无监督的基于集合的表型增强了与左心室形态相关的基因的可发现性
Rodrigo Bonazzola1,2, Enzo Ferrante3, Nishant Ravikumar1,2
1Centre for Computational Imaging and Simulation Technologies in Biomedicine, School of Computing and School of Medicine, University of Leeds, Leeds, UK.
Nature machine intelligence
|March 25, 2024
概括
这项研究引入了无监督的表型组合,以发现影响心脏形状的基因. 新的框架显著提高了使用英国生物银行数据识别具有复杂心脏形态的遗传关联.
科学领域:
- 遗传学 是一个遗传学.
- 心脏病学 心脏病学
- 医疗成像医学成像
背景情况:
- 全基因组关联研究 (GWAS) 从心磁共振 (CMR) 图像中将遗传变异与简单的心脏形态联系起来.
- 结合遗传和CMR数据的大型数据库,可以更深入地研究复杂的心脏形状变异性.
研究的目的:
- 开发一种新的框架,无监督的表型组合,用于增强与心脏形状相关的基因发现.
- 为了确定与细微的左心室 (LV) 形状变异相关的遗传位置.
主要方法:
- 提出了一个使用深度学习来学习各种各样的无监督表现型的框架.
- 将这些表型集成到全基因组关联研究 (GWAS) 管道中,保持稳定的关联.
- 将框架应用于英国生物库数据,从左心室的3D网格中提取几何特征.
主要成果:
- 确定了49个具有研究范围意义的位置和25个对左心室形状具有暗示意义的位置.
- 与以前的方法相比,在发现影响LV形状的基因方面取得了实质性的改进.
- 这种方法在分析复杂的图像衍生的表型方面被证明是有效的.
结论:
- 无监督的表型组合为复杂的图像衍生表型中的基因发现提供了强大的方法.
- 这种方法可以促进对心脏形态和潜在的其他器官系统的遗传影响的理解.
- 该框架有助于更广泛地发现具有详细解剖变异的基因关联.


