影像遗传学中脑区检测与遗传变异选择的一般框架
应用统计
2024-12-31 v2
摘要
影像遗传学是一个不断发展的领域，它利用结构或功能神经影像技术来研究可能与特定疾病相关的遗传风险变异个体。由于涉及异质信息和不同数据形式，该领域给统计学家带来了巨大挑战。此外，影像和遗传数据通常都是高维的，造成了“大数据平方”问题。而且，脑影像数据包含广泛的空间信息。简单地将张量图像向量化并将体素视为独立特征会导致计算问题并忽略空间结构。本文提出了一种新颖的影像遗传学建模统计方法，同时应对所有这些挑战。我们探索了一种基于典型相关分析的线性模型，用于脑影像、遗传信息和临床表型的联合建模，从而能够同时检测显著脑区并选择与表型结果相关的重要遗传变异。开发了可扩展算法来解决“大数据平方”问题。我们将所提出的方法应用于探索反应速度（认知功能的一个指标）及其与脑MRI和遗传因素的关联，使用了英国生物银行数据库。我们的研究揭示了脑尾状核区域与特定显著SNP及其各自调控基因与反应速度之间的显著联系。
引用
@article{arxiv.2412.19735,
title = {A General Framework of Brain Region Detection And Genetic Variants Selection in Imaging Genetics},
author = {Siqiang Su and Zhenghao Li and Long Feng and Ting Li},
journal= {arXiv preprint arXiv:2412.19735},
year = {2024}
}