一种用于识别多视图数据集中高阶组合效应的广义核机方法

近年来,多视图数据集(如多组学与影像扫描)的综合研究已成为生物医学研究的焦点与前沿。最先进的生物医学技术使我们能够收集多视图生物医学数据集以研究复杂疾病。尽管数据的所有视图都倾向于探索疾病的互补信息,但具有复杂交互的多视图数据分析对更深入和整体理解生物系统而言颇具挑战。本文中,我们提出一种新颖的广义核机方法,以识别多视图生物医学数据集中的高阶组合效应。该广义半参数(混合效应线性模型)方法包含来自数据不同视图特征的边际与联合 Hadamard 积。所提核机方法将多视图数据作为预测变量,以实现对复杂性状更透彻全面的建模。所提方法可应用于任何可获得多视图数据集的疾病模型研究。我们将该方法应用于合成数据集以及来自青少年脑发育与骨质疏松研究的真实多视图数据集,包括一个影像扫描数据集和五个组学数据集。实验表明,所提方法能有效识别高阶组合效应,并提示相应特征(基因、感兴趣区与化学分类)协同发挥作用。我们展示了所提方法比现有方法具有更好的泛化性。