DNA甲基化的纵向预测以预报表观遗传结果
基因组学
2025-04-24 v1 机器学习
应用统计
摘要
探究生命早期生物变化的演化需要对分子（如DNA甲基化）进行纵向分析，这在儿童群体中颇具挑战。我们引入了一个基于多均值高斯过程（GPs）的概率纵向机器学习框架，考虑了跨时间的个体和基因相关性。该方法在考虑不确定性的同时，提供了对不同个体年龄下DNA甲基化状态的未来预测。我们的模型在一个于0-4岁测定甲基化谱的儿童出生队列上进行训练，并证明了每个儿童在5-7岁时的甲基化位点状态可被准确预测。我们表明，由多均值GPs预测的甲基化谱可用于估计其他表型（如表观遗传年龄），并实现与其他感兴趣健康指标的比较。该方法鼓励表观遗传学研究向纵向设计发展，以研究发育、衰老和疾病进展过程中的表观遗传变化。
引用
@article{arxiv.2312.13302,
title = {Longitudinal prediction of DNA methylation to forecast epigenetic outcomes},
author = {Arthur Leroy and Ai Ling Teh and Frank Dondelinger and Mauricio A. Alvarez and Dennis Wang},
journal= {arXiv preprint arXiv:2312.13302},
year = {2025}
}
备注
18 pages, 12 figures, 3 tables