挖掘肿瘤大数据有助于识别和总结肿瘤发生、发展过程的分子变化规律。然而，肿瘤组织高度异质性、批次效应等因素是肿瘤数据分析的重要难题，而目前常用的转录组数据分析方法对于肿瘤离群值极度敏感，容易产生假阴性结果。针对此，中国科学院昆明动物研究所科研人员开发了一种新的不依赖均一化、非参的高维大数据分析算法（Cross-Value Association Analysis，CVAA）。基于对同一批转录组数据（1037个乳腺肿瘤和110个正常组织）的分析结果揭示：与T-Test、edgeR及DESeq等常用算法相比，CVAA在处理异质性数据时能明显地减少异常样本的影响和假阴性结果。

进一步将CVAA应用于TCGA数据库的5540个肿瘤（13种实体瘤）及正常组织的RNA-Seq转录组数据，研究人员成功鉴定到大量肿瘤显著差异表达基因，且不同肿瘤之间存在很多相似的基因转录紊乱模式。进而，针对甄别得到的新的肿瘤相关基因和生物学途径，如酒精代谢途径（ADH1B基因）、补体途径（Adipsin）等，研究人员筛选了10个未被报道的基因进行了体内外功能验证研究，结果发现其表达量变化均能显著抑制肿瘤细胞的增殖和/或迁移，且部分基因（ADH1B和NCAPH）表达量改变显著影响病人生存率和体外移植瘤的生长。因此，该项工作不但成功鉴定出大量新的肿瘤相关基因和通路，为深入理解肿瘤发生发展提供研究靶标，同时也表明CVAA算法在大批量、异质性数据分析中具有重要的应用价值。

该研究成果于近期发表在国际期刊Theranostics上，昆明动物所助理研究员李其刚、副研究员何永捍、博士生吴焕和副研究员杨翠萍为共同第一作者，研究员孔庆鹏和陈勇彬为共同通讯作者。该项目得到中科院、国家自然科学基金、云南应用基础研究和中科院青年创新促进会等的项目的支持。

图1 CVAA与常用算法的比较

图2 体内外实验结果