本文刊登于Big Data Mining and Analytics（《大数据挖掘与分析（英文）》）。

背景介绍

在肿瘤学研究中，利用患者的基因组数据进行癌症状态的精准预测是一个重要方向。尽管现有的基于生物学知识的深度学习方法已取得进展，但仍面临显著挑战。首先，现有生物功能数据集（如KGEE）主要提供通路类型的信息，无法涵盖更广泛、多维度的生物学实体关系，且缺乏针对特定疾病的全面知识，导致模型在生物学基础建模上存在不足。其次，先前方法通常采用固定连接强度模拟生物学关系，限制了模型对数据变化的适应性和对复杂关联关系的深入挖掘。因此，提升模型对复杂生物学关系的建模能力，并增强其数据适应性，是当前研究的关键挑战。

成果简介

为了解决上述问题，AuroraLab实验室提出了一种创新的深度学习模型——生物知识图谱增强的可调连接癌症状态预测网络（BKGNet）。BKGNet结合了精准且丰富的生物知识图谱与可调连接机制，增强了网络在建模复杂生物学关系时的灵活性与精度。具体而言，BKGNet通过引入知识图谱中的结构化生物学信息，为神经网络提供了全面且精准的生物学背景支持。同时，模型采用了可调连接机制，在确保生物学关系合理性的基础上，将固定的生物学关系转化为可学习的连接强度，使得网络能够灵活适应数据的变化。实验结果表明，BKGNet在癌症状态预测任务中显著优于传统机器学习和深度学习方法，进一步的消融实验验证了知识图谱和可调连接机制的有效性。

课题组简介

AuroraLab实验室由清华大学和新疆大学的何亮教授领导，同时设立于清华大学和新疆大学。实验室专注于生物医学与信息技术的跨学科创新研究，致力于推动智能医学、知识图谱等领域的发展，同时也积极推动新疆地区农业信息化与智能化的应用研究。何亮教授及其团队在智能医学和农业信息化等领域取得了显著的研究成果，特别是在生物医学数据分析和生物知识图谱的应用方面，取得了重要突破。实验室已积累了大量核心技术，推动了多个医学和农业相关领域的技术创新。团队成员在各自领域的深入研究为实验室的项目提供了强有力的技术支持，确保了多个医学与农业项目的顺利推进。

本次提出的BKGNet模型突破了现有深度学习方法的局限，为精准癌症预测提供了全新的解决方案。AuroraLab实验室将继续致力于推动智能医学领域的创新，同时也积极推动智能农业和大数据分析的研究。实验室欢迎更多有志于智能医学、智能农业以及大数据分析的科研人员加入，共同推动科学技术的跨学科进步。

文章来源

Y. Liu, S. Yi, X. Chen, W. Guo and L. He, Biological Knowledge Graph-Enhanced Cancer State Prediction Network with Adjustable Connections, Big Data Mining and Analytics, vol. 8, no. 5, pp. 1174-1188, October 2025, doi: 10.26599/BDMA.2025.9020006.

期刊简介

《大数据挖掘与分析(英文)》(Big Data Mining and Analytics，ISSN 2096-0654，CN 10-1514/G2，双月刊）创刊于2018年，为国际化的英文学术期刊，由教育部主管，清华大学主办，清华大学出版社出版。由清华大学教授、中国工程院院士郑纬民和深圳理工大学讲席教授、美国医学与生物工程院院士、俄罗斯工程院院士、乌克兰国家工程院院士、欧洲科学与艺术院院士潘毅共同担任主编。期刊发表大数据挖掘与分析方面高水平的原创性研究和综述类文章，为国内外大数据研究者提供高端学术交流平台。期刊与IEEE合作，以开放获取（OA）模式海外发行。期刊已被ESCI，CSCD，EI，Scopus，dblp computer science bibliography，Google Scholar，INSPEC等检索收录。期刊位居中国科学院期刊分区计算机科学1区Top期刊。期刊位列CCF计算领域高质量科技期刊分级目录T1类。

自创刊以来，Big Data Mining and Analytics得到业内专家、学者广泛关注。期刊2024年影响因子6.2，在所属的人工智能、信息系统领域均位居Q1区。根据爱思唯尔最新公布的CiteScore（引用分数），BDMA 2024年CiteScore为19.8，位列全球计算机领域前2%。2024年入选“中国科技期刊卓越行动计划”英文梯队期刊项目。

期刊主页：

https://ieeexplore.ieee.org/xpl/aboutJournal.jsp?punumber=8254253

识别二维码访问

投稿链接：

https://mc03.manuscriptcentral.com/bdma

识别二维码可访问