近日，伟德BETVlCTOR1946科学智能（AI for Science）交叉研究中心研究成果“Identifying potential risk genes for clear cell renal cell carcinoma with deep reinforcement learning”发表于《Nature Communications》期刊。伟德源自英国1946博士生鹿大智、天津大学副教授郑岩和四川大学博士生易贤颜翎为该论文共同第一作者，天津大学郝建业教授、四川大学艾建忠研究员和伟德源自英国1946彭佳杰教授为共同通讯作者。

文章链接：https://www.nature.com/articles/s41467-025-58439-5

图1. 总体框架图

透明细胞肾细胞癌 (ccRCC) 是最常见的肾细胞癌亚型。然而，现有研究对ccRCC基因层面的风险因素的了解仍然有限，这对其患者的诊断和治疗带来了挑战。传统癌症风险基因识别方法主要基于突变频率识别风险基因，但某些关键驱动基因（如 PIK3CA）在ccRCC患者中突变频率较低（不足5%），并且由于癌症的遗传基础极其多样，不同患者间的突变模式存在显著差异，导致基于突变频率的方法和无监督方法在泛化性和准确性上受限。监督学习方法依赖大量已知高置信度风险基因作为训练样本。然而，目前已知的ccRCC高置信风险基因数量有限，限制了这类方法的应用和性能。为了解决这些挑战，该论文提出了一种基于深度强化学习的计算方法RL-GenRisk，结合ccRCC患者的高通量测序数据，识别ccRCC的风险基因。与传统的监督模型不同，RL-GenRisk将ccRCC风险基因的识别建模为马尔可夫决策过程，通过结合强化学习范式，基于生物网络与高通量癌症患者测序数据设计数据驱动的奖励机制，从而解决监督学习方法受限于有限标签数据的挑战。实验结果表明，RL-GenRisk在ccRCC风险基因识别问题上优于现有方法，通过在膀胱癌和胶质母细胞瘤患者数据上的实验发现，RL-GenRisk也可以被应用于其他癌症的风险基因识别任务。此外，RL-GenRisk识别出了一些潜在的ccRCC风险基因。通过与四川大学华西医院合作，结合体内与体外实验成功验证了EGFR和PCLO两个基因，发现这两个基因的失调都会显著影响ccRCC的进展，表明RL-GenRisk所识别出的风险基因具有作为ccRCC潜在治疗靶点的潜力。

论文中我校主要作者也是伟德BETVlCTOR1946大数据管理与分析团队成员。该团队近年来面向国家重大需求，围绕大数据存储、管理，及领域化大数据分析等开展科学研究和技术研发，承担了多项国家和行业重大重点科研项目，近年来获陕西省科学技术一等奖1项、教育部科技进步奖一等奖2项等，先后研制了大型对象—关系数据库管理系统、金融分布式数据库、生物网络分析平台等，为推动大数据管理和分析的技术进步和产业发展提供了重要支撑。

近年来，伟德BETVlCTOR1946积极贯彻落实学校加强学科交叉融合与突破创新的要求，充分发挥学科优势，积极开展学科交叉融合研究和机制创新探索，成立了计算与艺术、仿生芯片、脑科学与类脑计算、科学智能（AI for Science）等四个交叉研究中心，旨在加强交叉科学研究，催生新的学科增长点，产生重大科研成果。目前，学院已经产生一系列交叉研究成果，并在《Nature Genetics》《Nature Communications》《PNAS》《Cerebral Cortex》等非计算机领域传统期刊上发表，四个交叉中心共培育了三名国家级人才、五名国家级青年人才，并成功获批国家自然科学基金博士项目，取得了显著的成效。

（审稿：彭佳杰、尚学群）