バイオバンクの診断データから疾患トピックの形で多病性パターンを推論するためにツリーLFAを使用するプロトコル
Yidong Zhang1, Xilin Jiang2, Gil McVean3
1Department of Radiation Oncology, Peking Union Medical College Hospital, Chinese Academy of Medical Sciences and Peking Union Medical College, Beijing 100006, China; Chinese Academy of Medical Sciences Oxford Institute, Nuffield Department of Medicine, University of Oxford, Oxford OX3 7BN, UK; Big Data Institute, Li Ka Shing Centre for Health Information and Discovery, University of Oxford, Oxford OX3 7LF, UK.
STAR protocols
|September 6, 2025
まとめ
この研究は,併発性疾患のパターンを特定するための新しい方法である treeLFA を導入しています. これは一般的な病気の原因を理解し,より良い健康戦略を開発するのに役立ちます.
科学分野:
- 計算生物学
- バイオ統計学
- 流行病学
背景:
- 多病性の理解は,同時に発生する病気の基礎となる共通の病理的メカニズムを特定するために不可欠です.
- 大規模な診断データは 病気のパターンを洞察します
研究 の 目的:
- 新しいトピックモデルを使用して多病性クラスタを推論するためのプロトコルを提示する.
- 大規模な診断データから病気のトピックを特定できるようにする.
主な方法:
- ベイジアンバイナリ非負行列因数分解に基づいたトピックモデルであるTreeLFAを使用した.
- ソフトウェアのインストール,データ作成,モデルのトレーニング手順について説明します.
- 結果を要約するための詳細な後処理ステップ.
主要な成果:
- このプロトコルは,異なる病気のトピックとして多病性のパターンの推論を容易にする.
- 病気の同時発生についてより深く理解するための下流分析を可能にします.
結論:
- 提示されたプロトコルは,多病性パターンの分析のための堅固な枠組みを提供します.
- データ駆動型トピックモデリングによる疾患メカニズムにおける共通点の発見を支援します.
