大規模マルチパーティゲノムデータのプライバシー保護類似性検索フレームワーク

科学分野:

• ゲノミクス;バイオインフォマティクス;計算生物学

背景:

• データサイロとプライバシーの懸念は、作物育種におけるマルチ機関ゲノムデータの解析を妨げています。;エリート対立遺伝子と類似のゲノム関連を同定するには、多様なデータセット間での安全なデータマッチングが必要です。

研究 の 目的:

• プライバシー強化型局所性鋭敏型ハッシュ（LSH）と連邦学習を統合したFed-LSHフレームワークを提案すること。;生データを共有せずに、機関間のゲノム関連解析とエリート対立遺伝子の同定を可能にすること。

主な方法:

• 局所性鋭敏型ハッシュ（LSH）と連邦学習を組み合わせた協調的フレームワークを利用しています。;分散型ハッシュインデックス構築、アウトソースされた計算、および暗号化された類似性検索を採用しています。;パフォーマンス評価のために、標準的なパーソナルコンピュータ上でFed-LSHを実装しました。

主要な成果:

• 3072次元データから4つの候補を推奨する際に、60.72% ± 1.2%のヒット率を達成しました。;候補選択のために10,000個のゲノムフラグメント（3072次元）を0.5秒未満で処理しました。;プライバシー保護ゲノム解析のための効率的かつ正確なパフォーマンスメトリクスを示しました。

結論:

• Fed-LSHは、プライバシー保護型協調的作物育種のための基盤となる技術サポートを提供します。;このフレームワークは、マルチパーティゲノムデータマッチングにおけるデータサイロとプライバシーの懸念に効果的に対処します。;機関間でのエリート対立遺伝子および類似のゲノム関連の安全な同定を可能にします。