ImageNomer：一种功能连接与组学分析工具的描述及识别种族混杂因素的案例研究
种群与进化
2023-10-13 v2 机器学习
神经元与认知
摘要
大多数用于基于fMRI的功能连接（FC）和基因组数据分析的软件包都通过编程语言接口使用，缺乏易于操作的图形用户界面（GUI）前端。这加剧了此类数据中存在的两个问题：人口统计学混杂因素以及面对高维特征时的质量控制。原因在于使用编程接口来创建识别数据集中所有相关性、混杂效应或质量控制问题所需的全部可视化过于缓慢和繁琐。为改善这一状况，我们开发了ImageNomer，一个允许检视受试者层面和队列层面人口统计学、基因组与影像特征的数据可视化与分析工具。该软件基于Python，运行于自包含的Docker镜像中，并包含基于浏览器的GUI前端。我们通过识别费城神经发育队列（PNC）数据集中预测成就分数时的一个意外种族混杂因素，展示了ImageNomer的用处。过去许多研究试图利用FC识别fMRI中与成就相关的特征。使用ImageNomer，我们发现种族存在明显的潜在混杂效应。利用ImageNomer软件中的相关分析，我们显示与广泛成就测验（WRAT）分数相关的FC实际上与种族的相关性更高。进一步调查发现，尽管FC和SNP（基因组）特征均能解释WRAT分数变异的10-15%，但在控制种族后这种预测能力消失。在这项工作中，我们展示了ImageNomer GUI工具在数据探索和混杂检测中的优势。此外，本工作识别出种族作为FC数据中的强混杂因素，并对在健康青少年的fMRI和SNP数据中找到无偏成就相关特征的可能性提出质疑。
引用
@article{arxiv.2302.00767,
title = {ImageNomer: description of a functional connectivity and omics analysis tool and case study identifying a race confound},
author = {Anton Orlichenko and Grant Daly and Ziyu Zhou and Anqi Liu and Hui Shen and Hong-Wen Deng and Yu-Ping Wang},
journal= {arXiv preprint arXiv:2302.00767},
year = {2023}
}
备注
11 pages