基于 GWAS 数据的肺癌风险估计的人类可解释 Transformer 模型 HEMERA
机器学习
2025-10-10 v1 人工智能
摘要
肺癌 (LC) 是美国最常见的癌症类型之一，也是癌症死亡的首要原因。尽管吸烟是肺癌的主要风险因素，但 never-smoker 中的发病率以及家族聚集研究结果表明存在遗传因素。通过基因组关联研究 (GWAS) 识别的遗传生物标志物为评估 LC 风险提供了有前景的工具。我们引入 HEMERA (Human-Explainable Transformer Model for Estimating Lung Cancer Risk using GWAS Data)，一种新的框架，将可解释基于 Transformer 的深度学习应用于 GWAS 中单核苷酸多态性 (SNP) 的数据，用于预测 LC 风险。不同于先前方法，HEMERA 直接处理原始基因型数据，无需临床协变量，引入加法位置编码、神经网络基因型嵌入和优化变异筛选。基于 Layer-wise Integrated Gradients 的后验可解释性模块使模型预测可归因于特定 SNP，与已知 LC 风险位点高度吻合。在 27,254 名美国军人计划 (MVP) 受试者的数据训练后，HEMERA 实现了 >99% 的 AUC (受试者特征曲线下面积) 分数。这些发现支持透明、可生成假设的模型，用于个人化 LC 风险评估和早期干预。
引用
@article{arxiv.2510.07477,
title = {HEMERA: A Human-Explainable Transformer Model for Estimating Lung Cancer Risk using GWAS Data},
author = {Maria Mahbub and Robert J. Klein and Myvizhi Esai Selvan and Rowena Yip and Claudia Henschke and Providencia Morales and Ian Goethert and Olivera Kotevska and Mayanka Chandra Shekar and Sean R. Wilkinson and Eileen McAllister and Samuel M. Aguayo and Zeynep H. Gümüş and Ioana Danciu and VA Million Veteran Program},
journal= {arXiv preprint arXiv:2510.07477},
year = {2025}
}
备注
18 pages, 6 figures, 3 tables