嵌入GEM:一个框架来评估嵌入用于遗传发现的实用性
Sumit Mukherjee1, Zachary R McCaw1, Jingwen Pei1
1Insitro Inc, South San Francisco, California 94080, United States.
Bioinformatics advances
|December 12, 2024
概括
嵌入GEM是评估机器学习嵌入在遗传发现中的新框架. 它评估了遗传性和疾病相关性,以确定与嵌入相关的遗传变异是否与感兴趣的特征真正相关.
科学领域:
- 计算生物学是一种计算生物学.
- 遗传学 是一个遗传学.
- 机器学习是机器学习.
背景情况:
- 机器学习嵌入式提供复杂的生物数据的压缩表示.
- 嵌入显示了捕捉疾病状态和帮助遗传发现的潜力.
- 一个关键的限制是确定与嵌入相关的遗传变异是否与特定的疾病或特征相关.
研究的目的:
- 介绍EmbedGEM (嵌入遗传评估方法),这是一个系统评估嵌入在遗传发现中的实用性的框架.
- 根据遗传性和疾病相关性对嵌入进行比较.
- 为多变量特征提供一种可概括的方法.
主要方法:
- 嵌入GEM在两个轴上评估嵌入:遗传性和疾病相关性.
- 遗传性是通过全基因组显著关联和显著位置的平均统计数据来衡量的.
- 疾病相关性是使用多基因风险评分和它们与特征标签的关联在持有数据中进行评估的.
主要成果:
- 在合成和英国生物库数据 (代谢和肝脏特征) 上展示了EmbedGEM.
- 该框架成功地根据遗传性和疾病相关性对特征进行了排名.
- 结果表明,高遗传性不一定与嵌入的高疾病相关性相关.
结论:
- 嵌入GEM提供了一种系统的方法来评估嵌入的遗传相关性.
- 该框架适用于多变量特征,并且可以扩展.
- 这项工作强调了评估遗传性和疾病相关性对于使用嵌入物进行有意义的遗传发现的重要性.
