多疾病深度学习框架在 GWAS 中的应用-超越特征选择约束-计算机科学-深度学习-特征选择.pdfVIP

多疾病深度学习框架在GWAS中的应用：超越特征

选择约束

IqraFarooq,SaraAtito,AyseDemirkan,IngaProkopenko,and

MuhammadAwais

CentreforVision,SpeechandSignalprocessing(CVSSP)

SurreyInstituteforPeople-CenteredArtificialIntelligence(PAI)

SectionofStatisticalMulti-Omics,DepartmentofClinicalExperimental

Medicine,SchoolofBiosciencesMedicine,UniversityofSurrey,Guildford,UK

本{if00208}@surrey.ac.uk

译摘要传统GWAS推进了我们对复杂疾病的理解，但经常错过非线性遗传

中相互作用。深度学习为捕捉复杂的基因组模式提供了新的机会，然而现有

的方法大多依赖于特征选择策略，这些策略要么将分析限制在已知的通路

1

v中，要么在应用于整个数据集时存在数据泄露的风险。此外，协变量可能

7会夸大预测性能而没有反映出真正的遗传信号。我们探索了GWAS中不

4

2同的深度学习架构选择，并展示了仔细的架构选择可以在严格的无泄漏条

5件下胜过现有方法。在此基础上，我们将方法扩展到一个多标签框架中，

0.共同建模五种疾病，利用共享的遗传架构以提高效率和发现能力。应用于

7跨越37,000个样本的五百万SNP上，我们的方法实现了具有竞争力的预

0

5测性能（AUC0.68-0.96），提供了一种可扩展、无泄漏且生物学上有意义

2的方法来进行多疾病GWAS分析。

:

v

i

xKeywords:深度学习·全基因组关联研究·基因组学·特征选择。

r

a

1介绍与相关工作

全基因组关联研究（GWAS）通过识别与人类特征相关的数千个遗传变

异，推进了我们对复杂疾病的理解[5]。传统的GWAS依赖于统计模型，通常

采用逻辑回归，来测试数百万单核苷酸多态性（SNPs）和表型之间的关联，

并在独立队列中通过重复验证这些结果。尽管这些模型非常强大，但它们也

面临着关键的限制：其线性和加法假设往往忽略了复杂的遗传相互作用，而

且为了提高可解释性，在高维基因组数据建模能力方面付出了代价[1]。

为了克服这些挑战，深度学习作为基因组学中的一种有前景的工具出

现，提供了捕捉全基因组非线性关系和高阶交互的能力[2]。然而，在GWAS

2I.Farooqetal.

中部署深度学习带来了显著的方法论障碍，特别是在特征选择和数据分割方

面，这是由于基因组数据的规模和维度所致。

诸如GenNet[3]等框架通