通过带组图结构的稀疏组套索识别遗传风险因子
机器学习
2017-09-13 v1 机器学习
基因组学
摘要
全基因组关联研究（GWA 研究或 GWAS）探究遗传变异（如单核苷酸多态性（SNPs））与个体性状之间的关系。近来，在 GWA 研究中结合生物先验与机器学习方法受到越来越多关注。然而现实中，核苷酸水平的生物先验迄今尚未被充分研究。相比之下，基因水平的研究（例如蛋白质-蛋白质相互作用与通路）更为严谨合理，利用此类基因水平先验于 GWAS 中潜在有益。本文提出一种新颖的两层结构化稀疏模型，称为带组级图结构的稀疏组套索（SGLGG），用于 GWAS。它可视为稀疏组套索加上组级图套索。本质上，SGLGG 惩罚核苷酸水平稀疏性，同时利用基因水平先验（基因分组与网络）来识别与表型相关的风险 SNPs。我们采用交替方向乘子法（ADMM）算法优化所提模型。在阿尔茨海默病神经影像学倡议全基因组测序数据与神经影像数据上的实验证明了 SGLGG 的有效性。作为回归模型，其可与最先进的稀疏模型竞争；作为变量选择方法，SGLGG 在识别阿尔茨海默病相关风险 SNPs 方面大有前景。
引用
@article{arxiv.1709.03645,
title = {Identifying Genetic Risk Factors via Sparse Group Lasso with Group Graph Structure},
author = {Tao Yang and Paul Thompson and Sihai Zhao and Jieping Ye},
journal= {arXiv preprint arXiv:1709.03645},
year = {2017}
}