图神经网络在多组学癌症研究中的应用：结构化综述

多组学数据集成的任务已成为解开癌症复杂生物学基础的强大策略。最近的图神经网络（GNN）技术进展为建模异构和结构化的组学数据提供了有效框架，使我们能够精确表示分子相互作用和调控网络。本系统性综述探讨了几项近期研究，这些研究利用GNN架构在多组学癌症研究中发挥作用。我们根据所针对的组学层级、图神经网络结构以及生物学任务（如亚型分类、预后预测和生物标志物发现）对方法进行分类。分析结果显示，混合模型和可解释模型的趋势日益增长，注意力机制和对比学习的采用也在增加。此外，我们还强调了患者特定图和知识驱动的先验作为新兴方向。本综述为旨在设计有效的GNN集成癌症分析管道的研究人员提供了全面的资源，提供了关于当前实践、局限性以及潜在未来方向的见解。