The impact of deleterious passenger mutations on cancer progression
癌症进展是由肿瘤中积累的少量遗传改变驱动的。这几个驱动改变存在于癌症基因组中,与成千上万的其他突变一起存在,这些突变被广泛认为在癌症中没有作用,并被称为乘客。然而,许多乘客属于蛋白质编码基因和其他功能元件,可能对癌细胞产生有害影响。在这里,我们调查了潜在的轻度有害乘客积累和改变过程中的肿瘤进展。我们的方法将癌症进展的进化模拟与癌症测序数据的分析相结合。在我们的模拟中,单个细胞随机分裂,获得有利的驱动突变和有害的乘客突变,或者死亡。令人惊讶的是,尽管选择对他们不利,乘客积累,并在很大程度上逃避选择过程中的进展。虽然个别弱,乘客的集体负担改变了进展的过程,导致肿瘤学中观察到的几种现象,不能用传统的以司机为中心的观点来解释。我们使用癌症基因组数据测试了模型的预测。我们发现,许多乘客突变可能是有害的,并且与模型一致,它们在很大程度上逃避了净化选择。最后,我们使用我们的模型来探索癌症治疗,通过1)增加突变率或2)加剧其有害影响来利用乘客的负载。虽然这两种方法都导致癌症消退,但后者导致复发频率较低。我们的研究结果为理解癌症进展提供了一个新的框架,即驾驶员和乘客突变的平衡。
2012-08-30 q-bio.GN q-bio.PE
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
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
PathGene: Benchmarking Driver Gene Mutations and Exon Prediction Using Multicenter Lung Cancer Histopathology Image Dataset
PathGene通过多中心肺癌病理图像数据集,利用多实例学习方法提升驱动基因突变和外显子预测的准确性,助力精准肿瘤学发展。
2025-11-27 cs.AI q-bio.GN
Spatial cancer systems biology resolves heterotypic interactions and identifies disruption of spatial hierarchy as a pathological driver event
空间注释的单细胞数据集为解剖发育和疾病中的细胞间通讯提供了前所未有的机会。异型信号传导包括不同细胞类型之间的相互作用,并在组织发育和空间组织中得到充分建立。上皮组织需要几个不同的程序,这些程序受到严格的调控。平面细胞极性是上皮细胞沿垂直于顶基轴的平面轴的组织。在这项研究中,我们调查平面细胞极性因子,并探讨发展调节恶性驱动程序的影响。利用癌症系统生物学分析,我们推导出皮肤黑色素瘤中WNT配体(WNT)及其同源卷曲(FZD)受体的基因表达网络。由多个序列比对的无监督聚类支持的谱基于基础发育空间程序鉴定配体非依赖性信号传导和对转移进展的影响。组学研究和空间生物学将发育程序与肿瘤学事件联系起来,并解释了转移侵袭性的关键空间特征。突出的平面细胞极性因子,如恶性黑色素瘤中WNT和FZD家族的具体代表的失调,重演了正常黑色素细胞的发育程序,但在一个不受控制的和混乱的方式。
2023-03-02 q-bio.CB q-bio.GN q-bio.MN
Soft-Evidence Fused Graph Neural Network for Cancer Driver Gene Identification across Multi-View Biological Graphs
The Faculty of Electrical Engineering and Computer Science, Ningbo University, Ningbo, China(电子工程与计算机科学学院,宁波大学,宁波,中国)
针对现有方法忽略网络异质性和冲突信息的问题,提出SEFGNN框架,在决策层利用Dempster-Shafer理论融合多网络证据,并引入软证据平滑模块,在三个癌症数据集上优于现有基线,有效识别癌症驱动基因。
2025-10-07 cs.AI cs.LG q-bio.GN
Classification of large DNA methylation datasets for identifying cancer drivers
DNA甲基化是一种研究充分的遗传修饰,对调节基因组的功能至关重要。它的改变在肿瘤的发生和抑瘤中起重要作用。因此,研究DNA甲基化数据可能有助于发现癌症中的生物标志物。由于关于DNA甲基化的公开数据变得丰富,并且考虑到基因组中存在大量的甲基化位点(特征),因此具有有效处理如此大的数据集的方法是重要的。依托大数据技术,我们提出了BIGBIOCL算法,可以将监督分类方法应用于具有数十万特征的数据集。它是专为提取替代和等效的分类模型,通过迭代删除选定的功能。我们对从癌症基因组图谱中提取的DNA甲基化数据集进行了实验,重点是三种肿瘤类型:乳腺癌,肾癌和甲状腺癌。我们进行分类提取几个甲基化位点及其相关基因的准确性能。结果表明,BIGBIOCL可以在几个小时内对数十万个特征进行数百次分类迭代。此外,我们比较了我们的方法与其他国家的最先进的分类器和广泛的DNA甲基化分析方法的基础上网络分析的性能。最后,我们能够有效地计算多个备选分类模型,并从DNA甲基化大数据集中提取一组候选基因,以进一步研究它们在癌症中的积极作用。BIGBIOCL,实验结果和进行新实验的指南可以在GitHub上免费获得。
2018-04-13 cs.CE q-bio.GN
Noncoding RNAs serve as the deadliest regulators for cancer
癌症是人类死亡的主要原因之一。许多人努力了解其机制,并进一步确定了许多蛋白质和DNA序列变异作为疑似治疗靶点。然而,针对这些靶点的药物成功率很低,这表明其基本机制仍不清楚。在这里,我们开发了一个计算软件,将Cox比例风险模型和稳定性选择相结合,以挖掘隐藏在癌症基因组图谱(TCGA)海量数据中的被忽视但最重要的癌症驱动因素,包括11,574个RNAseq样本和临床数据。一般来说,非编码RNA主要调节癌症死亡,并作为最致命的癌症诱导剂和抑制剂,与传统认为的蛋白质相反。特别是,加工假基因作为主要的癌症诱导物,而lincRNA和反义RNA占主导地位的阻遏物。引人注目的是,非编码RNA是所有癌症类型的通用最强调节因子,尽管个人临床变量(如酒精和吸烟)会显著改变癌症基因组。此外,非编码RNA还作为癌症调控网络的中心枢纽和区分癌症类型的生物标志物发挥作用。因此,非编码RNA总体上是最致命的癌症调节因子,这刷新了癌症机制的基本概念,并为癌症研究和治疗奠定了新的基础。假基因的生物学功能很少被认识。在这里,我们从大数据中揭示它们是所有癌症类型最重要的癌症驱动因素,打破了探索其生物学潜力的障碍。
2019-10-08 q-bio.GN q-bio.MN
Foundation-model-guided radiogenomic discovery linking cancer genomes to cancer scans
University Hospital RWTH Aachen(RWTH亚琛大学医院);TU Dresden(德累斯顿技术大学);TUD Dresden University of Technology(德累斯顿技术大学);Heidelberg University Hospital(海德堡大学医院)
研究将基于Evo~2的基因组分析与临床成像结合,全基因组识别基因-表型关联。对TCGA队列体细胞突变用Evo~2预测严重程度评分,与放射组学特征关联。在TCGA-cRCC中恢复已知驱动基因,发现新的显著基因,证明该方法可发现传统方法难以察觉的基因-成像关联。
2026-07-24 cs.AI q-bio.GN
An exact method to compute a $p$-value for the beyond-pairwise correlations among cancer gene mutations
越来越多的观察到癌症基因突变之间的互斥相关性是识别癌症基因组分析中的驱动事件或途径的关键组成部分。在这里,我们报告了一个严格的统计方法来计算一个精确的$p$值的超越成对互斥或癌症基因突变之间的共现关系,通过枚举一个空分布的重叠突变在两个以上的基因。我们的方法的有效性和优势,明确证明了在癌症基因突变和模拟数据,通过比较置换测试。
2015-05-18 q-bio.GN q-bio.QM
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
A Spatial Simulation Approach to Account for Protein Structure When Identifying Non-Random Somatic Mutations
背景资料:目前的研究表明,一小部分“驱动”突变是肿瘤发生的原因,而更多的“乘客”突变发生在肿瘤中,但不会使疾病进展。由于最近在治疗由驱动突变引起的癌症方面的药理学成功,已经开发了多种尝试鉴定此类突变的方法。基于驱动突变倾向于聚集在蛋白质的关键区域的假设,簇识别算法的开发变得至关重要。结果如下:我们开发了一种新的方法,空间蛋白质氨基酸聚类(SpacePAC),通过直接在3D空间中考虑蛋白质的三级结构来识别突变聚类。通过结合癌症体细胞突变目录(COSMIC)中的突变数据和蛋白质数据库(PDB)中的空间信息,SpacePAC能够识别许多蛋白质中的新突变簇,如FGFR 3和CHRM 2。此外,SpacePAC能够更好地定位最重要的突变热点,如BRAF和ALK病例所示。R软件包可在Bioconductor网站上获得:http://www.bioconductor.org/packages/release/bioc/html/SpacePAC.html结论:SpacePAC为识别突变簇增加了一个有价值的工具,同时考虑蛋白质三级结构
2013-10-29 q-bio.GN
Deep Pathomic Learning Defines Prognostic Subtypes and Molecular Drivers in Colorectal Cancer
Zhongnan Hospital of Wuhan University(武汉大学中南医院);School & Hospital of Stomatology, Wuhan University(武汉大学口腔医学院/口腔医院);Shenzhen International Graduate School, Tsinghua University(清华大学深圳国际研究生院)
针对结直肠癌精准预后分层难题,本研究开发多示例学习模型TDAM-CRC,在多队列中验证其优于传统分期及现有模型的分层性能,结合多组学识别关键预后基因,构建可解释的临床决策工具。
2025-11-19 cs.AI cs.CV cs.LG
A Multi-Evidence Framework Rescues Low-Power Prognostic Signals and Rejects Statistical Artifacts in Cancer Genomics
针对癌症基因组学低功效队列中标准关联研究失效的问题,提出融合因果推断与多维度生物学验证的五标准多证据框架,可有效区分真假预后信号,为低功效队列分析提供新范式。
2025-10-21 cs.LG 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
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
A Common Gene Expression Signature Analysis Method for Multiple Types of Cancer
挖掘基因表达谱已被证明对于鉴定充当癌症表型替代物的标记是有价值的。然而,这些特征在不同癌症类型之间的相似性还不足以得出结论,它们代表了多种癌症类型之间共享的普遍生物学机制。在这里,我们描述了一种基于网络的方法,该方法在多个癌症数据集中探索基因与基因的联系,同时最大限度地提高子网络与临床结果的整体关联。本研究利用美国癌症基因组图谱(TCGA)数据集,对直肠腺癌(READ)、乳腺浸润癌(BRCA)和结肠腺癌(COAD)三种肿瘤的共同基因表达特征进行了研究。通过分析过滤和聚类工作后的几对高度相关的基因,我们发现跨多种类型癌症的共表达基因指向与癌细胞进展相关的特定生物学机制,这表明它们代表了癌症的重要属性,需要阐明适用于多种癌症类型的诊断,预后和治疗产品的潜在应用。
2019-12-28 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
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
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
Coupled Two-Way Clustering Analysis of Breast Cancer and Colon Cancer Gene Expression Data
我们提出并审查耦合双向聚类,一种旨在挖掘基因表达数据的方法。该方法确定子矩阵的总表达矩阵,其聚类分析揭示了分区的样品(和基因)到生物相关的类。我们证明,从结肠癌和乳腺癌的数据,我们能够识别分区,逃避标准聚类分析。
2002-06-17 physics.bio-ph 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
Pan-cancer gene set discovery via scRNA-seq for optimal deep learning based downstream tasks
LG AI Research(LG人工智能研究院)
本研究针对泛癌研究中RNA-seq数据高维复杂的问题,提出基于scRNA-seq结合hdWGCNA与XGBoost筛选基因集的方法,在多个泛癌下游深度学习任务中性能优于参考基因集,还发现了关键泛癌生物标志物。
2024-08-13 cs.LG q-bio.GN
Cancer classification and pathway discovery using non-negative matrix factorization
从全方位测序数据中提取遗传信息对于理解疾病非常重要。我们提出了一种新的方法来有效地探索基因突变的景观,并将它们聚集起来预测癌症类型。我们使用多项逻辑回归,非光滑非负矩阵分解(nsNMF)和支持向量机(SVM)来利用全范围的测序数据,旨在更好地聚集基因突变并提高其预测癌症类型的能力。具体而言,我们引入了一个分类器,使用从全外显子组测序数据获得的体细胞突变来区分癌症类型。从多种癌症中鉴定突变,并使用SIFT、PP2和CADD进行评分,并在个体基因水平上进行分组。然后应用nsNMF降维并获得系数矩阵和基矩阵。从所获得的矩阵导出特征矩阵,以利用SVM模型训练用于癌症类型分类的分类器。我们已经证明,分类器能够以合理的准确度区分癌症类型。在使用突变计数作为特征的五重交叉验证中,平均预测准确率为77.1%(SEM=0.1%),显著优于基线和使用突变评分作为特征的模型。使用来自nsNMF的因子矩阵,我们确定了与每种癌症类型显著相关的多个基因和途径。这项研究提供了一个通用和完整的管道来研究体细胞突变和癌症之间的关联。发现的与每种癌症类型相关的基因和途径可以导致生物学见解。所提出的方法可以适用于其他疾病分类和途径发现的研究。
2018-10-08 cs.CE q-bio.GN
Comparative study of the evolution of human cancer gene duplications across fish
对癌症相关基因的比较研究使我们能够获得有关这些基因的进化和功能的新信息,而且还可以了解癌症作为生物系统和物种生活史〈动〉<动>的驱动力。到目前为止,癌症基因的比较研究主要集中在哺乳动物身上。在这里,我们提供了第一个鱼类癌症相关基因拷贝数变异的比较研究。由于鱼类在进化上比哺乳动物更古老,遗传上更多样化,它们的肿瘤抑制机制不仅应该包括大多数哺乳动物的机制,而且还应该揭示新的(但可能是遗传上更古老的)以前未发现的机制。我们已经将Enhancement数据库中65种鱼类的测序基因组与COSMIC数据库中的癌症基因信息进行了匹配。通过使用Ensembl CAFE数据(提供用于基因拷贝数计数的物种树)计算跨物种的基因拷贝数,我们能够开发用于直系同源物鉴定的新颖的、资源需求较少的方法。我们的分析表明,与癌症相关的基因拷贝数变异(CNV)和鱼类物种的最大寿命的掩盖关系,这表明,较高的肿瘤抑制基因CNV延长和癌基因CNV缩短寿命,当这两个性状被添加到模型。基于肿瘤抑制基因和癌基因CNV之间的相关性,我们能够显示哪些物种具有与癌基因相关的更多肿瘤抑制基因。因此,可以认为这些物种对致癌过程具有更强的遗传防御。鱼类研究可能是一个很大程度上未开发的宝库,了解癌症的进化和生态学,通过提供新的见解研究癌症和肿瘤抑制,除了鱼类进化,生活史权衡和生态学的研究。
2021-12-14 q-bio.GN q-bio.PE
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
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
DeepCancer: Detecting Cancer through Gene Expressions via Deep Generative Learning
University of Florida(佛罗里达大学)
在微阵列上进行转录谱分析以获得基因表达已被用于促进癌症诊断。我们提出了一种深度生成机器学习架构(称为DeepCancer),它从未标记的微阵列数据中学习特征。这些模型已经与常规分类器结合使用,所述常规分类器将组织样本分类为癌性或非癌性。该模型已在两个不同的临床数据集上进行了测试。评估表明,DeepCancer模型达到了非常高的精度分数,同时显著控制了假阳性和假阴性分数。
2016-12-13 cs.AI cs.LG q-bio.GN
A Network-Structured Bayesian Hierarchical Model for Sparse Mutation-Drug Response Associations: Application to Cancer Pharmacogenomics
University of Ibadan(伊巴丹大学);Worcester Polytechnic Institute(伍斯特理工学院)
提出网络结构贝叶斯层次模型,结合GMRF与马蹄形先验及共轭吉布斯采样,在癌症药物基因组学中识别稀疏、可解释且外部支持的基因-药物敏感性关联,并支持组织特异性分析。
2026-09-09 q-bio.GN q-bio.QM stat.AP
Convolutional neural network models for cancer type prediction based on gene expression
Greehey Children’s Cancer Research Institute(格里希儿童癌症研究所);University of Texas Health Science Center at San Antonio(德克萨斯大学圣安东尼奥健康科学中心);University of Texas at San Antonio(德克萨斯大学圣安东尼奥分校)
背景准确预测癌症类型对于癌症的诊断和治疗至关重要。通过预测模型可以推断出重要的癌症标志基因。有几项研究试图为这一任务建立机器学习模型,但没有一项研究考虑到起源组织的影响,这可能会使癌症标志物的识别产生偏差。结果在本文中,我们介绍了几种卷积神经网络(CNN)模型,采用非结构化的基因表达输入分类肿瘤和非肿瘤样本到其指定的癌症类型或作为正常。基于基因嵌入和卷积方案的不同设计,我们实现了三种CNN模型:1D-CNN,2D-Vanilla-CNN和2D-Hybrid-CNN。这些模型在癌症基因组图谱(TCGA)的33种癌症类型的10,340个样本和731个匹配的正常组织上进行了训练和测试。我们的模型在34个类别(33种癌症和正常)中取得了优异的预测准确率(93.9-95.0%)。此外,我们使用指导显着性技术解释了其中一个模型,称为1D-CNN模型,并识别了总共2,090个癌症标志物(每个类别108个)。这些标志物在它们所代表的癌症类型和其他癌症类型之间的差异表达的一致性得到证实。例如,在乳腺癌中,我们的模型识别了众所周知的标记物,如GATA 3和ESR 1。最后,我们扩展了用于预测乳腺癌亚型的1D-CNN模型,并在5种亚型中实现了88.42%的平均准确率。代码可以在https://github.com/chenlabgccri/CancerTypePrediction上找到。
2019-06-18 cs.LG q-bio.GN q-bio.QM
GIFT: Guided and Interpretable Factorization for Tensors - An Application to Large-Scale Multi-platform Cancer Analysis
Seoul National University(首尔大学);The State University of New York (SUNY) Korea(纽约州立大学韩国分校)
本文提出GIFT方法,通过将先验知识作为正则化项整合到目标函数中,实现多平台基因数据中患者与基因之间可解释的潜在关系提取,提升分解质量和速度。
2018-01-09 cs.NA math.NA 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
SurvODE: Extrapolating Gene Expression Distribution for Early Cancer Identification
Tsinghua University(清华大学);University of Washington(华盛顿大学)
随着越来越多的大规模癌症基因组学数据集,机器学习方法在揭示癌症发展的新见解方面发挥了重要作用。现有的方法在识别预测癌症存活的基因方面表现出令人鼓舞的性能,但在对基因分布进行建模方面仍然有限。在这里,我们提出了一种新的方法,可以模拟基因表达分布在任何给定的时间点,包括那些观察到的时间点的范围之外。为了模拟不规则的时间序列,其中每个病人是一个观察,我们集成了一个神经常微分方程(神经ODE)与考克斯回归到我们的框架。我们在TCGA上对八种癌症类型进行了评估,并观察到比现有方法有实质性的改进。我们的可视化结果和进一步的分析表明,我们的方法可用于模拟早期癌症阶段的表达,为早期癌症识别提供了可能性。
2021-11-30 cs.AI cs.LG q-bio.GN
Network-based coverage of mutational profiles reveals cancer genes
Princeton University(普林斯顿大学)
癌症基因组学的一个中心目标是确定支持肿瘤发生和进展的体细胞改变。这项任务具有挑战性,因为癌症基因组的突变谱表现出巨大的异质性,在每个个体中观察到许多改变,个体之间很少有共享的体细胞突变基因,以及频繁和不频繁突变基因在癌症中的重要作用。虽然通常突变的癌症基因很容易识别,但那些在样本中很少突变的基因很难与大量其他不常突变的基因区分开来。在这里,我们介绍了一种方法,该方法在蛋白质相互作用网络的背景下考虑每个个体的突变谱,以识别基因的小的连接子网络,这些基因虽然不是单独频繁突变的,但包括被扰动的途径(即,“覆盖”)大部分个体。我们设计了一个简单而直观的目标函数,平衡识别一小部分基因,覆盖大部分的个人。我们展示了如何使用整数线性规划来最佳地解决这个问题,并给出了一个快速的启发式算法,在实践中效果良好。我们对24种不同癌症类型的6,038个TCGA肿瘤样本进行了大规模评估。我们证明,我们的方法nCOP在识别癌症基因方面比不利用任何网络信息的方法以及聚合个体突变信息的最先进的基于网络的方法更有效。总的来说,我们的工作证明了将每个个体的突变信息与相互作用网络相结合的能力,以便发现与癌症功能相关的基因,特别是那些突变频率较低的基因。
2017-04-26 cs.AI q-bio.GN q-bio.MN
Topological Features In Cancer Gene Expression Data
我们提出了一种新的方法来探索癌症基因表达数据的基础上的工具,从代数拓扑。我们的方法从数万个基因中选择一个小的相关子集,同时识别非平凡的高阶拓扑特征,即,数据中的漏洞。我们首先通过对数据进行二元化来规避高维问题,即,通过将基因作为样本空间中的点来研究。然后,我们选择一小部分基因作为地标来构建拓扑结构,以捕获持久的,即,在其第一同源群中的数据集的拓扑上显著的特征。此外,我们证明,这些环的许多成员已被牵连的科学文献中的癌症生物发生。我们说明了我们的方法属于脑,乳腺癌,白血病和卵巢癌的五个不同的数据集。
2014-10-13 cs.CG math.AT q-bio.GN