融合互信息和自适应弹性网络的基因调控网络重构算法

任世鹏; 于德印; 杨国庆; 陈锦鹏; 张可; 李奇蔚; 张思佳; 李超

doi:10.13417/j.gab.045.000722

基因组学与应用生物学 ›› 2026, Vol. 45 ›› Issue (3) : 722 -740. DOI: 10.13417/j.gab.045.000722

融合互信息和自适应弹性网络的基因调控网络重构算法

任世鹏, 于德印, 杨国庆, 陈锦鹏, 张可, 李奇蔚, 张思佳, 李超

作者信息 +

Author information +

文章历史 +

摘要

基因调控网络(gene regulatory network,GRN)是揭示基因间相互作用及生命系统复杂调控机制的核心工具,其准确推断对于理解生物过程、解析疾病机制和挖掘潜在药物靶点具有重要意义。然而,在高维基因表达数据背景下,如何实现特征的稳定筛选并有效捕获基因间的线性与非线性依赖关系,仍是当前GRN推断的关键挑战。为此,本研究提出了融合互信息和自适应弹性网络的基因调控网络重构(a mutual information-guided adaptive elastic net approach for gene regulatory network reconstruction, MAEL-GRN)方法,在传统弹性网络中引入互信息(mutual information, MI)驱动的动态惩罚项,使惩罚强度能够自适应地反映基因间的统计依赖性,从而强化真实调控关系的识别能力。在基准数据集DREAM3和DREAM4上, MAELGRN与七种主流算法相比,受试者工作特征曲线下面积(area under the receiver operating characteristic curve, AUROC)与精确率-召回率曲线下面积(area under the precision-recall curve, AUPRC)分别提升了约15.4%和19.2%。同时,将该方法应用于癌症基因组图谱膀胱癌数据,成功重构了以MAP3K1、 STX17等基因为核心的调控网络,精准识别了驱动癌症发生发展的关键调控模块。因此, MAEL-GRN能够稳定、准确地解析基因间的调控关系,为构建高可信度的基因调控网络提供了新思路,并为系统生物学研究与疾病机制探索奠定了坚实基础。