［本站讯］近日，控制科学与工程学院刘治平教授团队在Nature Portfolio旗下期刊npj Digital Medicine在线发表题为“CNet-Cox for interpretable network biomarker discovery and survival risk scoring in precise breast cancer prognosis”的研究论文。该研究针对癌症精准预后中生物标志物发现难、风险评估可解释性不足等关键问题，提出了连通网络正则化比例风险模型CNet-Cox。该模型将基因调控网络先验知识融入生存分析与特征选择过程，在网络结构约束下实现可解释预后标志物识别，并进一步构建预后风险评分体系，为精准风险分层和个体化诊疗提供了新的计算方法。博士毕业生李苓玉为第一作者，刘治平教授为通讯作者，山东大学为论文第一作者单位和通讯作者单位。
乳腺癌是全球高发恶性肿瘤之一，精准识别预后相关生物标志物对于患者风险分层和个体化治疗具有重要意义。传统特征选择和正则化Cox模型通常忽略基因在调控网络中的协同作用，易筛选出分散、孤立的标志物，限制了模型解释性和临床转化潜力。针对这一问题，研究团队在Cox生存分析框架中引入稀疏正则化、图结构惩罚和网络连通性约束，并整合TCGA乳腺癌转录组数据、乳腺癌通路相关先验知识及团队自建的基因调控网络数据库RegNetwork，构建了CNet-Cox预后建模框架。
研究结果显示，CNet-Cox共识别出68个乳腺癌预后相关基因，这些基因形成单一连通的预后网络模块，并显著富集于乳腺癌相关通路。在内部测试数据集中，CNet-Cox取得约0.913的一致性指数，优于多种预后评估方法，体现出良好的预测性能和生物学解释性。基于上述网络标志物，团队进一步构建了由EGR1、IGFBP5、JUN、MAFK、MYC和TCF7组成的乳腺癌“六基因”预后风险评分系统。该评分能够有效区分高风险和低风险患者，并在7个独立乳腺癌队列共1602例样本以及10x Visium乳腺癌空间转录组数据中得到验证，展现出跨队列和空间组织层面的稳健预后评估能力。
该研究建立了从网络生物标志物发现、风险评分构建到多队列和空间转录组验证的完整分析框架，为复杂疾病预后标志物发现提供了有力的新工具，在精准医学、数字病理和智能肿瘤预后评估中具有重要应用价值。本工作是控制学院与香港大学数学系、数据科学研究院、计算与数据科学学院及生物医学学院合作推进的跨领域前沿探索课题，研究得到了国家重点研发计划、国家自然科学基金重大研究计划和山东省重点研发计划的大力支持。
