基于多组学数据整合与深度学习的癌症驱动基因研究

结题报告

项目介绍

AI项目解读

基本信息

批准号：
61902126
项目类别：
青年科学基金项目
资助金额：
25.0万
负责人：
杨海
依托单位：
华东理工大学
学科分类：
F0213.生物信息计算与数字健康
结题年份：
2022
批准年份：
2019
项目状态：
已结题
起止时间：
2020-01-01 至2022-12-31

项目参与者：
--
关键词：
癌症疾病研究基因组学

项目摘要

Driver genes play a determining role in cancer initiation and progression. How to accurately find the driver gene remains a crucial bottleneck in cancer research. Previous methods usually focused on only a few common types of cancer, and rarely consider to integrate of multi-omics data. Our previous study shows that the integration of multi-omics data is more advantageous for finding driver genes. In this study, we plan to integrate the genomic data such as somatic mutation, somatic copy number alteration, DNA methylation, gene expression and protein expression from 10,000 tumor samples across 33 cancers published by the pan-cancer atlas. We aim to: 1)develop deep learning methods to identify the pan-cancer driver genes; 2）identify the driver genes for individual cancer types; 3) identify the clinically actionable driver genes. This approach can enhance the understanding of the mechanism of cancer occurrence and development. The study of clinically actionable driver genes is useful for exploring the relationship between rare cancers and druggable genes. The study also promotes the development of cancer treatments.

驱动基因在癌症发生、发展中起决定性作用，如何准确寻找驱动基因是癌症研究中的瓶颈问题之一。目前，驱动基因的研究方法通常只关注一些常见癌症，也很少涉及多组学数据的整合。我们较早的研究显示，多组学数据的整合对寻找驱动基因更有优势。基于以上理由，本课题结合泛癌基因图谱发布的33种癌症的一万名患者的体细胞突变、体细胞拷贝数变化、DNA甲基化、基因表达、蛋白表达等五种组学数据，提出一种基于深度学习的癌症驱动基因研究框架。此框架使用深度前馈网络和深度自编码网络，并结合现有的癌症知识库，拟在对33种癌症的研究中：①找到横跨多种癌症的驱动基因；②找到各癌症对应的驱动基因；③深入研究临床相关的癌症基因的基础上，找到各癌症对应的可用药驱动基因。本课题对驱动基因的研究能够增强对癌症发生以及发展的机制上的认知。对可用药驱动基因的研究有利于扩展已有治疗药物的适用范围，进而促进抗癌疗法的发展。

结项摘要

癌症驱动基因对于癌细胞的生长具有驱动作用。这些基因上的突变会促进癌症的发生、发展，从而造成细胞的无限增殖，侵入正常的组织并转移至远端器官。癌症精准医学的基础便是对驱动基因的深入理解。然而，由于多组学分子数据的复杂性以及癌症患者的异质性，从海量的编码区基因中找到极少的驱动基因具有相当大的挑战。本项目在多组学数据整合的基础上，提出基于深度学习的癌症驱动基因研究框架，在泛癌症、单癌症与可用药驱动基因三个层面设计针对驱动基因识别问题的新方法。通过对体细胞突变、体细胞拷贝数变化、DNA 甲基化、基因表达、蛋白表达等多组学数据的处理、整合，提取多组学抽象特征，进而构建深度网络进行驱动基因的识别。首先，在面向泛癌驱动基因识别任务上，进行多组学数据整合，并用深度对抗学习和有监督深度网络对泛癌数据建立非线性映射关系进行癌症驱动基因的识别，在TCGA超过一万个肿瘤样本的泛癌层面成功找到275个泛癌驱动基因；其次，在TCGA的33个癌种上使用级联森林模型，并整合癌症注释信息，通过迁移学习模型来识别癌症驱动基因，在33个癌种上成功得到563个单癌驱动基因；最后，通过与已知的癌症可用药基因库进行对比分析并加以文献验证，成功找到潜在的可用药驱动基因36个。本课题通过整合多组学数据，并利用深度学习模型得到单癌症、泛癌症上的高准确性的癌症驱动基因列表，对癌症驱动基因和可用药驱动基因的准确识别做出了贡献。并且，通过分析癌症驱动基因在癌症信号通路中的作用，比以往更深入、更全面地发掘出了多组学数据和驱动基因之间的关系。本项目的研究加深了对癌症驱动基因的作用机制的理解，为癌症早期诊断、抗癌药物的开发提供了新思路和新方法，有助于改善精准医学时代的癌症靶向治疗策略，提高患者的生存率。