Ge-SAND:通过平行发现复杂的遗传相互作用来预测疾病风险的可解释的深度学习驱动框架

科学领域:

• 基因组学就是基因组学.
• 计算生物学 计算生物学
• 精准医学是一门精准的医学.

背景情况:

• 准确的遗传风险预测对于有效的疾病干预和个性化医学至关重要.
• 目前的方法难以捕捉复杂的遗传相互作用,特别是大数据集.
• 维度的诅咒限制了广泛的配对遗传组合的分析.

研究的目的:

• 开发一种可解释的深度学习框架,以揭示复杂的遗传相互作用.
• 通过分析大规模的基因型-表型关系来改善疾病风险预测.
• 为了解复杂疾病背后的致病机制提供见解.

主要方法:

• 开发了Ge-SAND (基因组嵌入自我注意力神经动力解码器),一个深度学习框架.
• 利用基因型和基因组位置信息来识别染色体内和染色体间的相互作用.
• 将框架应用于模拟数据和英国生物银行对克罗恩病,精神分裂症和阿尔茨海默病的队列.

主要成果:

• 与主流方法相比,Ge-SAND在AUC-ROC中实现了高达20%的改进.
• 识别了大规模的基因型关系,并通过自我注意网络揭示了遗传机制.
• 发现了新的遗传相互作用对,如ISOC1和HOMER2,这表明某些疾病中存在大脑-肠轴的联系.

结论:

• Ge-SAND是一种新的深度学习方法,用于捕捉大规模的遗传相互作用.
• 该框架将疾病风险预测与可解释的遗传机制见解相结合.
• 通过提供一种有价值的分析工具,Ge-SAND促进了基因组研究和精密医学的发展.