基于因子分解机与二次优化退火的高阶遗传学检测方法
机器学习
2026-05-14 v2 量子物理
摘要
检测高阶遗传学是遗传关联研究中的基本挑战，由于候选位点组合数的指数级增长。虽然多因素维数缩减（MDR）是评估遗传学的常用方法，但随着位点数量或相互作用阶数的增加，基于 MDR 的穷举搜索变得计算上不可行。本文将遗传学检测问题定义为黑箱优化问题，并使用配备二次优化退火的因子分解机（FMQA）求解。我们提出一种基于 FMQA 的高效遗传学检测方法，其中将由 MDR 计算得到的分类错误率（CER）作为黑箱目标函数。通过使用具有预定义高阶遗传学的仿真 case-control 数据集进行实验评估，结果表明该方法在各种相互作用阶数和遗传位点数量下，均能在有限迭代次数内成功识别真实遗传学。这些结果表明，所提方法对高阶遗传学检测有效且计算高效。
引用
@article{arxiv.2601.01860,
title = {High-Order Epistasis Detection Using Factorization Machine with Quadratic Optimization Annealing and MDR-Based Evaluation},
author = {Shuta Kikuchi and Shu Tanaka},
journal= {arXiv preprint arXiv:2601.01860},
year = {2026}
}
备注
6 pages, 2 figures