近日，大数据管理与分析团队的研究成果“Deep graph convolutional network-based multi-omics integration for cancer driver gene identification”被生物信息学和计算生物学领域中国科学院一区顶级期刊Briefings in Bioinformatics接收。该成果第一作者为西北工业大学计算机学院本科生吴映卓（指导老师为李幸一副教授）。此外，该研究由西北工业大学牵头，同中国澳门高校合作完成，彰显了计算机学院大力推进国际化办学的宗旨。

图1 deepCDG计算框架图

癌症驱动基因在理解癌症的发生、发展和治疗发现中起着关键作用，大量的多组学数据和生物网络的积累为基于图神经网络预测癌症驱动基因提供了数据基础。该研究提出了一种基于深度图卷积网络（GCN）的多组学整合模型deepCDG，其任务为图节点分类学习，用于癌症驱动基因识别。模型输入是由蛋白质互作网络分别与基因组、转录组和表观基因组等组学信息构成的图，该图以基因为节点，以蛋白质互作关系为节点的连边，分别将基因表达信息、甲基化信息和突变信息分配到各个基因作为节点特征。模型使用共享参数的 GCN 编码器从三个组学视角提取基因表征信息，然后通过注意力机制进行表征融合，最后利用残差连接的GCN预测器输出每个基因预测为癌症驱动基因的概率。此外，deepCDG利用GNNExplainer可解释工具进行癌症驱动基因模块挖掘，通过掩码方法识别对于关键癌症驱动基因预测结果最具影响力的子图结构和节点特征。实验结果显示出deepCDG出色的预测性能、鲁棒性、计算高效性和生物可解释性，为解决癌症驱动基因识别问题提供了新思路。

图2 实验结果

该论文一作吴映卓同学目前为西北工业大学计算机学院大三本科生，拥有扎实的计算机科学基础和丰富的竞赛经历，曾在国际大学生程序设计竞赛（ICPC）亚洲区域赛和中国大学生程序设计竞赛国赛（CCPC）中斩获铜牌。西北工业大学计算机学院将继续为学生提供丰富的科研资源和前沿技术平台，助力更多优秀学子在国际舞台上展现创新能力和科研实力。

（审稿:尚学群）