机构名称：
¥ 1.0
靶向药物的开发使得癌症治疗可以实现精准医疗，并实现最佳的靶向治疗。准确识别癌症药物基因有助于加强对癌症靶向治疗的认识，促进癌症的精准治疗。然而，由于多组学数据的多样性和复杂性，发现的癌症药物基因非常少见。本研究提出了一种基于机器学习的癌症药物基因发现新方法DF-CAGE。DF-CAGE整合了~10000个TCGA谱中的体细胞突变、拷贝数变异、DNA甲基化和RNA-Seq数据，以识别癌症药物基因的概况。我们发现DF-CAGE从多组学数据的角度发现了目前已知的癌症药物基因的共性，并在OncoKB、Target和Drugbank数据集上取得了优异的表现。在~20,000个蛋白质编码基因中，DF-CAGE精确定位了465个潜在的癌症药物基因。我们发现候选癌症药物基因（CDG-基因）具有临床意义，可分为高可信、可靠和潜在基因集。最后，我们分析了组学数据对药物基因识别的贡献。我们发现DF-CAGE主要根据CNA数据、基因重排和人群中的突变率来报告药物基因。这些发现可能对未来新药的研究和开发有所启发。
从多组学数据到癌症可用药基因的发现
主要关键词
相关文件推荐
