getDNB:从时间变化的基因规则中识别肝细胞癌的动态网络生物标志物,利用图形嵌入技术检测异常

科学领域:

• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学
• 系统生物学 系统生物学

背景情况:

• 早期发现肝细胞癌 (HCC) 对患者的治疗结果至关重要,但目前的方法往往是在晚期发现的.
• 测序技术的进步使分子标记物识别成为可能,但未能捕捉到时间基因调节网络的动态.
• 现有的方法忽视了动态生物网络中的复杂基因相互作用,阻碍了早期疾病诊断.

研究的目的:

• 介绍getDNB算法,用于在时间变化的动态网络中检测异常.
• 确定动态网络生物标志物 (DNBs) 用于早期肝细胞癌 (HCC) 检测.
• 通过识别HCC进展中的DNBs来推进精准医学.

主要方法:

• getDNB模型使用通过图形卷积网络嵌入图形来减少基因调节网络的维度.
• 异常检测是通过计算基因异常得分来进行的.
• 最小主导集和最短路径算法用于识别DNB及其相关网络.

主要成果:

• getDNB模型确定了33个HCC DNB,区分了HCC的进展阶段.
• 该模型在多个HCC数据集中展示了稳定性.
• 功能丰富分析证实了在HCC开发中确定DNB的关键作用,其表现优于其他特征选择方法.

结论:

• 该getDNB模型有效地识别DNB用于早期HCC检测.
• 这种方法提高了对HCC病原学的理解,并支持精准医学策略.
• 已识别的DNB具有作为HCC的诊断和预后标志物的潜力.