PP-GWAS：面向多站点基因组关联研究的隐私保护算法
密码学与安全
2025-12-12 v2
摘要
基因组关联研究在理解复杂特征和疾病的遗传基础方面至关重要。协作式多站点 GWAS 旨在增强统计功效，但由于基因组数据的敏感性，数据共享面临障碍。当前最先进的方法提供了基于计算成本高昂的方法，如安全多方计算和同态加密，以实现隐私保护。在此背景下，我们提出一种新算法 PP-GWAS，以在计算效率和可扩展性方面超越现有标准而不牺牲数据隐私。该算法在分布式架构中采用随机编码，对线性混合模型进行堆叠岭回归，以确保严格的分析。通过真实数据和合成数据的实验评估表明，PP-GWAS 的计算速度是类似的最先进算法的两倍，所需计算资源更少，同时遵循面向全除一位半诚实敌手环境的严格安全模型。我们使用各种数据集评估了其性能，强调其在促进更高效和私有的基因组分析方面的潜力。
引用
@article{arxiv.2410.08122,
title = {PP-GWAS: Privacy Preserving Multi-Site Genome-wide Association Studies},
author = {Arjhun Swaminathan and Anika Hannemann and Ali Burak Ünal and Nico Pfeifer and Mete Akgün},
journal= {arXiv preprint arXiv:2410.08122},
year = {2025}
}