抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
癌ドライバー遺伝子の同定は,腫瘍開始と進行を理解するのに役立つ正確な腫瘍学研究において重要な役割を果たす。しかし,ほとんどの既存の計算法は,主に蛋白質-蛋白質相互作用ネットワーク(PPIs)を使用,または,有向遺伝子-遺伝子会合ネットワークとして有向遺伝子調節ネットワーク(GRNs)を処理して,癌ドライバー遺伝子を同定し,そしてそれは,有向GRNsにおけるユニークな構造調節情報を失い,そして,癌ドライバー遺伝子同定の結果に影響を及ぼす。ここでは,マルチオミクスパン-癌データ(すなわち,遺伝子発現,変異,コピー数変化およびDNAメチル化)に基づいて,著者らは,ダイレクトグラフ畳込みネットワーク(DGCN)および多層パーセプトロン(MLP)を接合することによって,癌ドライバー遺伝子を同定するための新規方法(DGMPと呼ぶ)を提案した。DGMPは,DGCNモデルによるGRNのトポロジー構造特徴だけでなく,遺伝子のマルチオミクス特徴を学習し,DGCN学習プロセスにおけるグラフトポロジー特徴に対するバイアスを軽減するために,MLPをより多くの遺伝子特徴で重み付けする。3つの遺伝子調節ネットワークの結果は,DGMPが他の既存の最先端の方法より優れていることを示している。それは高度に変異した癌ドライバー遺伝子を同定するだけでなく,他の種類の変化(例えば,差次的発現,異常なDNAメチル化)または他の癌遺伝子を有するGRNに関与する遺伝子を含むドライバー遺伝子を同定することができる。DGMPのソースコードはhttps://github.com/NWPU 903PR/DGMPから自由にダウンロードできる。【JST・京大機械翻訳】