| 评审组： | 计算机与系统科学组 | | 项目名称： | 基于多组学数据的癌症跨尺度模式挖掘理论与方法 |
| 提名单位： | 中共陕西省委军民融合发展委员会办公室 |
| 提名等级： | 一等奖 |
| 提名单位意见： | 我单位认真审阅了该项目提名书及附件材料，确认全部材料真实有效，并按照要求对该项目的基本情况进行了公示，公示期间无异议。
该项目针对癌症发生发展相关的“小尺度DNA模式挖掘”、“中尺度细胞模式推断”，和“大尺度表型精准分类”三大关键科学问题，基于基因组、三维基因组、转录组等多组学数据，深度融合图论、网络科学、机器学习等计算理论与关键技术，建立了具有自主知识产权的癌症跨尺度模式挖掘理论与方法体系，为实现癌症多尺度机制解析和精准干预提供了新路径。代表性成果发表在Nature子刊《Nature Communications》、Science子刊《Science Advances》、生物信息学国际著名期刊《Advanced Science》和《PLoS Computational Biology》、国内著名期刊《Genomics Proteomics Bioinformatics》，引文发表在《Cell》正刊和Nature/Science/Cell的重要子刊。
根据《陕西省科学技术厅关于2025年度省科学技术奖提名工作的通知》，参照陕西省科学技术奖评定条件和评定标准，提名该项目参评陕西省自然科学奖一等奖。
|
| 项目简介： | 
|
| 客观评价： | 
|
| 代表性论文专著目录： | 
|
| 主要完成人情况： | - 姓名：高琳
排名：1
行政职务：无
技术职称：教授
工作单位：西安电子科技大学
完成项目时所在单位：西安电子科技大学
对本项目主要学术贡献：研究癌症发生发展涉及的“DNA-细胞-表型”跨尺度模式, 聚焦多组学数据分析的核心难点，建立具有自主知识产权的癌症跨尺度模式挖掘理论与方法体系，为实现癌症多尺度机制解析和精准干预提供了新路径。对“科学发现一、二、三”有重要贡献，是代表性论文【1】、【4】、【5】的通讯作者，是代表性论文【3】的主要贡献者。
- 姓名：胡宇轩
排名：2
行政职务：无
技术职称：教授
工作单位：西安电子科技大学
完成项目时所在单位：西安电子科技大学
对本项目主要学术贡献：将基因协同模式识别问题转化为图中最优控制节点识别问题，构建了基于网络可控性理论的关键基因协同组合识别算法OptiCon，为肿瘤联合疗法研发提供新思路和新靶标；将细胞通讯信号通路识别问题转化为图中斯坦纳森林问题，建立了细胞通讯信号网络从头构建算法CytoTalk，对于完善图理论、模式识别等计算机领域的基础理论具有推动作用，也能揭示组织发育等生理过程、肿瘤发生发展等病理过程中细胞通讯模式的动态变化，有望为靶向-免疫联合疗法提供新靶标。对“科学发现一、二、三”有重要贡献，是代表性论文【1】、【3】的第一作者，是代表性论文【5】的主要贡献者。
- 姓名：叶育森
排名：3
行政职务：无
技术职称：副教授
工作单位：西安电子科技大学
完成项目时所在单位：西安电子科技大学
对本项目主要学术贡献：创新性融合流行学习和图理论，从三维基因组视角特征刻画单个细胞，提出细胞环形轨迹推断算法CIRCLET，系统刻画了细胞周期过程中染色质结构的动态变化，推动了细胞周期过程中特异性表观调控的解析，为发现癌症等复杂疾病的潜在生物标志物提供了全新的计算框架与研究视角。对“科学发现二”有重要贡献，是代表性论文【4】的第一作者。
- 姓名：蔺佳栋
排名：4
行政职务：无
技术职称：讲师
工作单位：西安交通大学
完成项目时所在单位：西安交通大学
对本项目主要学术贡献：针对传统模型匹配策略在复杂结构变异检测中难以捕捉多断点互作的瓶颈，提出了基于图模式生长的结构变异高精度检测算法Mako，建立了“无模型”的复杂结构变异检测新范式，为癌症基因组进化研究与精准诊疗提供核心方法学支撑。对“科学发现一”有重要贡献，是代表性论文【2】的第一作者。
- 姓名：王炳波
排名：5
行政职务：无
技术职称：教授
工作单位：西安电子科技大学
完成项目时所在单位：西安电子科技大学
对本项目主要学术贡献：提出了基于网络可控性理论的节点控制范围量化指标，为OptiCon算法提供重要的理论基础。对“科学发现一”有重要贡献，是代表性论文【1】的主要贡献者。
- 姓名：贾松卫
排名：6
行政职务：无
技术职称：讲师
工作单位：西安电子科技大学
完成项目时所在单位：西安电子科技大学
对本项目主要学术贡献：参与构建癌症亚型精准分类的多组学数据集成评估框架，为癌症精准分型提供新范式。对“科学发现三”有重要贡献，是代表性论文【5】的主要贡献者。
|
| 主要完成单位： | - 单位名称：西安电子科技大学
单位贡献：4篇代表性论文在西安电子科技大学完成，学校为本项目的立项、执行和完成提供了人力保证，以及研究经费、实验用房等方面的支持，取得以下突破：
（1）针对DNA功能模式中的基因协同效应识别难题，提出了关键基因协同组合识别算法OptiCon，通过量化基因协同效应并构建网络可控性模型，解决了组合靶标识别中的计算复杂度过高问题。
（2）针对细胞协作模式中的通讯网络构建难题，提出了细胞通讯信号网络从头构建算法CytoTalk，通过建立Crosstalk Score量化指标和斯坦纳森林模型，实现了细胞间信号通路的从头构建。
（3）针对细胞行为模式中的周期解析需求，提出了细胞周期伪轨迹推断算法CIRCLET，通过融合三维基因组特征与流形学习，首创了环形轨迹模型，实现了细胞周期的12阶段精细划分。
（4）针对癌症核心表型—亚型精准分类的挑战，通过系统评估九种癌症类型、11种组学组合在亚型分类中的性能表现，首次发现“增加组学层数可能损害模型性能”的反常识规律，据此提出了面向癌症亚型精准分类的“癌种-组学适配”原则，建立了多组学整合的优化选择框架。
总体而言，西安电子科技大学作为本项目第一完成单位，全面负责项目的总体规划、设计、实施与组织，为本项目提供了大力支持和充分保障，确保了项目的顺利进行。
- 单位名称：西安交通大学
单位贡献：1篇代表性论文在西安交通大学完成，学校为本项目的立项、执行和完成提供了人力保证，研究经费、实验用房以及计算服务等方面的支持。取得以下突破：
（1）针对DNA结构模式中的复杂结构变异检测瓶颈，开发了高精度检测算法Mako，基于图模式生长框架实现了15类复杂结构变异的无模型检测，首次系统发现并命名Tantrans和TanDisdup两种新型变异类型。
（2）揭示了同源序列介导的复杂结构变异形成机制，发现了三种同源模式产生不同复杂结构变异的分子基础，为CRISPR 基因编辑产生的变异预测提供新依据。
（3）建立了“无模型”的复杂结构变异检测新范式，突破传统模型匹配策略对复杂变异的结构解析局限，为癌症基因组进化研究与精准诊疗提供核心方法学支撑。
总体而言，西安交通大学作为本项目参与单位，负责复杂结构变异方法及分析相关研究工作，为本项目提供了大力支持和充分保障，确保了项目的顺利进行。
|
| 完成人合作关系说明： | 完成人合作关系说明：1
|
