MNMO：多组学数据多层网络中发掘驱动基因

使肿瘤细胞具有选择性生存优势的驱动突变已被公认为癌症的病因。随着测序技术的发展，一些大型癌症项目积累了大量癌症基因组数据，如癌症基因组图谱（TCGA）和国际癌症基因组协会（ICGC）。通过利用海量数据，可以进行研究以识别包含驱动突变的驱动基因。

早期识别驱动基因的方法主要基于基因突变的频率。他们将单个基因的突变率与背景突变率进行了比较，从而挑选出大量癌症患者中不是偶然突变的基因。随着测序技术的发展，越来越多的其他组学数据被采用来提高鉴定性能。基因间的相互作用使人们对基因突变的机制有了新的认识。生物网络内的遗传畸变可能导致网络结构变化，这可能会促使细胞达到新的表型状态，并导致癌症的发展。基于这些发现，提出了一组基于网络的方法。一些研究将突变基因映射到基因-基因相互作用网络，并通过提取显著突变的子网络来识别驱动基因。一些人从二分图中进行鉴定，假设候选驱动基因倾向于影响大量差异表达的基因。

由于高通量实验的限制，噪声在生物网络中是不可避免的，即存在大量的假阳性相互作用。因此，人们试图将不同类型的组学数据与之整合，以减轻对网络的过度依赖。EntroRank通过将亚细胞定位和变异频率互斥整合到网络中来识别驱动基因。2022年，提出了一种基于图卷积网络的半监督学习方法，该方法使用每个基因的三个特征向量。2023年，提出了一种基于基因-miRNA网络的图卷积网络模型，通过聚集其相邻miRNA节点的特征来学习基因特征表示。2024年，IMI-Driver整合了多级网络嵌入和机器学习来预测驱动基因。HWC根据多个特征之间的联系，应用了一种分层弱共识模型来融合多个特征。

此外，热扩散技术也被广泛应用于基于网络的方法中，试图恢复一些缺失的相互作用，或平滑整个网络中的突变频率。NetICS进行了一个每个样本的双向网络扩散过程，以捕捉相互作用的方向性。Subdyquency应用随机游走过程来整合亚细胞定位、变异频率及其与其他失调基因相互作用的信息。mND通过使用网络扩散在多层的基础上量化了基因相关性。MinNetRank基于网络扩散进行了单组学数据分析，并使用最小策略整合基因突变和差异表达数据，用于癌症基因发现。2023年，通过整合基因表达数据和基因相互作用网络，提出了一种基于两阶段随机游走和重启的基因发现算法。2024年，PCoDG采用超图随机行走来检测癌症驱动基因，这些基因协同驱动个体患者的癌症进展。

如上所述，在驱动基因直接调控下游失调基因表达的认知下，采用了二分图。然而，调控通路通常是多种多样的，即下游失调的基因可能通过一些介质由驱动基因间接调节。在最近的意向研究中，直接和间接法规都被考虑在内。Deng等人首先通过创建一个多层异构网络来设计方法MNMO（图1，一种基于多组分数据的多层网络模型，https://github.com/Zheng-D/MNMO），该网络由四个子网络组成，分别由miRNA和三种具有不同特征的基因构成。在MNMO方法中，设计了一种量化潜在驱动基因控制能力的方法。通过引入新的重新加权过程构建有向子网络，并进行网络扩散以平滑功能相似基因之间的突变频率差异。然后，根据四种网络分数，提出了MNMO方法的四个扩展版本。与六种最先进的方法相比，MNMO方法和四种扩展版本可以获得相对更好的识别性能。

图1 MNMO方法的工作流程。第一步：构建多层异构网络。第二步：计算三种分数（控制能力分数、变异分数、网络分数）。步骤3：计算综合得分

参考文献

[1] Deng Z, Wu J, Chen X, Li G, Liu J, Hu Z, Li R, Deng W. MNMO: Discover driver genes from a Multi-Omics data based multi-layer network. Bioinformatics. 2025 Mar 27:btaf134. doi: 10.1093/bioinformatics/btaf134.  

以往推荐如下：

1. 分子生物标志物数据库MarkerDB

2. 细胞标志物数据库CellMarker 2.0

3. 细胞发育轨迹数据库CellTracer

4. 人类细胞互作数据库：CITEdb

5. ​EMT标记物数据库：EMTome

6. EMT基因数据库：dbEMT

7. ​EMT基因调控数据库：EMTRegulome

8. RNA与疾病关系数据库：RNADisease v4.0

9. RNA修饰关联的读出、擦除、写入蛋白靶标数据库：RM2Target

10. 非编码RNA与免疫关系数据库：RNA2Immune

11. 值得关注的宝藏数据库：CNCB-NGDC

12. 免疫信号通路关联的调控子数据库：ImmReg

13. 利用药物转录组图谱探索中药药理活性成分平台：ITCM

14. AgeAnno：人类衰老单细胞注释知识库

15. 细菌必需非编码RNA资源：DBEncRNA

16. 细胞标志物数据库：singleCellBase

17. ​实验验证型人类miRNA-mRNA互作数据库综述

18. 肿瘤免疫治疗基因表达资源：TIGER

19. 基因组、药物基因组和免疫基因组水平基因集癌症分析平台：GSCA

20. 首个全面的耐药性信息景观：DRESIS

21. 生物信息资源平台：bio.tools

22. 研究资源识别门户：RRID

23. 包含细胞上下文信息的细胞互作数据库：CCIDB

24. HMDD 4.0：miRNA-疾病实验验证关系数据库

25. LncRNADisease v3.0：lncRNA-疾病关系数据库更新版

26. ncRNADrug：与耐药和药物靶向相关的实验验证和预测ncRNA

27. CellSTAR：单细胞转录基因组注释的综合资源

28. RMBase v3.0：RNA修饰的景观、机制和功能

29. CancerProteome：破译癌症中蛋白质组景观资源

30. CROST：空间转录组综合数据库

31. FORGEdb：候选功能变异和复杂疾病靶基因识别工具

32. Open-ST：3D高分辨率空间转录组学

33. ​CanCellVar：人类癌症单细胞变异图谱数据库

34. dbCRAF：人类癌症中放射治疗反应调控知识图谱

35. DDID：饮食-药物相互作用综合资源可视化和分析

36. SCancerRNA：肿瘤非编码RNA生物标志物的单细胞表达与相互作用资源

37. CancerSCEM 2.0：人类癌症单细胞表达谱数据资源

38. LncPepAtlas：探索lncRNA翻译潜力综合资源

39. SPATCH：高通量亚细胞空间转录组学平台

40. MirGeneDB 3.0：miRNA家族和序列数据库

转载本文请联系原作者获取授权，同时请注明本文来自张俊鹏科学网博客。

链接地址：https://wap.sciencenet.cn/blog-571917-1482413.html?mobile=1

收藏

分享