识别癌症驱动基因对于理解肿瘤的起始和指导治疗策略至关重要。然而，大多数现有方法从全球或静态的角度评估基因的重要性，忽略了同一基因在不同样本中的功能差异。为了解决这个问题，我们提出了TGBWDriver，该方法集成了两层GraphSAGE和双向加权特征聚合，以捕捉结构特征，同时区分上下文依赖的基因功能。指数对投票策略优先考虑候选驱动基因，提高了排名的稳定性和准确性。在BRCA、LUAD和PRAD数据集上的系统实验表明，TGBWDriver在精准度、召回率和F1分数上优于五种现有方法。消融研究确认了每个组件的重要性。此外，TGBWDriver在识别潜在新癌症驱动基因方面表现出强大的能力，其预测在GO富集和KEGG通路分析中显示了显著的生物学相关性。该方法提供了一个有效的计算框架用于癌症驱动基因的识别。源代码和数据集可在https://github.com/SCSMDyeah/TGBW免费获取，访问日期为2026年5月4日。
Chen等（星期二）研究了这个问题。