近日，生物医学工程学院智慧医学实验室联合安徽大学健康大数据智能研究所，在计算机领域著名学术期刊《IEEE生物医学与健康信息学（IEEE Journal of Biomedical and Health Informatics）》(IF=7.7)上发表题为《基于多特征融合和迭代特征表示学习的驱动同义突变预测方法研究（Effect Predictor of Driver Synonymous Mutations Based on Multi-feature Fusion and Iterative Feature Representation Learning）》的学术论文。我院教师程娜博士和研究生毕传美为论文的共同第一作者，梁振教授为第一通讯作者，我校为第一通讯作者单位。

在人类癌症基因研究中，准确识别驱动突变是至关重要的。迄今为止，虽然已经发现了许多癌症驱动错义突变，但针对同义突变的潜在癌症驱动因素研究取得的成功有限。在本项研究中，我们开发了一个新的机器学习框架（epSMic），用于预测癌症驱动同义突变。epSMic采用了一种迭代特征表示学习方案，便于在监督迭代模式下从各种序列模型中学习判别特征。通过构建基准数据集，并对嵌入序列、物理化学性质、保守性和剪切特征等基本信息进行编码。在基准测试数据集上的评估结果表明，epSMic优于现有方法。本项研究揭示epSMic将有助于理解和鉴别驱动同义突变，以及解释它们在人类癌症基因组中的潜在功能机制。

该研究工作得到了省自然科学基金、安徽省高等学校自然科学研究项目等的资助。(生物医学工程学院 程娜）

论文链接：https://ieeexplore.ieee.org/abstract/document/10360234