换一批HDGICN:一种基于图卷积网络的癌症驱动基因识别方法
HDGICN:A graph convolutional network based method for identifying cancer driver genes
摘要近年来,针对癌症的大量研究,积累了海量的多组学数据,这些数据为高效鉴定癌症驱动基因提供了可能;本研究提出了一种基于深度图信息最大化的异亲图卷积网络(Heterophilic deep graph information maximization convolutional network,HDGICN)模型用于识别癌症驱动基因,HDGICN首先整合了图信息最大化和个性化PageRank算法对异亲生物分子网络的基因节点进行特征增强,然后通过整合了双重残差结构的分层混合图卷积来学习异亲生物分子网络上的基因特征,最后根据预测得分来识别癌症驱动基因;实验结果显示,在三个异亲生物分子网络上,HDGICN的受试者工作特性曲线下面积(Area under receiver operating characteristic,AUROC)和精确率-召回率曲线下面积(Area under the precision-recall curve,AUPRC)均优于其他传统方法,消融实验结果进一步表明本方法有助于提升预测性能.HDGICN方法在异亲生物分子网络上能够有效识别出癌症驱动基因,可以为实现癌症的精准治疗和生物标志物的发现提供重要帮助.
更多相关知识
关键词
癌症驱动基因图信息最大化异亲网络图卷积网络Cancer driver genesGraph information maximizationHeterophilic networkGraph convolutional network
分类号
TP183
栏目名称
DOI
10.12113/202308001
发布时间
2025-07-11（万方平台首次上网日期，不代表论文的发表时间）
基金项目
西南科技大学博士基金资助项目（No.19zx7142）
- 浏览4
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
