基于突变基因网络的致癌驱动通路检测算法

通过检测突变驱动通路研究癌症的发病机理是当前癌症基础性研究的关键问题之一.该研究以人类基因组工程提供的体细胞突变数据为研究对象,结合基因组图谱中广泛存在的互斥性原理,提出一种新型的基于基因互斥网络的致癌突变驱动通路检测算法(Megnet).该算法首先利用大量癌症病人的体细胞突变数据,结合基因间互斥性原理构建突变基因网络,然后检测该网络中具有高覆盖的最大完全子图.为验证算法的效率和鲁棒性,我们将该算法应用于模拟数据中,结果显示所有模拟过程均在15秒内完成驱动通路检测,Megnet算法比Dendrix和Multi-Dendrix算法运行时间更短且结果准确率更高.同时为验证算法的有效性,我们将该算法应用于肺癌数据和神经胶质瘤体细胞突变数据中,结果显示Megnet算法不仅比Dendrix和Multi-Dendrix算法检测的基因集合具有更高的生物相关性和统计显著性,而且还检测出一些可供生物验证的新候选基因集合,并且这些检测的基因集合与已知的P53、RB、RAS和PI3K等信号通路及细胞循环和细胞凋亡通路具有较高的重叠.Megnet算法不需要指定通路中的基因个数和任何先验知识,为癌症发病机理研究提供新视野.该算法通过构建突变基因网络,简化了基因间相互关联关系,降低了算法复杂度,提高了致癌突变驱动通路检测的效率和准确性,对于癌症发病机理研究具有较强的理论意义和实践价值.