Un marco para la búsqueda de similitud que preserva la privacidad de datos genómicos masivos de múltiples partes

Área de la Ciencia:

• Genómica; Bioinformática; Biología Computacional

Sus antecedentes:

• Los silos de datos y las preocupaciones sobre la privacidad dificultan el análisis de datos genómicos multinstitucionales en el mejoramiento de cultivos.; La identificación de alelos de élite y asociaciones genómicas similares requiere una coincidencia segura de datos en diversos conjuntos de datos.

Objetivo del estudio:

• Proponer el marco Fed-LSH, que integra el hashing sensible a la localización (LSH) con mejora de la privacidad y el aprendizaje federado.; Permitir el análisis de asociación genómica interinstitucional y la identificación de alelos de élite sin compartir datos brutos.

Principales métodos:

• Utiliza un marco colaborativo que combina el hashing sensible a la localización (LSH) y el aprendizaje federado.; Emplea la construcción de índices hash distribuidos, la computación externalizada y la búsqueda de similitud cifrada.; Implementa Fed-LSH en computadoras personales estándar para la evaluación del rendimiento.

Principales resultados:

• Logra una tasa de aciertos del 60,72% ± 1,2% al recomendar 4 candidatos de datos de 3072 dimensiones.; Procesa 10.000 fragmentos genómicos (3072 dimensiones) en menos de 0,5 segundos para la selección de candidatos.; Demuestra métricas de rendimiento eficientes y precisas para el análisis genómico que preserva la privacidad.

Conclusiones:

• Fed-LSH proporciona soporte técnico fundamental para el mejoramiento colaborativo de cultivos que preserva la privacidad.; El marco aborda eficazmente los silos de datos y las preocupaciones sobre la privacidad en la coincidencia de datos genómicos multipartitos.; Permite la identificación segura de alelos de élite y asociaciones genómicas similares entre instituciones.