神経精神疾患の遺伝子発現ベースの分類器の評価:メタ・リグレッション

科学分野:

• 神経科学
• ゲノミクス
• バイオ情報学

背景:

• 遺伝子発現バイオマーカーは 神経精神疾患の治療に有望である.
• バイオマーカー分類器の性能に研究設計がどのように影響するかについては合意が欠けている.

研究 の 目的:

• 神経精神疾患におけるトランスクリプトミクスに基づく分類の精度に影響を与える研究特性と方法論を特定する.
• 遺伝子発現バイオマーカー研究の設計と評価を改善するための洞察を提供すること.

主な方法:

• 神経精神疾患の分類のためにトランスクリプトミクスを用いた研究の文献レビューとメタ回帰を行った.
• サンプルサイズ,検証方法,分類モデルを含む抽出された試験特性.
• 分類精度との関連を評価するために,単変数および多変数混合効果メタレグレッション分析を行った.

主要な成果:

• マシン・ラーニング (ML) のモデルは最も一般的であり (55%),ロジスティック・リグレッション (25%) とディープ・ラーニング (DL) が次いで (20%) であった. サポートベクトルマシン (SVM) が最も頻繁なモデルであった (17%).
• 試料を保持したのが主な検証方法でした (56%).
• 精度と研究バイアスのリスク,モデルタイプ,クラス比率,および検証アプローチの間の有意な関連性が見つかりました.

結論:

• 研究の設計と方法論の選択は,神経精神疾患の遺伝子発現に基づく分類者の正確性に大きく影響します.
• 偏った精度評価を避けるために 訓練やモデルの評価には慎重な方法論が不可欠です
• 発見は,神経精神病診断と患者のアウトカムを改善するために,信頼性の高い,最小侵襲的な遺伝子発現バイオマーカーを開発するための将来の研究設計を導くことができます.