人工知能を用いたウェアラブルからのデジタルフェノタイプ化は,精神疾患を特徴づけ,遺伝的関連性を特定する
Jason J Liu1, Beatrice Borsari1, Yunyang Li2
1Program in Computational Biology and Biomedical Informatics, Yale University, New Haven, CT 06511, USA; Department of Molecular Biophysics and Biochemistry, Yale University, New Haven, CT 06511, USA.
ウェアラブルなセンサーは 詳細な行動を記録し 青少年における精神疾患を より正確に特定できるようにします このアプローチは遺伝学的研究も強化し 精神疾患との新しい遺伝子関連性を明らかにします
科学分野:
- 神経科学
- 遺伝学
- デジタル・ヘルス
背景:
- 精神疾患は複雑な遺伝子と環境の相互作用から生じます
- 正確な行動の特徴は 精神医学の研究において 極めて重要ですが 難しいものです
- ウェアラブルセンサは 定量的で偏りのない行動データ収集の 新しい方法を提供します
研究 の 目的:
- 青少年における精神疾患の分類を改善するために,ウェアラブルセンサーデータと人工知能 (AI) を活用する.
- ウェアラブルデータから得られたデジタルフェノタイプをゲノム全体の関連研究 (GWAS) に統合し,遺伝的発見を強化する.
- 精神疾患に関連した新しい遺伝的位置と遺伝子を,継続的な行動的フェノタイプ化によって特定する.
主な方法:
- Adolescent Brain Cognitive Development (ABCD) 研究によるウェアラブルセンサと遺伝子データの分析
- 250以上のウェアラブル由来機能 (デジタルフェノタイプ) を利用した解釈可能なAIフレームワークの開発と応用.
- デジタルフェノタイプを組み込むユニバリエイトとマルチバリエイトの全ゲノム関連研究 (GWAS) の実施
主要な成果:
- AIフレームワークは,以前の方法と比較して,精神障害のある青少年を分類する上でより高い精度を達成しました.
- ELFN1とADORA3を含む16の重要な遺伝的位置と37の精神疾患関連遺伝子の特定
- GWASでは,従来のケース・コントロールアプローチよりも,継続的な,ウェアラブルで派生した機能がより高い検出能力を提供することを実証する.
結論:
- ウェアラブル技術とAIは 青少年における精神疾患を 客観的かつ正確に分類できます
- ウェアラブルデータから得られたデジタルフェノタイプは 遺伝的関連研究の力を大幅に高めます
- この統合的アプローチは 思春期の行動と 精神疾患の遺伝的基盤との 新しい関連性を明らかにしています
さらに関連する動画
09:38Generalized Psychophysiological Interaction PPI Analysis of Memory Related Connectivity in Individuals at Genetic Risk for Alzheimer's Disease
Published on: November 14, 2017
04:19A Computer-Based Platform for Aiding Clinicians in Eating Disorder Analysis and Diagnosis
Published on: May 10, 2022
関連する概念動画
Human Genetics
The complex relationship between genetics and psychology is observable through common biological components such...
Genome-wide Association Studies-GWAS
GWAS does not require the identification of the target gene involved in...
Behavioral Genetics and Its Designs
The primary methodologies used in behavior genetics include family studies, twin studies, and adoption studies, each providing unique...
Polygenic Traits
