MIRACLE：基于多任务学习的通过共同潜在表观遗传学可解释地调控自身免疫性疾病
机器学习
2023-08-04 v2
摘要
DNA甲基化是基因转录的重要调控因子，并已与包括自身免疫性疾病和癌症在内的多种疾病相关联。然而，基于DNA甲基化的诊断面临特征集庞大和样本量小的挑战，导致过拟合和次优性能。为解决这些问题，我们提出MIRACLE，一种新颖的可解释神经网络，它利用基于自编码器的多任务学习来整合多个数据集并联合识别DNA甲基化中的共同模式。MIRACLE的架构反映了甲基化位点、基因和通路之间的关系，确保了生物学可解释性和意义。该网络由编码器和解码器组成，瓶颈层将通路信息表示为遗传的基本单位。自定义定义的MaskedLinear层受位点-基因-通路图邻接矩阵信息约束，这提供了可解释性并显式表达了位点-基因-通路层次结构。并且从嵌入中，有不同的多任务分类器来预测疾病。在包括类风湿关节炎、系统性红斑狼疮、多发性硬化症、炎症性肠病、银屑病和1型糖尿病在内的六个数据集上测试，MIRACLE在识别不同表型下DNA甲基化的共同功能方面表现出鲁棒性能，其疾病预测准确率高于基线方法。通过结合生物学先验知识，MIRACLE为自身免疫性疾病背景下的DNA甲基化数据分析提供了一个有意义且可解释框架。
引用
@article{arxiv.2306.13866,
title = {MIRACLE: Multi-task Learning based Interpretable Regulation of Autoimmune Diseases through Common Latent Epigenetics},
author = {Pengcheng Xu and Jinpu Cai and Yulin Gao and Ziqi Rong},
journal= {arXiv preprint arXiv:2306.13866},
year = {2023}
}