PPPCT:隐私保护框架,用于并行聚类的转录学数据

科学领域:

• 基因组学就是基因组学.
• 计算生物学 计算生物学
• 数据 隐私 数据 隐私 数据

背景情况:

• 单细胞转录组学数据提供了重要的患者健康见解,但面临着数据泄露的重大隐私风险.
• 基因组数据攻击可以破坏患者及其家属的敏感健康信息,泄露的数据是永久性的.
• 对于单细胞数据的现有集群方法往往忽视了关键的隐私考虑.

研究的目的:

• 引入一种高效,快速和保护隐私的方法,用于集群单细胞RNA测序 (scRNA-seq) 数据集.
• 为了确保数据隐私,实现高质量的集群,处理高维度,并保持大数据集的合理计算时间.
• 为了利用安全的计算环境和先进的算法进行强大的scRNA-seq数据分析.

主要方法:

• 使用地图缩小方案进行并行聚类,以处理密集的计算.
• 采用英特尔软件守护扩展 (SGX) 处理器,用于安全处理敏感代码和数据.
• 包含对数转换,非负矩阵因子化以减少维度,以及在安全的私有云中并行k-means集群.

主要成果:

• 与最先进的方法相比,在保护患者隐私方面表现出更高的有效性.
• 根据数据集大小,为集群质量达到至少7%的调整后兰德指数 (ARI),取决于数据集大小.
• 显示显著的效率,大数据集的计算时间低于10秒,即使启用了隐私措施.

结论:

• 拟议的方法有效地平衡了隐私保护与scRNA-seq数据的高质量聚类.
• 它为分析敏感的基因组数据集提供了计算效率高和安全的解决方案.
• 该方法为推进生物信息学中保护隐私的机器学习提供了强大的框架.