脑成像遗传学的多任务深度特征选择方法
摘要：使用脑成像定量特征（QTs）来鉴定遗传风险因子是成像遗传学中的一个重要研究课题。许多学者通过建立线性模型，例如线性回归（LR），来提取成像QTs与单核苷酸多态性（SNPs）等遗传因素之间的关联。然而，据我们所知，由于位点对成像QTs的隐秘和多样化影响，这些线性模型无法完全揭示复杂的关系。虽然深度学习模型可以提取非线性关系，但它们无法选择相关的遗传因素。本文提出了一种新的多任务深度特征选择（MTDFS）方法用于脑成像遗传学。MTDFS首先添加了一个多任务一对一层，并施加了混合稀疏惩罚来选择与异常成像QTs有显著贡献的相关SNPs。然后，它建立一个多任务深度神经网络来建模成像QTs和SNPs之间的复杂关联。MTDFS不仅可以提取非线性关系，还可以赋予深度神经网络特征选择能力。我们在真实的神经影像遗传数据上将MTDFS与LR和单任务DFS（DFS）方法进行了比较。实验结果表明，MTDFS在QT-SNP关系识别和特征选择方面表现优于LR和DFS。总之，MTDFS对于鉴定风险位点非常强大，可以成为脑成像遗传学方法库的重要补充。
作者：Chenglin Yu, Dingnan Cui, Muheng Shang, Shu Zhang, Lei Guo, Junwei Han, Lei Du and Alzheimer's Disease Neuroimaging Initiative
论文ID：2107.00388
分类：Genomics
分类简称：q-bio.GN
提交时间：2021-07-02