BACKGROUND Although there are huge volumes of genomic data, how to decipher them and identify driver events is still a challenge. The current methods based on network typically use the relationship between genomic events and consequent changes in gene expression to nominate putative driver genes. But there may exist some relationships within the transcriptional network. METHODS We developed MECoRank, a novel method that improves the recognition accuracy of driver genes. MECoRank is based on bipartite graph to propagates the scores via an iterative process. After iteration, we will obtain a ranked gene list for each patient sample. Then, we applied the Condorcet voting method to determine the most impactful drivers in a population. RESULTS We applied MECoRank to three cancer datasets to reveal candidate driver genes which have a greater impact on gene expression. Experimental results show that our method not only can identify more driver genes that have been validated than other methods, but also can recognize some impactful novel genes which have been proved to be more important in literature. CONCLUSIONS We propose a novel approach named MECoRank to prioritize driver genes based on their impact on the expression in the molecular interaction network. This method not only assesses mutation's effect on the transcriptional network, but also assesses the differential expression's effect within the transcriptional network. And the results demonstrated that MECoRank has better performance than the other competing approaches in identifying driver genes.

中文翻译：

---

MECoRank：癌症驱动基因的发现同时评估了SNV和差异表达对转录网络的影响。

背景技术尽管有大量的基因组数据，但是如何解密它们并识别驾驶员事件仍然是一个挑战。当前基于网络的方法通常使用基因组事件与基因表达的相应变化之间的关系来提名推定的驱动基因。但是在转录网络中可能存在一些关系。方法我们开发了MECoRank，这是一种提高驱动基因识别准确性的新方法。MECoRank基于二分图，通过迭代过程传播分数。迭代后，我们将获得每个患者样品的排名基因列表。然后，我们应用Condorcet投票方法来确定人口中影响最大的驱动因素。结果我们将MECoRank应用于三个癌症数据集，以揭示对基因表达影响更大的候选驱动基因。实验结果表明，与其他方法相比，我们的方法不仅可以识别更多已被验证的驱动基因，而且还可以识别一些有影响力的新基因，这些基因在文献中被证明更为重要。结论我们提出了一种名为MECoRank的新方法，可以根据驱动基因对分子相互作用网络中表达的影响来对驱动基因进行优先排序。该方法不仅评估突变对转录网络的作用，而且评估在转录网络内差异表达的作用。结果表明，MECoRank在鉴定驱动基因方面比其他竞争方法具有更好的性能。实验结果表明，与其他方法相比，我们的方法不仅可以识别更多已被验证的驱动基因，而且还可以识别一些有影响力的新基因，这些基因在文献中被证明更为重要。结论我们提出了一种名为MECoRank的新方法，可以根据驱动基因对分子相互作用网络中表达的影响来对驱动基因进行优先排序。该方法不仅评估突变对转录网络的作用，而且评估在转录网络内差异表达的作用。结果表明，MECoRank在鉴定驱动基因方面比其他竞争方法具有更好的性能。实验结果表明，与其他方法相比，我们的方法不仅可以识别更多已被验证的驱动基因，而且还可以识别一些有影响力的新基因，这些基因在文献中被证明更为重要。结论我们提出了一种名为MECoRank的新方法，可以根据驱动基因对分子相互作用网络中表达的影响来对驱动基因进行优先排序。该方法不仅评估突变对转录网络的作用，而且评估在转录网络内差异表达的作用。结果表明，MECoRank在鉴定驱动基因方面比其他竞争方法具有更好的性能。而且还可以识别一些有影响力的新基因，这些新基因在文献中被证明更为重要。结论我们提出了一种新的方法，称为MECoRank，基于驱动基因对分子相互作用网络中表达的影响来对驱动基因进行优先排序。该方法不仅评估突变对转录网络的作用，而且评估在转录网络内差异表达的作用。结果表明，MECoRank在鉴定驱动基因方面比其他竞争方法具有更好的性能。而且还可以识别一些有影响力的新基因，这些新基因在文献中被证明更为重要。结论我们提出了一种名为MECoRank的新方法，可以根据驱动基因对分子相互作用网络中表达的影响来对驱动基因进行优先排序。该方法不仅评估突变对转录网络的作用，而且评估在转录网络内差异表达的作用。结果表明，MECoRank在鉴定驱动基因方面比其他竞争方法具有更好的性能。该方法不仅评估突变对转录网络的作用，而且评估在转录网络内差异表达的作用。结果表明，MECoRank在鉴定驱动基因方面比其他竞争方法具有更好的性能。该方法不仅评估突变对转录网络的作用，而且评估在转录网络内差异表达的作用。结果表明，MECoRank在鉴定驱动基因方面比其他竞争方法具有更好的性能。