癌症风险基因准确识别！西工大博士生献上“新发现”！

摘要：近日，计算机学院科学智能（AI for Science）交叉研究中心研究成果“Identifying potential risk genes for clear cell renal cell carcinoma with deep reinforcemen

近日，计算机学院科学智能（AI for Science）交叉研究中心研究成果“Identifying potential risk genes for clear cell renal cell carcinoma with deep reinforcement learning”发表于《Nature Communications》期刊。西北工业大学博士生鹿大智、天津大学副教授郑岩和四川大学博士生易贤颜翎为该论文共同第一作者，天津大学郝建业教授、四川大学艾建忠研究员和西北工业大学彭佳杰教授为共同通讯作者。

根据世界卫生组织统计，癌症已经成为全球第二大死亡原因，癌症的发病机制复杂，涉及环境因素、生活方式以及遗传等多方面影响。近年来，随着测序技术的发展，研究发现许多癌症与特定基因的突变或异常表达密切相关。例如，BRCA1/2基因突变显著增加特定癌症的风险，而TP53基因的失活与多种癌症的发生有关。识别这些癌症风险基因不仅能帮助评估个体的患病概率，还能为早期筛查、精准预防和靶向治疗提供科学依据。因此，探索癌症相关的风险基因，解析其在肿瘤发生中的作用，是当前医学研究的重要方向，也为攻克癌症带来了新的希望。

总体框架图

肾透明细胞癌 (ccRCC) 是最常见的肾细胞癌亚型。然而，现有研究对ccRCC基因层面的风险因素的了解仍然有限。传统癌症风险基因识别方法主要基于突变频率识别风险基因，但某些关键驱动基因在ccRCC患者中突变频率较低，并且由于癌症的遗传基础极其多样，不同患者间的突变模式存在显著差异，导致基于突变频率的方法和无监督方法在泛化性和准确性上受限。监督学习方法依赖大量已知高可信风险基因作为训练样本。然而，目前已知的ccRCC高可信风险基因数量有限，限制了这类方法的识别准确率。

为解决这些难题，研究团队提出了一种基于深度强化学习的计算方法RL-GenRisk，用于识别肾透明细胞癌的风险基因。在研究团队所设计的奖励机制引导下，模型能够自动学习神经网络参数，从而解决了监督学习方法受限于有限标签数据的挑战。实验结果表明，RL-GenRisk能够更准确地识别肾透明细胞癌的风险基因。RL-GenRisk识别出了一些潜在的肾透明细胞癌风险基因。研究团队通过生物实验成功验证了EGFR和PCLO两个基因，发现抑制这两个基因的表达都能够显著抑制肾透明细胞癌的进展，表明RL-GenRisk所识别出的风险基因具有作为ccRCC潜在治疗靶点的潜力，可以为未来ccRCC癌症靶向治疗提供新的分子依据和药物研发方向。

论文中我校主要作者也是计算机学院大数据管理与分析团队成员。该团队近年来面向国家重大需求，围绕大数据存储、管理，及领域化大数据分析等开展科学研究和技术研发，承担了多项国家和行业重大重点科研项目，先后获陕西省科学技术一等奖1项、教育部科技进步奖一等奖2项等，先后研制了大型对象—关系数据库管理系统、金融分布式数据库、生物网络分析平台等，为推动大数据管理和分析的技术进步和产业发展提供了重要支撑。

计算机学院积极贯彻落实学校加强学科交叉融合与突破创新的要求，充分发挥学科优势，积极开展学科交叉融合研究和机制创新探索，成立了计算与艺术、仿生芯片、脑科学与类脑计算、科学智能（AI for Science）等四个交叉研究中心，旨在加强交叉科学研究，催生新的学科增长点，产生重大科研成果。目前，学院已经产生一系列交叉研究成果，并在《Nature Genetics》《Nature Communications》《PNAS》《Cerebral Cortex》等非计算机领域传统期刊上发表，四个交叉中心共培育了三名国家级人才、五名国家级青年人才，并成功获批国家自然科学基金博士项目，取得了显著的成效。