血液遺伝子発現データからの深層学習とXAIベースの解釈可能な特徴選択を用いたアルツハイマー病予測

科学分野:

• 生物医学情報学
• 神経科学
• ゲノム科学

背景:

• ADは神経変性疾患であり、アクセス可能な早期検出の必要性が高まっています。
• 現在のAD診断方法は、しばしば侵襲的で高価です。
• 血液遺伝子発現は、有望で低侵襲な代替バイオマーカー源を提供します。

研究 の 目的:

• 血液遺伝子発現バイオマーカーを使用したADの包括的な早期検出方法を開発すること。
• 少数のサンプルで高次元の血液遺伝子発現データを分析する際の課題に対処すること。
• 高度な計算技術を使用して、AD診断と分類のための重要な遺伝子を特定すること。

主な方法:

• 4つの特徴選択方法（カイ二乗、ANOVA、RFE、ElasticNet）を適用して、AD関連遺伝子を特定しました。
• 選択された遺伝子バイオマーカーに基づいてAD分類のための2つの深層学習モデルを開発しました。
• モデル検証と遺伝子ランキングのために、ネストされた5倍交差検証とSHapley Additive exPlanations（XAI）を利用しました。
• 少量のサンプルでモデルの一般化を強化するために、敵対的生成ネットワーク（GAN）ベースのデータ拡張を採用しました。

主要な成果:

• AD診断のための重要な血液遺伝子バイオマーカーを特定しました。
• 深層ニューラルネットワークを使用してADサンプルを分類する際に、91%の精度と95%の適合率を達成しました。
• 特徴選択とデータ拡張により、適合率と解釈可能性が大幅に向上しました。

結論:

• 高度な特徴選択と深層学習を組み合わせた血液遺伝子発現分析は、ADの早期検出のための実行可能な戦略を提供します。
• 開発された方法論は、アルツハイマー病の診断の精度と解釈可能性を向上させます。
• この研究は、アルツハイマー病のためのよりアクセス可能で費用効果の高い早期診断ツールの道を開きます。