В исследовании представлен новый графовый фреймворк MutationNetwork, предназначенный для решения критической задачи в онкогеномике: отличия функциональных драйверных мутаций от нейтральных пассажирских мутаций. В отличие от традиционных методов, ориентированных на линейный поиск, предложенный метод учитывает трехмерную регуляторную структуру генома, интегрируя локальные перекрытия с дальними внутрихромосомными взаимодействиями. Авторы использовали уникальную схему положительной и отрицательной индексации для представления геномных интервалов в виде узлов, что позволило достичь константного времени поиска сложных взаимосвязей. Методология была протестирована на наборе данных из 560 полногеномных последовательностей рака молочной железы, включая подтипы TNBC (трижды негативный рак) и Luminal A. Результаты показали, что полученные эмбеддинги мутаций позволяют эффективно кластеризовать образцы согласно их биологическим подтипам. Данный подход масштабируем и может быть использован для стратификации пациентов с раком и приоритизации потенциальных некодирующих драйверных мутаций на основе их влияния на сетевую структуру генома.