使用带有交叉注意力机制的神经网络框架识别癌症驱动基因

《IEEE Transactions on Computational Biology and Bioinformatics》：Identifying Cancer Driver Genes Using a Neural Network Framework With Cross-Attention Mechanism

本文提出GTCM框架，融合图卷积网络学习基因特征，Transformer跨注意力机制增强特征间关联，结合多层感知机分类器提升癌症驱动基因识别准确率，实验验证优于现有方法。

　　

摘要：

识别癌症驱动基因可以加速药物靶点的发现和癌症疗法的开发。最近的研究方法通过使用深度学习框架提高了识别癌症驱动基因的准确性。然而，由于忽略了学习到的特征之间的联系，这些方法通常具有较弱的特征表示，从而限制了识别癌症驱动基因准确性的进一步提高。在这项工作中，我们提出了一种图神经网络框架（GTCM），该框架结合了图卷积网络、带交叉注意力的Transformer和多层感知器分类器，以提高识别癌症驱动基因的准确性。具体来说，GTCM首先使用图卷积网络从三个不同的基因关联网络中学习基因特征表示；其次，为了增强癌症驱动基因的特征表示，GTCM采用带交叉注意力的Transformer来动态学习不同特征集之间的联系；最后，GTCM使用多层感知器分类器来预测癌症驱动基因。消融实验证明，带交叉注意力的Transformer有效地改善了从图卷积网络中学习到的特征表示，并进一步提高了识别率。与现有的代表性方法相比，GTCM在接收者操作特征曲线下面积和精确度-召回率曲线下面积方面表现出优异的性能。

引言

癌症的形成往往源于基因突变的持续积累[1]。在这些基因突变中，驱动癌症发生和发展的基因被称为癌症驱动基因[1],[2]。识别癌症驱动基因对于理解癌症发生的分子机制、指导准确诊断以及制定个性化治疗计划具有重要意义[3]。