使用SECRET-GWAS进行人口规模全基因组关联研究的机密计算
Jonah Rosenblum1, Juechu Dong2, Satish Narayanasamy2
1Computer Science and Engineering, University of Michigan, Ann Arbor, MI, USA. jonaher@umich.edu.
Nature computational science
|September 12, 2025
概括
基因组数据的多样性有限. SECRET-GWAS使用机密计算来保护隐私,进行协作全基因组关联研究 (GWAS),使大数据集的分析更快.
科学领域:
- 基因组学就是基因组学.
- 计算生物学 计算生物学
- 保护隐私的技术 保护隐私的技术
背景情况:
- 来自单个机构的基因组数据集缺乏全球多样性,阻碍了对罕见变异和疾病的研究.
- 协作全基因组关联研究 (GWAS) 对于全面的基因组研究至关重要,但面临隐私和准确性挑战.
- 现有的保护隐私的解决方案难以满足大规模回归分析的性能要求.
研究的目的:
- 为人口规模的协作GWAS开发一个快速的,保护隐私的工具.
- 在不影响隐私的情况下,对分布式基因组数据进行线性和后勤回归的高效执行.
- 解决以前安全计算方法在支持复杂的GWAS方法方面的局限性.
主要方法:
- 实施SECRET-GWAS,这是一个在英特尔SGX云平台上利用机密计算的工具.
- 应用系统优化,包括流媒体,批量处理和数据并行化,以提高性能.
- 与Hail基因组分析框架的集成以及对硬件侧通道攻击的保护.
主要成果:
- SECRET-GWAS有效地将线性和后勤回归扩展到一千多个处理器内核.
- 该工具允许从十个来源对人口规模数据集进行多变量线性和逻辑回归GWAS查询.
- 分析完成时间显著减少:线性回归4.5分钟,逻辑回归29分钟.
结论:
- SECRET-GWAS为协作,人口规模的GWAS提供了一个快速且保护隐私的解决方案.
- 该工具克服了以前方法的性能限制,支持广泛使用的回归技术.
- SECRET-GWAS增强了全球基因组数据多样性表示,并促进了罕见遗传因素的研究.
