博文

基于生物病理轨迹的癌症驱动子识别因果方法

已有 1294 次阅读 2023-2-27 13:08 |个人分类:科普|系统分类:科普集锦

基于生物病理轨迹的癌症驱动子识别因果方法

普遍认为，具有驱动突变的基因是癌症的驱动子。最近的研究结果表明，一些没有驱动突变的基因也会导致癌症进展。驱动导致癌症的生物过程的基因(即动态癌症驱动因子，简称DCD)不一定是突变的。此外，不同的生物核心过程是由不同的基因集驱动的。不同类别癌症驱动基因的重叠情况如图1所示。

图1 不同类别癌症驱动基因的重叠情况

尽管人们都知道癌症是动态发展的，但是传统癌症驱动基因方法往往忽略了癌症发展的动态信息。为了提高癌症驱动基因的识别准确率，将癌症驱动基因的概念扩展为动态癌症驱动基因，即在癌症进展过程中驱动一个或多个生物病理转变的基因。这样做的原因是，癌症不应被视为一个单一的过程，而是随着时间的推移导致疾病发展改变的生物过程。反过来，通过分析不同的生物病理途径，可以潜在地发现癌症的不同驱动基因。

本次介绍的新方法DynamicCancerDriver（图2），就是专注于寻找在癌症发展过程中驱动一个或多个核心过程的基因因果推断(即动态癌症驱动程序)。DynamicCancerDriver使用伪时间的概念来推断样本在癌症期间沿生物转变的潜在进展，并确定当该过程显著偏离正常到致癌时的关键事件。通过评估驱动基因在这样一个关键事件后对过程的因果影响来推断驱动基因。应用于乳腺癌的单细胞和bulk测序数据集的评估结果表明，DynamicCancerDriver优于公认的癌症驱动基因推断方法。比较结果表明，与使用静态数据相比，包含癌症的潜在动态信息可以改善推断过程，并允许我们从癌症的不同过程中发现不同的驱动基因集。

图2 DynamicCancerDriver工作流程

DynamicCancerDriver有四大关键点：

（1）假设有多个生物过程驱动癌症，每个过程都有自己的驱动基因。

（2）结合了从癌症发展的潜在动力学到因果推理方法的各个方面，能够揭示癌症发展中驱动核心生物学过程的基因的因果关系。

（3）能检测到新型癌症驱动基因，对于扩展癌症驱动基因目录是有用的。

（4）就有动态性质，补充了目前公认的基于静态数据的癌症驱动基因发现方法。

具体的比较结果和分析结果可以参见文献[1]，DynamicCancerDriver代码参见https://github.com/AndresMCB/DynamicCancerDriver。

参考文献

[1] Cifuentes-Bernal AM, Pham VVH, Li X, Liu L, Li J, Le TD. Dynamic cancer drivers: a causal approach for cancer driver discovery based on bio-pathological trajectories. Brief Funct Genomics. 2022;21(6):455-465. doi:10.1093/bfgp/elac030

以往推荐如下：

6. 因果学习工具：Causal Explorer和Causal Learner

7. 小样本学习

8. 样本异质性定量化

9. 生物标志物定义及其应用

10. 分子生物标志物数据库MarkerDB

11. 细胞标志物数据库CellMarker 2.0