基于网络辅助分析揭示自闭症的遗传基础

尽管研究表明自闭症具有高度遗传性，但这种疾病遗传基础的本质仍不明确。基于高度相关的基因在功能上相互关联且更可能影响风险这一理念，我们开发了一种新的统计工具，通过将遗传关联评分与特定脑区和发育时期的基因共表达相结合，来发现更多潜在的自闭症风险基因。基因依赖网络采用一种新颖的部分邻域选择(PNS)算法进行估计，其中节点特定属性被纳入网络估计以提高统计和计算效率。然后，我们采用隐马尔可夫随机场(HMRF)模型，以系统的方式结合估计的网络和遗传关联评分。所提出的建模框架可以自然地扩展，以纳入关于基因间依赖关系的额外结构信息。利用当前来自全外显子组测序研究的遗传关联数据和脑基因表达水平，所提出的算法成功识别出333个可能影响自闭症风险的基因。