用于复杂疾病遗传关联研究的贝叶斯神经网络
基因组学
2015-04-09 v2 应用统计
机器学习
摘要
从大规模遗传关联研究中发现因果遗传变异面临许多困难挑战。评估哪些遗传标记参与决定性状状态是一项计算密集型任务，尤其是在存在基因-基因相互作用的情况下。提出了一种非参数贝叶斯方法，即贝叶斯神经网络，用于分析遗传关联研究。在合成数据和真实数据上的演示表明，它们能够高效准确地确定哪些变异参与决定病例-对照状态。使用图形处理单元（GPU），构建这些模型所需的时间减少了几个数量级。与常用的检测遗传相互作用的方法相比，贝叶斯神经网络在广泛的可能遗传关系范围内表现良好，同时具有处理大数据集所需的计算效率。
引用
@article{arxiv.1404.3989,
title = {Bayesian Neural Networks for Genetic Association Studies of Complex Disease},
author = {Andrew L. Beam and Alison Motsinger-Reif and Jon Doyle},
journal= {arXiv preprint arXiv:1404.3989},
year = {2015}
}