SCIENTIASINICAInformationis中国科学:信息科学2023年第53卷第2期:250–265c©2023《中国科学》杂志社www.scichina.cominfocn.scichina.com论文基于单细胞数据的癌症协同驱动模块识别方法陈希1,王峻1,2*,余国先1,2,崔立真1,2,郭茂祖31.山东大学软件学院,济南2501012.山东大学-南洋理工大学人工智能国际联合研究院,济南2501013.北京建筑大学电气与信息工程学院,北京100044*通信作者.E-mail:kingjun@sdu.edu.cn收稿日期:2022–02–04;修回日期:2022–04–01;接受日期:2022–04–11;网络出版日期:2023–02–03国家自然科学基金(批准号:62072380,62031003)和山东大学中央高校基本业务费项目(批准号:2020GN061)资助摘要从大规模生物组学数据中准确识别导致癌症发生的协同驱动模块是生物信息学研究领域重大课题之一.现有研究方法通常只基于批量组学数据进行识别,忽视了细胞水平上的癌症异质性,易受噪声影响.针对上述问题,本文提出了一种基于单细胞数据和先验知识指导的协同驱动模块识别方法CDMFinder.该方法首先利用基因在不同亚型及正常细胞表达数据间存在的特异性共表达信息,融合基因交互网络,优化形成分子功能关联网络,在深入挖掘基因间功能关联的同时有效降低网络复杂度;再基于重叠马尔可夫(Markov)聚类从该网络中挖掘功能簇,并提出基于融合权重和贪心策略的驱动模块识别方法,从功能簇中获得驱动模块集合;最后,融合功能交互网络与突变共现定义模块距离函数,识别获取协同驱动模块.CDMFinder充分融合评估了表达、突变、差异分析等多种因素,展现了优良的识别性能.在乳腺癌和胶质母细胞瘤多组学数据上的实验结果表明,本文方法能够识别出超过对比方法1.35倍的驱动基因,识别到的协同驱动模块在功能/通路水平富集度上超过现有算法1.5倍.关键词单细胞数据,协同驱动模块,分子功能关联网络,马尔可夫聚类,多组学数据融合1引言癌症,作为致死率最高的疾病之一,其形成和发展机制十分复杂,涉及基因组、转录组及表观组等生命体活动的各个层级[1].现有研究表明癌症是由基因突变(单核苷酸多态性,拷贝数变异,核苷酸序列重复、插入以及缺失等)累积导致的,这种对癌症的发生起促进作用的突变被称为驱动突变(drivermutation),驱动突变位点所处的基因被称为驱动基因(drivergene)[2].近年来,随着高通量生物技术的发展,大型癌症基因组项目,如癌症基因组图谱(TCGA[3])、基因组联盟(ICGC[4])等,产生和积累了丰富的高通量多组学癌症数据,为研究者从系统层面深入解析癌引用格式:陈希...
