机器学习推进人类基因组的广泛关联研究研究

科学领域:

• 遗传学 遗传学 是一个
• 流行病学 流行病学
• 计算机科学 计算机科学

背景情况:

• 机器学习 (ML) 方法,包括深度学习,强化学习和生成人工智能,为分析复杂的生物系统提供了强大的工具.
• 虽然ML自2004年以来已经应用于人类遗传流行病学,但它的全部潜力在很大程度上仍未得到充分利用.

研究的目的:

• 审查ML在将人类遗传基因位置分配到健康结果中的主要应用.
• 总结广泛使用的ML方法,讨论它们在遗传研究中的优势和挑战.
• 识别和评估设计用于对遗传变异数据进行无假设分析的工具.

主要方法:

• 审查现有的关于机器学习应用在人类遗传流行病学的文献.
• 摘要和讨论用于遗传数据分析的常见ML技术.
• 识别和评估诸如 Combi,GenNet 和 GMSTool 这样的专业工具.

主要成果:

• 机器学习方法提供了有效的方法来解读来自大型数据集的信息,以了解复杂的生物系统.
• 几种工具 (Combi,GenNet,GMSTool) 促进了对遗传变异数据的无假设分析,整合了各种ML方法.
• 该评论从遗传学家的角度讨论了这些工具的附加值和局限性.

结论:

• 机器学习对推进人类遗传流行病学研究具有重大前景,特别是将遗传变异与健康结果联系起来.
• 专门工具的开发和应用对于最大限度地提高ML在遗传研究中的实用性至关重要.
• 未来的方向包括基础模型的整合和大型多模式的OMIC生物银行计划,以进行更全面的遗传分析.