近日，数学与统计学院柳军涛课题组在国际重要期刊GigaScience（IF=9.2）上发表了题为“DriverMP enables improved identification of cancer driver genes”的研究论文。该文章提出了DriverMP方法，旨在合理且高效地整合多组学数据以发现特定癌症中的驱动基因，其确定的新型候选驱动基因有助于加深对癌症基因组学的理解，并为癌症的诊断和治疗提供新的机会。山东大学为第一完成单位，数学与统计学院研究生刘洋洋为论文第一作者，学院柳军涛老师为论文独立通讯作者。

癌症被广泛认为是一种主要由基因突变驱动的复杂疾病，据统计每6人中就有1人死于癌症，是全球第二大人类常见死因。相关研究表明，在大量体细胞突变基因中，只有少数基因（即所谓的驱动基因）会给癌症带来选择性优势，而大部分基因（即所谓的乘客基因）对癌症进展影响甚微。因此，如何从大量的乘客基因中识别驱动基因是癌症基因组学中的一个重要且困难的问题。而DriverMP方法为识别癌症驱动基因提供了新的思路。

DriverMP方法，创新性地通过考虑成对的突变基因，来确定癌症类型层面上发生突变基因的次序。该方法使用了非沉默体细胞突变数据、蛋白质-蛋白质相互作用网络数据和差异基因表达数据，通过衡量成对突变基因在PPI网络和基因差异表达网络中的生物学和拓扑学特征，对成对突变基因进行排序，然后根据排序的成对突变基因将单个突变基因进行优先排序。在TCGA数据库中的10个癌症数据中，各种指标都证明DriverMP在识别已知驱动基因方面比所有对比的方法都有着不俗的优势。最后，对乳腺癌、肺腺癌等癌症的临床实验支持、疾病富集分析、生物通路分析和序列比对分析有力地证明了该方法预测的候选驱动基因的可靠性。

文章链接：https://doi.org/10.1093/gigascience/giad106

本研究得到科技部重点研发计划和国家自然科学基金的资助。

                                                   作者：柳军涛 编辑：王淑婷