S-GMAS:用大脑皮层下形状调解器进行全基因组调解分析
Shengxian Ding1, Rongjie Liu2, Anuj Srivastava3
1Department of Biostatistics, Yale University, New Haven, Connecticut, USA.
Human brain mapping
|July 31, 2025
概括
这项研究引入了使用大脑形状数据进行全基因组中介分析的新框架. 它有助于揭示遗传变异如何通过大脑结构变化影响神经系统疾病.
科学领域:
- 神经科学是一个神经科学.
- 遗传学 是一个遗传学.
- 医疗成像医学成像
背景情况:
- 调解分析对于理解从遗传因素到使用脑成像的临床结果的神经路径至关重要.
- 在涉及众多遗传变异 (SNP) 和复杂的大脑形状数据的全基因组中介分析中存在挑战.
研究的目的:
- 开发一种针对大脑皮层下形状调解器量身定制的全基因组调解分析框架.
- 解决高维基遗传数据,非线性形状空间和统计推理在调解分析中的挑战.
主要方法:
- 通过快速的全基因组关联分析,可以识别出重要的遗传变异.
- 平方根速度函数代表线性希尔伯特子空间中的大脑下皮层形状.
- 使用一个形状调度分析框架 (shape-on-scalar和scalar-on-shape模型) 与引导重新采样.
主要成果:
- 拟议的框架有效地处理大规模的遗传数据和复杂的形状介质.
- 它可以对调解途径的直接和间接影响进行可靠的统计推断.
- 分析发现了重要的全球和空间调解效应.
结论:
- 开发的框架为神经科学中全基因组调解分析提供了一个强大的工具.
- 它通过大脑结构促进了对临床结果的遗传影响的调查.
- 应用到阿尔茨海默病神经成像计划的数据证明了它的实用性.
