MaxMIF: A New Method for Identifying Cancer Driver Genes through Effective Data Integration.
MaxMIF: A New Method for Identifying Cancer Driver Genes through Effective Data Integration.
复制标题
MaxMIF：通过有效数据整合识别癌症驱动基因的新方法
DOI：
10.1002/advs.201800640
复制
发表时间：
2018-09
期刊：
影响因子：
--
通讯作者：
Su Z
中科院分区：
文献类型：
--
作者：
Hou Y;Gao B;Li G;Su Z
从癌症样本中大量的乘客突变基因中鉴定出一些癌症驱动突变基因仍然是一项极具挑战性的任务。在这里，提出了一种新的方法，用于区分司机基因从乘客基因的体细胞突变数据和分子相互作用数据的有效整合，使用最大突变影响函数（MaxMIF）。当对Pan-Cancer的6个体细胞突变数据集和TCGA的19个不同癌症类型的数据集进行评估时，MaxMIF在预测准确性、灵敏度和特异性方面几乎总是显着优于所有现有的最先进方法。在500个排名靠前的候选基因中，它比评估的其他工具中最好的多恢复了约30%的已知癌症基因。MaxMIF对数据扰动也具有很强的鲁棒性。有趣的是，MaxMIF能够识别潜在的癌症驱动基因，并有强大的实验数据支持。因此，MaxMIF对于在越来越多的可用癌症基因组数据中识别或优先考虑癌症驱动基因非常有用。
Identification of a few cancer driver mutation genes from a much larger number of passenger mutation genes in cancer samples remains a highly challenging task. Here, a novel method for distinguishing the driver genes from the passenger genes by effective integration of somatic mutation data and molecular interaction data using a maximal mutational impact function (MaxMIF) is presented. When evaluated on six somatic mutation datasets of Pan‐Cancer and 19 datasets of different cancer types from TCGA, MaxMIF almost always significantly outperforms all the existing state‐of‐the‐art methods in terms of predictive accuracy, sensitivity, and specificity. It recovers about 30% more known cancer genes in 500 top‐ranked candidate genes than the best among the other tools evaluated. MaxMIF is also highly robust to data perturbation. Intriguingly, MaxMIF is able to identify potential cancer driver genes, with strong experimental data support. Therefore, MaxMIF can be very useful for identifying or prioritizing cancer driver genes in the increasing number of available cancer genomic data.
登录
查看更多内容
影响因子：
64.8
作者：
通讯作者：
--
影响因子：
12.3
作者：
Cho A;Shim JE;Kim E;Supek F;Lehner B;Lee I
通讯作者：
Lee I
影响因子：
12.3
作者：
Gonzalez-Perez A;Deu-Pons J;Lopez-Bigas N
通讯作者：
Lopez-Bigas N
影响因子：
11.2
作者：
Bertrand, Denis;Drissler, Sibyl;Nagarajan, Niranjan
通讯作者：
Nagarajan, Niranjan
通过协调覆盖范围和排他性识别泛癌中的驱动模块
影响因子：
--
作者：
Gao, Bo;Li, Guojun;Huang, Xiuzhen
通讯作者：
Huang, Xiuzhen