classifiers: Application to Cancer Classification with Gene Expression Data
从数值线性代数的角度来看,线性判别可以看作是求解一个不适定的线性方程组。为了生成在存在噪声的情况下鲁棒的解决方案,这些问题需要正则化。在这里,我们研究的不适定性参与线性歧视癌症基因表达数据的结果和肿瘤亚类。我们表明,一个过滤器因子表示,基于奇异值分解,产生洞察的数值不适定性的超平面为基础的分离时,适用于基因表达数据。我们还表明,这种表示产生有用的诊断工具,用于指导分类器参数的选择,从而提高性能。
2006-01-01 q-bio.GN
Integrative Pan-Cancer Analysis of RNMT: a Potential Prognostic and Immunological Biomarker
本研究通过多数据库综合分析发现RNMT在泛癌中普遍高表达,与多种癌症预后及免疫调节因子、TMB、MSI等密切相关,是潜在的预后和免疫学生物标志物。
2024-03-21 q-bio.GN
Integrative analysis reveals disrupted pathways regulated by microRNAs in cancer
微小RNA(microRNAs,miRNAs)是一种内源性小分子,在转录后调节基因表达。尽管miRNAs的差异表达与许多疾病(包括癌症)有关,但其潜在的作用机制仍不清楚。由于每个miRNA都可以靶向多个基因,因此miRNA可能对整个通路的整体行为具有潜在的功能意义。在这里,我们使用一种先验整合途径信息的新方法,通过对miRNA和mRNA表达数据的综合分析来研究miRNA失调的功能后果。通过寻找健康组织和肿瘤组织之间不同的miRNA通路相关性,我们确定了在癌症中被破坏的系统水平上的特定关系。我们的方法的动机是假设,如果一个miRNA和通路相关,那么miRNA的表达和通路中基因的集体行为将相关。因此,我们首先使用Isomap获得基于表达的途径活性摘要,Isomap是一种降维方法,可以在高维数据中表达非线性结构。然后,我们寻找与表型之间的通路汇总表现出差异相关性的miRNA,作为发现肿瘤中异常miRNA通路共调节的手段。我们将我们的方法应用于癌症数据,使用来自癌症基因组图谱(TCGA)的基因和miRNA表达数据集,并比较来自四种组织(乳腺、前列腺、肺和肝)的健康和肿瘤样本之间的${\sim}10^5$ miRNA通路关系。我们发现的许多标记对都有破坏癌症的生物学基础。
2017-08-18 q-bio.GN
Integrating splice-isoform expression into genome-scale models characterizes breast cancer metabolism
动机:尽管基因通常被认为是细胞命运和生理学的主要贡献者,但单独的基因不能预测细胞表型。在基因表达过程中,人类基因中95%的基因通过可变剪接可以编码多种蛋白质。虽然基因的大多数剪接变体具有相同的功能,但某些关键基因中的变体可能具有显着不同的作用。为了弥合基因型和表型之间的差距,条件和组织特异性代谢模型已经构建。然而,目前的代谢模型只包括基因水平的信息。因此,正如科学界最近承认的那样,剪接异构体表达水平的变化改变代谢结果的常见情况无法建模。结果:我们在这里提出了GEMsplice,第一种将剪接异构体表达数据纳入基因组规模代谢模型的方法。使用GEMsplice,我们充分利用RNA-Seq定量表达谱,首次预测剪接异构体水平变化对1455例31种不同乳腺癌类型患者代谢的影响。我们通过生成癌症与正常代谢途径的预测,并通过与基因水平的方法和乳腺癌影响的途径的现有文献进行比较,来验证GEMsplice。GEMsplice可在https://github.com/GEMsplice/GEMsplice_code上免费供学术使用。与最先进的方法相比,我们预计GEMsplice将首次实现转录水平的计算分析,并具有剪接异构体分辨率。
2018-09-21 q-bio.GN
Gene expression modelling across multiple cell-lines with MapReduce
随着近年来大规模联合体产生的大量高通量测序数据,预测性基因表达建模已成为转录组学和表观遗传学数据综合分析的重要工具。然而,测序数据集通常很大,并且以前的建模框架通常效率低下,无法利用多核或分布式处理架构。在这项研究中,我们详细介绍了一个高效和并行MapReduce实现的基因表达建模。我们利用该框架的计算效率,对各种癌细胞系和非癌细胞系的50多个组蛋白修饰数据集进行综合分析。我们的研究结果表明,组蛋白修饰和mRNA转录之间的全基因组关系是谱系,组织和核型不变的,并且在来自非癌细胞系的匹配表观遗传/转录组数据上训练的模型能够以等同的全基因组保真度预测癌性表达。
2015-07-21 cs.DC q-bio.GN q-bio.QM
Cancer gene prioritization by integrative analysis of mRNA expression and DNA copy number data: a comparative review
各种全基因组分析技术可用于探测基因组结构和功能的互补方面。异构数据源的集成分析可以揭示基于单个观察无法检测到的更高级别的交互。癌症研究中的标准整合任务是基于全基因组基因表达和拷贝数分析测量的联合分析来鉴定诱导相关基因表达变化的改变的基因组区域。在这篇综述中,我们提供了各种建模程序之间的比较,整合基因拷贝数和转录改变的全基因组分析数据,并强调基因组数据整合的常见方法。一个透明的基准程序,引入定量比较癌症基因优先级的替代方法的性能。基准测试算法和数据集可在http://intcomp.r-forge.r-project.org上获得
2011-11-20 cs.CE q-bio.GN stat.AP
Reconstructing gene expression and knockout effect scores from DNA mutation (Mut2Ex): methodology and application to cancer prediction problems
由于数据的稀疏性和低维性,当只有有限数量的突变特征可用时,为临床相关性结果构建预测模型会带来相当大的挑战。在这篇文章中,我们提出了一种方法来增强这些功能的预测能力,利用多模态之间的关联关系的个人的突变概况和相应的基因表达或敲除效应的档案。因此,我们可以从可用的突变特征中重建感兴趣基因的表达或效应分数,然后直接使用这种重建的表示来建模和预测临床结果。我们表明,与仅利用原始突变数据的模型相比,我们的方法在预测准确性方面产生了显着的改进,并且结果与使用真实表达或效应谱获得的结论相当。
2022-12-10 q-bio.GN
CAMIRADA: Cancer microRNA association discovery algorithm, a case study on breast cancer
在最近的研究中,非编码蛋白RNA已被鉴定为微小RNA,可用作癌症早期诊断和治疗的生物标志物,从而降低癌症的死亡率。一个microRNA可能靶向数百或数千个基因,而一个基因可能调控多个microRNA,因此确定哪种microRNA与哪种癌症相关是一个巨大的挑战。已经进行了许多计算方法来检测micoRNA与癌症的关联,但需要更高的准确性。越来越多的研究表明microRNA与转录因子的关系在肿瘤诊断中起着重要作用。因此,我们建立了一个新的计算框架(CAMIRADA),基于microRNA与疾病基因(DG)在蛋白质网络中的关系、microRNA与转录因子(TF)在共表达网络中的功能关系以及microRNA与差异表达基因(DEG)在共表达网络中的关系来识别癌症相关microRNA。应用CAMIRADA评估来自两个HMDD和miR2Disease数据库的乳腺癌数据。在这项研究中,列表顶部的65种microRNA的AUC为0.95,这比用于检测与癌动脉相关的microRNA的类似方法更准确。
2019-02-27 cs.CE q-bio.GN
CAMIRADA: Cancer microRNA association discovery algorithm, a case study on breast cancer
在最近的研究中,非编码蛋白RNA已被鉴定为微小RNA,可用作癌症早期诊断和治疗的生物标志物,从而降低癌症的死亡率。一个microRNA可能靶向数百或数千个基因,而一个基因可能调控多个microRNA,因此确定哪种microRNA与哪种癌症相关是一个巨大的挑战。已经进行了许多计算方法来检测micoRNA与癌症的关联,但需要更高的准确性。越来越多的研究表明microRNA与转录因子的关系在肿瘤诊断中起着重要作用。因此,我们开发了一个新的计算框架(CAMIRADA)来识别癌症相关的microRNA的基础上的microRNA和疾病基因(DG)的蛋白质网络中,microRNA和转录因子(TF)的功能关系的共表达网络中,microRNA和差异表达基因(DEG)之间的关系。应用CAMIRADA评估来自两个HMDD和miR2Disease数据库的乳腺癌数据。在这项研究中,列表顶部的65种microRNA的AUC为0.95,这比用于检测与癌动脉相关的microRNA的类似方法更准确。
2018-06-16 cs.CE q-bio.GN q-bio.MN
High Expression of CDK1 and NDC80 Predicts Poor Prognosis of Bladder Cancer
背景:膀胱癌是全球第10大常见癌症,其患病率正在上升,尤其是在发展中国家。目的:在本研究中,我们采用GEO数据库中GSE 163209数据集的基因表达谱来识别BC患者的潜在分子和遗传标记。方法:数据集包括217个样本,其中113个Ta期肿瘤组织样本和104个T1期肿瘤组织样本。选择了前766个基因。P值<0.0001和|logFC| =1用于改变定义DEG的截止标准。此外,使用MCODE插件和cytoHubba插件来产生模块并检测这些DEG中的20个枢纽基因。我们使用GO和KEGG途径富集分析来更好地理解这些DEG。结果如下:KEGG途径富集结果显示,主要涉及的基因有:系统性红斑狼疮、酒精中毒和病毒致癌。肾小球中的SLE激活可以解释这种疾病的途径与膀胱癌之间的联系,根据我们的结果和以前的研究,大量饮酒可以增加男性和特定人群中BC的风险。结论:根据我们的hub基因,CDK1和NDC 80可以作为膀胱癌的生物标志物。关于这种基因对膀胱癌的影响没有太多的研究。
2021-12-25 q-bio.GN q-bio.TO
Hierarchical Classification for Predicting Metastasis Using Elastic-Net Regularization on Gene Expression Data
针对癌症转移早期检测难的问题,本研究利用公开基因表达数据,在分层分类框架内采用弹性网正则化构建模型,实现97%的起源组织预测准确率和90%的转移预测准确率,并发现线粒体基因表达与转移负相关。
2024-11-29 q-bio.GN
On the Reproducibility of TCGA Ovarian Cancer MicroRNA Profiles
微RNA(miRNA)表达失调是人类癌症的一个公认特征。然而,特定miRNA在决定癌症结果中的作用仍不清楚。使用癌症基因组图谱(TCGA)的3级表达数据,我们通过微阵列分析确定了469例卵巢癌中与总生存率相关的61种miRNA(p<0.01)。当使用下一代测序(miRNA-Seq)在相同标本中分析miRNA时,我们还鉴定了12种与存活相关的miRNA(p<0.01)。令人惊讶的是,在两个数据集中,只有1个miRNA转录物与卵巢癌生存相关。我们的分析表明,这种差异是由于两个平台报告的miRNA水平相关性很差,即使在校正了信号检测算法固有的潜在问题之后。需要进一步调查。
2013-11-13 q-bio.GN stat.AP
A Novel cVAE-Augmented Deep Learning Framework for Pan-Cancer RNA-Seq Classification
Columbia University(哥伦比亚大学)
提出一种利用类条件变分自编码器(cVAE)合成数据增强的深度学习框架,用于泛癌RNA-Seq分类,在5种癌症类型上实现约98%的准确率,显著优于原始数据训练的分类器。
2025-08-02 cs.AI cs.LG q-bio.GN
Feature Dimensionality Outweighs Model Complexity in Breast Cancer Subtype Classification Using TCGA-BRCA Gene Expression Data
Independent Researcher(独立研究者)
研究评估了模型复杂度和特征选择对乳腺癌亚型分类的影响,发现逻辑回归在亚型层面表现稳定,而随机森林在少数亚型上表现欠佳,SVM对特征维度敏感。
2026-05-07 cs.LG q-bio.GN
The degenerative evolution from multicellularity to unicellularity during cancer
理论推理表明,人类癌症可能是由于敲低了为维持后生动物多细胞性而进化的遗传限制,然而,这需要一个关键的测试。使用基于异种移植的实验进化,我们首次在基因组和转录组水平上表征了肿瘤从开始到转移的完整生命史,并观察到一组多细胞相关基因上通常功能丧失突变的转移驱动正选择,这进一步得到了临床肿瘤样本的大规模外显子组数据的支持。随后的表达分析显示,主要是多细胞相关基因的表达下调,这形成了一个不断发展的表达谱接近胚胎干细胞,细胞类型与单细胞生命的最大特征。理论推测预测,在后生动物多细胞出现时出生的基因往往是癌症驱动因素,我们使用严格的生物地层学分析对癌症基因普查所注释的基因的出生率进行了验证。此外,在人类患者的典型肿瘤中,功能丧失的肿瘤抑制因子的数量通常超过活化的癌基因。这些数据共同表明,与获得新基因是主流的典型生物进化不同,癌症代表了功能丧失驱动的退化进化回到单细胞基态。这种癌症演变模型可以解释临床上巨大的肿瘤遗传异质性,尽管有不同的环境要求,但原发性肿瘤中的远距离器官转移是如何起源的,并对设计有效的癌症治疗方法产生影响。
2014-08-14 q-bio.GN
Network-based Distance Metric with Application to Discover Disease Subtypes in Cancer
虽然我们曾经认为癌症是影响特定器官部位的单一整体疾病,但我们现在了解到,有许多癌症亚型由独特的基因突变模式定义。这些基因突变数据比基因表达数据更可靠,有助于确定亚型如何发展、进化和对治疗的反应。与大多数现有癌症亚型发现算法使用的密集连续值基因表达数据不同,体细胞突变数据是极其稀疏和异质的,因为在20,000个人类蛋白质编码基因中,离散值1/0的突变基因不到0.5%,并且相同的突变基因很少被癌症患者共享。我们的重点是使用无监督学习从离散的1和0值中极其稀疏和高维的基因突变数据中搜索癌症亚型。我们提出了一种新的基于网络的距离度量。我们将癌症患者的突变谱投影到他们的基因网络结构中,并使用网络中患者的基因之间和基因顶点之间的相似性来测量两个患者之间的距离。在合成数据和真实数据中的实验结果表明,我们的方法在癌症亚型发现方面优于顶级竞争对手。此外,我们的方法可以识别其他聚类算法在真实癌症数据中无法检测到的癌症亚型。
2017-03-01 cs.IR q-bio.GN q-bio.MN
Computational genomic algorithms for miRNA-based diagnosis of lung cancer: the potential of machine learning
大规模、高通量基因组筛选的出现引入了广泛的用于诊断目的的测试。其中突出的是使用miRNA表达水平的测试。基因组学和蛋白质组学现在一次提供数百种miRNA的表达水平。然而,为了使实际的诊断工具成为现实,需要同时开发方法来解释可以从单个患者样本中生成的大量miRNA表达数据。因为这些数据是数字形式的,所以必须发展定量方法。p值和对数倍数变化等统计数据提供了一些见解,但必须首先评估每个miRNA测试的诊断有效性。在这里,作者开发了一种传统的,基于灵敏度和特异性的算法,以及一种现代机器学习算法,并根据公开的数据库评估了它们对肺癌的诊断潜力。研究结果表明,机器学习算法实现了更高的准确性(癌症样本为97%,正常样本为73%),此外还提供了可以提供有价值的诊断支持的置信区间。机器学习算法还具有扩展到更复杂的肺癌亚型诊断、其他癌症以及癌症以外的疾病的巨大潜力。这两种算法都可以在Github repo上找到:https://github.com/neerja-g/machine-learning-miRNA。
2016-11-04 q-bio.GN
Pan-Cancer Mapping of the Tumor Immune Landscape through Metagene Clustering and Predictive Modeling
本研究通过元基因聚类和预测建模识别了48个稳健的免疫相关基因簇,并评估了其在多种癌症类型中的预后意义和功能相关性,揭示了免疫激活与调控因子的共表达等关键发现。
2026-03-28 cs.LG q-bio.GN
Meta-Learning on Augmented Gene Expression Profiles for Enhanced Lung Cancer Detection
University of Kansas(堪萨斯大学)
针对基因表达谱样本量少难以支撑复杂模型训练的问题,提出基于元学习的肺癌预测方法,利用多源增强数据优化模型,性能优于单数据集基线及迁移学习方案,并补充了可解释性分析。
2024-08-19 cs.AI cs.LG q-bio.GN
Breast Cancer Histopathology Image based Gene Expression Prediction using Spatial Transcriptomics data and Deep Learning
University of New South Wales(新南威尔士大学);NSW Health Pathology(新南威尔士州卫生病理学研究所);St. George Hospital(圣乔治医院)
本文提出BrST-Net深度学习框架,利用空间转录组学数据从乳腺癌组织病理图像预测基因表达,通过引入辅助网络提升泛化能力,在250个基因中识别出237个正相关基因,显著优于以往方法。
2023-03-17 cs.CV eess.IV q-bio.GN
Gene Co-expression Network analysis of Lung Squamous Cell Carcinoma data
我们对肺鳞状细胞癌数据进行了基因共表达分析,以找到可能高度影响这些类型肿瘤生长的基因模块(组)。此外,我们使用癌症生存数据将模块与生存时间方面的预后意义联系起来。对RNA-seq数据的分析揭示了在基因富集分析中有意义的模块。具体来说,两个基因-RFC 4和ECT 2-已被发现在生存时间方面是显着的。我们还对第二个微阵列数据集进行了第二次基因共表达分析,在该分析中发现的许多重要基因也可以在RNA-seq数据中找到,这意味着这些基因可能确实在肺鳞状细胞癌中起着至关重要的作用。用于分析的所有R代码可在以下位置找到:\url{https://github.com/nafizh/Gene_coexpression_analysis_lung_cancer}
2018-04-04 q-bio.GN q-bio.MN
The efficacy of various machine learning models for multi-class classification of RNA-seq expression data
The University of the West Indies(西印度群岛大学)
晚期诊断和高成本是对全球癌症患者护理产生负面影响的关键因素。虽然用于诊断癌症类型的生物标记物的可用性正在增加,但测试的成本和可靠性目前阻碍了其常规使用的采用。迫切需要能够早期诊断并涵盖广泛癌症的准确方法。机器学习和RNA-seq表达分析的使用在癌症类型的分类中显示出前景。然而,关于哪种类型的机器学习模型是最佳的,研究还没有定论。评估了五种算法对17种不同癌症类型分类的适用性。每个算法都经过微调,并在每个样本18,015个基因的完整阵列上进行训练,用于4,221个样本(数据集的75%)。然后,他们用1,408个样本(占数据集的25%)进行测试,其中癌症类型被保留,以确定预测的准确性。结果表明,集成算法在17种癌症中的14种癌症的分类中达到了100%的准确率。聚类和分类模型虽然比集成更快,但由于数据集中的高噪声水平而表现不佳。当特征减少到20个基因的列表时,集成算法保持了95%以上的准确率,而不是聚类和分类模型。
2019-08-19 cs.LG q-bio.GN stat.ML
Drug response prediction by ensemble learning and drug-induced gene expression signatures
TOBB University of Economics and Technology(TOBB经济与技术大学);Hacettepe University(哈塞特佩大学)
癌细胞对给定化合物的化学反应是设计抗癌药物所需的最基本信息之一。针对癌细胞系进行大规模药物筛选的最新进展为为此目的应用机器学习方法提供了机会。除了细胞毒性数据库,大量的药物诱导的基因表达数据也已公开。在此之后,提出了几种利用组学数据预测药物对癌细胞活性的方法。然而,由于癌症药物机制的复杂性,现有的方法都不是完美的。因此,一个可能的方向是结合方法和数据库的优势,以提高性能。我们证明,通过所提出的方法整合大量的预测,提高了这项任务的性能。集成中的预测因子在几个方面有所不同,例如方法本身,方法考虑的任务数量(多任务与单任务)以及考虑的数据子集(子采样)。我们表明,所有这些不同的方面有助于最终合奏的成功。此外,我们试图使用药物筛选数据与两个新的签名产生的药物诱导的癌细胞系的基因表达档案。最后,我们通过体外实验以及数据集上的测试来评估方法预测。方法的预测、签名和软件可从\url{http://mtan.etu.edu.tr/drug-response-prediction/}获得。
2018-07-16 cs.LG q-bio.GN stat.ML
On dynamic network entropy in cancer
细胞表型由分子相互作用的复杂网络描述。因此,阐明区分疾病与健康细胞状态的网络特性对于获得对疾病机制的系统级见解并最终开发改进的疗法至关重要。通过将基因表达数据与蛋白质相互作用网络相结合,以诱导网络上的随机动力学,我们在这里证明了癌细胞的特征在于动态网络熵的增加,与正常生理学的细胞相比。利用动力系统的宏观弹性与微观过程中的不确定性(熵)之间的基本关系,我们认为癌细胞对随机基因扰动将更加鲁棒。此外,我们正式证明,正常和癌症组织之间的基因表达差异与局部动态熵变化相关,从而提供了一个系统的节点和它们的局部网络动态之间的基因表达变化的联系。特别是,我们还发现,在癌细胞中驱动细胞增殖的基因和通常编码致癌基因的基因与动态网络熵的减少有关。总之,我们的结果支持这样的观点,即观察到的癌细胞对扰动和治疗的鲁棒性增加可能是由于动态网络熵的增加,使得细胞能够适应新的细胞应激。相反,在癌症中表现出局部通量熵降低的基因可能使癌细胞更容易受到靶向干预,因此可能代表有希望的药物靶点。
2012-08-18 cond-mat.dis-nn cond-mat.stat-mech q-bio.GN
Prognostic Biomarker Identification for Pancreatic Cancer by Analyzing Multiple mRNA Microarray and microRNA Expression Datasets
本研究利用统计特征选择方法分析多个mRNA和microRNA数据集,鉴定出ECT2和NRP2两个与胰腺癌不良预后相关的潜在生物标志物,证明该方法优于传统在线工具。
2023-06-21 q-bio.GN
Personalized graph feature-based multi-omics data integration for cancer subtype identification
针对多组学数据整合识别癌症亚型的挑战,提出基于患者特异性子网络结构特征整合的方法,在5种癌症数据集上验证了其优于或可比现有方法的性能,助力个性化癌症诊疗。
2024-08-16 cs.SI q-bio.GN q-bio.QM
Identification of deregulated transcription factors involved in subtypes of cancers
我们提出了一种鉴定肿瘤细胞中参与基因失调的转录因子的方法。该策略基于参考基因调控网络的推断,该参考基因调控网络使用基因表达数据将转录因子连接到其下游靶标。然后将肿瘤样品中基因的行为与该参考网络仔细比较,以检测失调的靶基因。最后用线性模型来衡量每个转录因子解释这些失调的能力。我们评估我们的方法的性能,通过对乳腺癌数据集的数值实验。我们表明,有关放松管制的信息是互补的表达数据,因为两者的结合提高了样本到癌症亚型的监督分类性能。
2020-04-17 q-bio.GN q-bio.MN stat.AP
Single nucleotide polymorphisms that modulate microRNA regulation of gene expression in tumors
全基因组关联研究(GWAS)已经发现了与性状多样性和疾病易感性相关的单核苷酸多态性(SNP),但许多遗传变异的功能特性及其分子相互作用仍不清楚。已经假设微小RNA结合位点中的SNP可以破坏微小RNA(miRNA)的基因调控,微小RNA是与mRNA结合并下调靶基因的短的非编码RNA。虽然已经进行了许多研究来预测SNP在miRNA结合位点中的位置,但迄今为止还没有关于SNP变体如何影响miRNA基因调控的全面分析。在这里,我们调查的功能特性的遗传变异和它们的影响,在癌症的基因表达的miRNA调控。我们的分析是基于这样的假设,即不同的等位基因可能导致差异结合(从miRNA到mRNA或从转录因子到DNA)并改变基因的表达。我们先前通过比较健康组织和肿瘤组织之间的miRNA通路相关性,确定了癌症中miRNA失调的通路--赋予特定细胞功能的基因系统。我们利用这些结果作为起点,以评估是否SNPs基因失调的途径是负责个别基因的miRNA在肿瘤中失调。使用整合分析,包括miRNA表达,mRNA表达,和SNP基因型数据,我们确定SNP似乎影响miRNA和基因之间的关联,我们称之为“调控QTL(regQTL)”:基因座的等位基因影响基因的调控的miRNA。我们描述的方法,应用它来分析四种癌症类型(乳腺癌,肝癌,肺癌,前列腺癌)使用的数据从癌症基因组图谱(TCGA),并提供了一个工具来探索的结果。
2018-03-20 q-bio.GN
Identifying multi-omics interactions for lung cancer drug targets discovery using Kernel Machine Regression
Department of Information and Communication Technology, Mawlana Bhashani Science and Technology University, Santosh, Tangail, 1902, Dhaka, Bangladesh(信息与通信技术系,穆拉纳巴沙尼科学与技术大学);Department of Computer Science, Tulane University, New Orleans, LA, USA(计算机科学系,杜兰大学);Bioinformatics Institute (BII), Agency for Science, Technology and Research (A*STAR), 138632, Singapore(生物信息学研究所(BII),科技研究局(A*STAR));Tulane Center for Biomedical Informatics and Genomics, Deming Department of Medicine, Tulane University, New Orleans, LA 70112, USA(杜兰大学生物医学信息学与基因组学中心,医学部);Ochsner Center for Outcomes Research, Ochsner Research, New Orleans, LA 70121, USA(Ochsner研究中心,Ochsner研究)
该研究整合TCGA肺癌多组学数据,结合差异分析与KMR识别组学相互作用,发现38个相关基因、8个重点靶点及3种候选药物。
2025-10-17 cs.LG q-bio.GN
Topology-Informed Survival Analysis of Breast Cancer Patients Using the Mapper Algorithm
African Institute for Mathematical Sciences (AIMS), Rwanda(卢旺达非洲数学科学研究所)
该研究运用Mapper算法分析超千名乳腺癌患者基因表达数据,识别与生存相关分子模式,发现网络高风险区患者生存差、高增殖模式与不良结果有关,还找到生存不符预期的患者,验证拓扑衍生风险组含预后信息。
2026-07-17 math.GN q-bio.GN
Fuzzy Gene Selection and Cancer Classification Based on Deep Learning Model
The University of Northampton(北安普顿大学);University of Babylon(巴比伦大学)
本研究提出模糊基因选择技术(FGS)结合深度学习,降低基因表达数据维度,在六个数据集上显著提升癌症分类性能。
2023-05-04 cs.LG q-bio.GN
Prediction of a Gene Regulatory Network from Gene Expression Profiles With Linear Regression and Pearson Correlation Coefficient
基因调控网络的重构是通过一定的计算技术从基因表达谱中识别基因依赖关系的过程。在我们的人体中,虽然所有细胞都具有相似的遗传物质,但激活状态可能有所不同。这种基因激活的变化有助于研究人员更多地了解细胞的功能。研究人员从微阵列技术中获得了对精神疾病、传染病、癌症疾病和心脏病等疾病的洞察。在这项研究中,使用简单而新颖的机器学习方法构建了癌症特异性基因调控网络。在第一步中,线性回归算法为我们提供了显著的基因,这些基因表达不同。接下来,使用Pearson相关系数计算了所鉴定的基因之间的调控关系。最后,所得到的结果进行了验证与现有的数据库和文献。我们可以识别枢纽基因,并可以作为癌症诊断的目标。
2018-05-02 cs.CE q-bio.GN q-bio.MN
Cancer systems biology: exploring cancer-associated genes on cellular networks
基因组改变导致癌症的复杂性,并形成一个主要的障碍,为全面了解肿瘤发生的分子机制。本文从系统生物学的角度综述了近年来肿瘤相关基因的研究进展。将已知的癌基因整合到蛋白质和信号网络上,揭示了网络中癌基因的特征。这种方法表明,癌症基因通常作为网络中心蛋白发挥作用,其参与许多细胞过程并在许多信号通路之间的信息交换中形成焦点节点。文献挖掘允许构建基因-基因网络,其中可以识别新的癌症基因。癌细胞的基因表达谱用于重建基因调控网络。通过这样做,可以从这些网络中提取参与调节癌症进展的基因,然后在实验室中进一步确认它们的功能。
2007-12-21 q-bio.GN q-bio.MN
Comparative study of under-expressed prognostic biomarkers and pivotal signaling pathways in colon cancer and ulcerative colitis using integrated bioinformatics approach
本研究通过生物信息学方法分析结肠癌和溃疡性结肠炎数据集,筛选出NR1H4等低表达核心基因,发现CLCA1、PPARGC1A和AQP8下调可能增强癌细胞侵袭转移能力。
2023-07-01 q-bio.GN
The Cure: Making a game of gene selection for breast cancer survival prediction
动机:预测乳腺癌预后的分子特征可以通过个性化治疗大大改善护理。全基因组表达数据集的计算分析已经鉴定出这样的特征,但是这些特征在准确性、再现性和生物学可解释性方面还有很多需要改进的地方。利用结构化先验知识(例如蛋白质相互作用网络)的方法在帮助定义更好的签名方面显示出希望,但大多数知识仍然是非结构化的。通过科学发现游戏进行众包是一种新兴的方法,有可能以前所未有的规模和模式挖掘人类智慧。在这里,我们开发并评估了一个名为The Cure的游戏,用于乳腺癌生存预测的基因选择任务。我们的中心假设是,将特定基因的表达模式与乳腺癌结果联系起来的知识可以从游戏玩家那里获得。我们设想从玩家先前的经验和他们在游戏背景下解释与候选基因相关的文本的能力中捕获知识。结果:在9月推出之间。2012年和9月。2013年,The Cure吸引了超过1,000名注册玩家,他们总共玩了近10,000场游戏。通过收集数据的聚合组装的基因集清楚地表明了相关专家知识的积累。在预测准确性方面,这些基因组提供了与使用其他方法(包括商业测试中使用的那些方法)生成的基因组相当的性能。The Cure可在http://genegames.org/cure/上获得
2014-02-15 q-bio.GN q-bio.QM
Hematopoietic cancers and Nup98 fusions: determining common mechanisms of malignancy
染色体畸变在白血病中非常常见,并且已经描述了几种能够恶性转化的复发突变。这些突变通常发生在造血干细胞(HSC)中,将其转化为白血病干细胞。NUP 98基因易位是这种染色体畸变的一个实例;这些易位产生含有NUP 98的N-末端部分和融合伴侣的C-末端的融合蛋白。超过75%的Nup 98融合体可以与染色质相互作用,并导致基因表达的变化。因此,我假设nup 98融合体在细胞中充当流氓转录调节因子。从表达Nup 98融合体的HSC收集先前发表的基因表达数据(微阵列),我们可以产生数据来证实这一假设。几种不同的融合影响相似基因的表达;这些基因参与细胞中的一些生物学过程:胚胎发育,免疫系统形成和染色质组织。去调控基因在其调控区也存在相似的转录因子结合位点。这些转录转录因子之间通过蛋白质相互作用和转录调控相互联系,在细胞周期调控、胚胎发育、造血、细胞凋亡和染色质修饰等方面发挥重要作用。
2012-10-15 q-bio.GN q-bio.MN
Integrative analysis of gene expression and phenotype data
将基因型与表型联系起来是现代遗传学的根本目标。通过综合分析,我们专注于研究基因表达数据和表型数据之间的联系。我们提出了三种方法。1)表型的固有复杂性使得高通量表型分析成为非常困难和费力的过程。我们提出了一种利用基因表达相似性的自动多维分析方法。大规模的分析表明,我们的方法可以提供强大的剖析,揭示不同的表型方面的样品。这种分析技术还能够在训练数据中给出的表型信息之外进行内插和外推。它可以用于许多应用,包括促进实验设计和检测混杂因素。2)表型关联分析问题由于样本量小、维数高而变得复杂。因此,从训练数据中获得的表型相关基因子集对训练样本的选择非常敏感,并且构造的样本表型分类器往往具有较差的泛化性能。为了消除这些障碍,我们提出了一种新的方法,产生序列越来越歧视性的基因簇组合。我们在模拟和真实数据集上的实验都显示了鲁棒和准确的分类性能。3)许多复杂的表型,如癌症,不仅是基因表达的产物,而且是基因相互作用的产物。我们提出了一种综合方法来寻找在不同表型条件下激活的基因网络模块。使用我们的方法,我们发现了癌症亚型特异性网络模块,以及这些模块协调的方式。特别是,我们检测到一个乳腺癌特异性肿瘤抑制网络模块与枢纽基因,PDGFRL,这可能在这个模块中发挥重要作用。
2015-06-29 q-bio.GN q-bio.MN q-bio.QM
OmicsCL: Unsupervised Contrastive Learning for Cancer Subtype Discovery and Survival Stratification
Department of Computer Science University of Basel(计算机科学系 巴塞尔大学)
提出OmicsCL框架,通过生存感知对比损失将异构多组学数据嵌入统一潜在空间,无需标签即可发现癌症亚型并实现生存分层,在TCGA BRCA数据集上表现出强无监督一致性和鲁棒性。
2025-05-01 cs.AI cs.LG q-bio.GN
Detection of gene communities in multi-networks reveals cancer drivers
我们提出了一种新的基于多网络的策略来整合不同层次的基因组信息,并以协调的方式使用它们来识别驱动癌症的基因。我们考虑的多网络结合了转录因子共靶向、microRNA共靶向、蛋白质相互作用和基因共表达网络。这种选择背后的基本原理是基因共表达和蛋白质相互作用需要紧密的配偶体共调节,并且只有结合转录和转录后调节层才能获得这种微调调节。为了从多网络中提取相关的生物信息,我们研究了它的社区划分。为此,我们采用了一种共识聚类算法的基础上,最先进的社区检测方法。即使我们的程序原则上对本工作中的任何病理学都有效,我们也集中在胃癌、肺癌、胰腺癌和结直肠癌上,并从多网络社区的富集分析中确定了一组候选驱动癌症基因。其中一些是已知的癌基因,而一些是新的。不同信息层的组合使我们能够从多网络指示中提取已知和新候选驱动基因的调控模式和功能作用。
2015-12-09 physics.bio-ph physics.data-an physics.soc-ph
Integration of Gene Expression Data and Methylation Reveals Genetic Networks for Glioblastoma
动机:不同类型组学数据的一致数量需要新的分析和数据集成方法。在这项工作中,我们描述了Regression2Net,一种通过回归分析和基于网络的技术来分析基因表达和甲基化谱的计算方法。结果如下:我们从混合遗传数据集推断的两个网络中确定了284和447个可能与胶质母细胞瘤病理学相关的独特候选基因。对这些网络的深入生物学分析揭示了与能量代谢,细胞周期控制(AATF),免疫系统反应和几种类型的癌症相关的基因。重要的是,我们观察到包括胶质瘤在内的癌症相关通路的显著过度表达,特别是在甲基化网络中。这证实了甲基化和胶质母细胞瘤之间的密切联系。在我们的表达网络中已经鉴定出与NBPF 1神经母细胞瘤断点家族相关的潜在胶质瘤抑制基因ACCN 3和ACCN 4。表达网络中存在的许多ABC转运蛋白基因(ABCA 1,ABCB 1)提示胶质母细胞瘤肿瘤的耐药性。
2015-07-03 cs.CE q-bio.GN
Utilizing RNA-Seq Data for Cancer Network Inference
癌症系统生物学的一个重要挑战是揭示与癌症有关的基因(肿瘤抑制基因和癌基因)之间复杂的相互作用网络。下一代测序提供了无与伦比的能力来探测整个癌症基因组及其转录异构体的表达水平。然而,在解释高维测序数据和推断潜在的遗传网络方面存在繁重的统计和计算问题。在这项研究中,我们分析了来自69个人类个体的淋巴母细胞系的RNA测序数据,并实施了一个概率框架来构建生物相关的遗传网络。特别是,我们采用了图形套索分析,出于最大熵形式主义的考虑,估计RNA测序数据的稀疏逆协方差矩阵。基因本体论,途径富集和蛋白质-蛋白质路径长度分析都进行了验证相互作用的癌症基因异构体的预测网络的生物背景。
2012-12-06 q-bio.GN
An Evolutional Neural Network Framework for Classification of Microarray Data
本文提出遗传算法与多层感知器神经网络混合模型,先由GA降维选择信息基因,再用MLP分类,在微阵列癌症数据上实现高准确率与最少基因数。
2024-11-20 cs.AI cs.NE q-bio.GN
GeoTyper: Automated Pipeline from Raw scRNA-Seq Data to Cell Type Identification
肿瘤微环境的细胞组成可以直接影响癌症进展和治疗效果。了解癌细胞附近的免疫细胞活性,身体的自然防御机制,对于开发有益的治疗方法至关重要。单细胞RNA测序(单细胞RNA测序)能够在单个细胞的基础上检查基因表达,提供有关癌症引起的细胞功能紊乱和肿瘤微环境中细胞间通讯的关键信息。这种新技术产生大量数据,需要适当的处理。存在各种工具来促进这种处理,但需要进行组织,以标准化从数据争论到可视化,细胞类型识别和细胞活性变化分析的工作流程,无论是从恶性细胞还是消除它们的免疫基质细胞的角度来看。我们的目标是开发一个标准化的管道(GeoTyper,https://github.com/celineyayifeng/GeoTyper),该管道集成了多个单细胞RNA测序工具,用于处理从NCBI GEO提取的原始序列数据、结果可视化、统计分析和细胞类型鉴定。该管道利用现有的工具,如来自10X Genomics的Cellranger,Alevin和Seurat,根据基因表达谱对细胞进行聚类并识别细胞类型。我们成功地在几个公开的单细胞RNA测序数据集上测试和验证了该管道,得到了对应于不同细胞类型的簇。通过确定多种癌症的肿瘤微环境中的细胞类型及其各自的频率,该工作流程将有助于量化与细胞间通讯相关的基因表达的变化,并确定可能的治疗靶点。
2022-05-02 q-bio.GN
Identifying cancer subtypes in glioblastoma by combining genomic, transcriptomic and epigenomic data
我们提出了一种非参数贝叶斯方法,用于多维癌症数据中的疾病亚型发现。我们的方法可以同时分析各种数据类型,允许其底层聚类结构之间的一致性和不一致性。它包括特征选择,并根据数据推断最可能的疾病亚型数量。我们将该方法应用于癌症基因组图谱中的277个胶质母细胞瘤样本,其中有基因表达,拷贝数变异,甲基化和microRNA数据。我们确定了8种不同的共识亚型,并研究了它们对死亡、新肿瘤事件、进展和复发的预后价值。共识亚型是肿瘤复发的预后指标(多重假设检验校正后$3.6 \times 10^{-4}$的对数秩p值)。这主要由甲基化数据($2.0 \times 10^{-3}$的对数秩p值)驱动,但其他3种数据类型加强了该效应,证明了整合多种数据类型的价值。特别值得注意的是47名患者的亚型,其特征在于非常低的甲基化水平。这种亚型的肿瘤复发率非常低,并且在10年的随访中没有新的事件。我们还确定了一个小的基因表达亚型的6例患者,表现出特别差的生存结果。此外,我们注意到一个共识亚型,显示了一个高度独特的数据签名,并建议它因此是一个生物学上不同的胶质母细胞瘤亚型。代码可从https://sites.google.com/site/multipledatafusion/获得
2013-04-15 q-bio.GN stat.ML
Identification of structural features in chemicals associated with cancer drug response: A systematic data-driven analysis
动机:分析药物结构与生物学反应的关系是理解脱靶和意外药物效应的关键,也是发展关于如何定制药物治疗的假设的关键。需要新的方法来综合分析药物的大量化学特征,以对抗多个细胞模型的相应全基因组响应。结果如下:在本文中,我们提出了第一个全面的多集分析药物的化学结构如何影响跨几个癌细胞系(CMap数据库)的基因组范围的基因表达。该任务被制定为在多种癌症中寻找药物反应成分,以揭示药物的共同作用和可能负责的化学特征。这些成分可以用最近的一种称为组因子分析(GFA)的方法的扩展来计算。我们确定了11种成分,这些成分将药物的结构描述符与在三种细胞系中观察到的特定基因表达反应联系起来,并确定了可能导致反应的结构基团。我们的方法在定量上优于早期对CMap的有限研究,并通过考虑多个细胞系和先进的3D结构描述符,确定了先前报道的关联和几个有趣的新发现。新的观察结果包括:15-δ前列腺素J2和HSP 90抑制剂诱导的作用中以前未知的相似性,这与药物的3D描述符有关;辛伐他汀诱导白血病特异性抗炎反应,与皮质类固醇的作用相似。
2014-04-29 q-bio.GN stat.AP stat.ML