基因-环境相互作用在多模态神经网络中用于乳腺癌预测中是否被利用？
基因组学
2024-07-31 v1
摘要
多基因风险评分（PRS）在结合临床风险因素数据时可显著提高乳腺癌风险预测。尽管已探索了PRS的价值添加，但关于基因-基因或基因-环境相互作用如何提升结合PRS和临床数据的多模态模型的风险判别能力的潜在影响仍鲜有了解。本研究将318个基因型变体的数据与临床数据集成到神经网络中，以探讨基因-基因（即单个变体之间）和/或基因-环境（在临床风险因素和变体之间）相互作用是否可在训练期间联合用于提高乳腺癌风险预测性能。我们将方法与结合传统单变量PRS和临床数据的逻辑回归基线模型进行基准测试，并运行可解释性分析以识别特征相互作用。尽管我们的模型未显示优于基线的性能，但我们发现248个（<1%）在约53.6k个可能特征对中具有统计显着性的基因-基因和基因-环境相互作用，其中包括rs6001930（MKL1）和rs889312（MAP3K1），年龄和绝经是最重度互动的非遗传风险因素。我们还将显著相互作用建模为高度互连特征的网络，表明更高阶相互作用可能被模型捕获。尽管基因-环境（或基因-基因）相互作用未提高神经网络中乳腺癌风险预测的性能，但本研究表明，这些相互作用可以被这些模型用于信息化其预测。本研究代表了首次应用神经网络筛选影响乳腺癌风险的相互作用。
引用
@article{arxiv.2407.20978,
title = {Are gene-by-environment interactions leveraged in multi-modality neural networks for breast cancer prediction?},
author = {Monica Isgut and Andrew Hornback and Yunan Luo and Asma Khimani and Neha Jain and May D. Wang},
journal= {arXiv preprint arXiv:2407.20978},
year = {2024}
}