医疗科研新视角 | 菁易科研解读：人工智能如何照亮癌症非编码基因组？

Illuminating the Noncoding Genome in Cancer Using Artificial Intelligence.

研究背景

癌症是21世纪重大健康挑战，人工智能与癌症组学结合，可分析庞大基因组数据集，揭示非编码区影响癌症发展的新模式。本文综述非编码突变在癌症中的作用及关键AI模型。

方法速览

通过文献综述，总结过去十年分析非编码变异的九种主要AI模型，比较其复杂性、数据整合能力等，助研究人员选工具。

主要发现

1. 启动子与增强子突变影响癌症：TERT启动子点突变增强转录活性，促癌细胞增殖；FAP中APC启动子胚系突变增加患癌风险；8q24增强子SNP增加胶质瘤风险；超增强子高突变率影响B细胞淋巴瘤。
2. 沉默子突变致基因表达异常：雌激素受体阳性乳腺癌中，FGFR2风险位点变异增强沉默子活性，减少FGFR2表达，增加患癌风险；相关SNP可能升高ESR1表达。
3. 非编码变异功能复杂：仅有限非编码突变是致癌驱动因素，调控区域突变在经典癌症基因中富集，组织特异性突变与特定基因表达有关。
4. AI模型不断发展：从早期CNN到近年基于Transformer架构，模型通过整合多生物数据，提升非编码变异预测能力。细胞类型特异性影响模型性能，解释性也是关键。

总结展望

本文首次系统分析AI模型在非编码基因组癌症研究中的应用，GET模型进展显著。但模型仍有局限，如解释性待提高、数据整合和细胞类型特异性是挑战、复杂性和计算需求限制应用。