ÁP DỤNG HỌC MÁY ĐỂ NÂNG CAO ĐỘ CHÍNH XÁC CHO DỰ ĐOÁN NGUY CƠ ĐA DI TRUYỀN VỚI DỮ LIỆU RỐI LOẠN PHỔ TỰ KỶ
Từ khóa:
Bệnh đa di truyền, điểm nguy cơ đa di truyền, GWAS, SNPs, mảng SNP, học máy, bệnh tự kỷTóm tắt
Điểm nguy cơ đa di truyền (polygenic risk scores, PRS) là một giá trị ước lượng tương đối nguy cơ mắc bệnh dựa vào việc xác định tập hợp các biến dị di truyền ảnh hưởng. Trong những năm gần đây, đã có nhiều cố gắng đưa tính toán PRS ứng dụng vào lâm sàng, tuy nhiên việc lựa chọn các biến dị di truyền ảnh hưởng đến bệnh có độ chính xác chưa cao dẫn đến hiệu quả mô hình chưa đạt kỳ vọng. Trong nghiên cứu này, chúng tôi đã thực nghiệm các mô hình khác nhau để chọn ra tập hợp các biến dị cho giá trị dự đoán tốt nhất. Dữ liệu được sử dụng là dữ liệu trong các nghiên cứu tương quan toàn hệ gen (Genome-Wide Association Studies, GWAS) về rối loạn phổ tự kỷ (Autism Spectrum Disorder, ASD). Tập hợp các biến dị ban đầu được thu gọn bằng phương pháp nhóm và đặt ngưỡng (Clumping and Thresholding, «C + T»), hồi quy logistic phạt (Penalized Logistic Regression, PLR), và loại bỏ đặc trưng đệ quy dựa trên máy vec-tơ tựa (Support Vector Machine Recursive Feature Selection, SVM-RFE). Kết quả cho thấy phương pháp SVM-RFE đưa ra được một tập SNPs mà mô hình dự đoán đạt hiệu năng tốt nhất.
Tài liệu tham khảo
[1]. V. Khera, M. Chaffin, K. G. Aragam, M.E. Haas, C. Roselli, S. H. Choi, P. Natarajan, E. S. Lander, S. A. Lubitz, P. T. Ellinor, and S. Kathiresan, “Genome-wide polygenic scores for common diseases identify individuals with risk equivalent to monogenic mutations,” Nature Genetics, vol. 50, no. 9, pp. 1219– 1224, Sep. 2018.
[2]. J. Vilhjálmsson, J. Yang, H. K. Finucane, A. Gu-sev, S. Lindstrom,¨ S. Ripke, G. Genovese, P.-R. Loh, G. Bhatia, R. Do, T. Hayeck, H.-H. Won, Schizophrenia Working Group of the Psychiatric Genomics Consor- tium, Discovery, Biology, and Risk of Inherited Vari-ants in Breast Cancer (DRIVE) study, S. Kathiresan, M. Pato, C. Pato, R. Tamimi, E. Stahl, N. Zaitlen, B. Pasaniuc, G. Belbin, E. E. Kenny, M. H. Schierup, P.De Jager, N.A. Patsopoulos, S. McCarroll, M. Daly, S. Purcell, D. Chasman, B. Neale, M. Goddard,P. M. Visscher, P. Kraft, N. Patterson, and A. L. Price, “Modeling Linkage Disequilibrium Increases Accuracy of Polygenic Risk Scores,” American Journal of Human Genetics, vol. 97, no. 4, pp. 576–592, Oct. 2015.
[3]. T. S. H. Mak, R. M. Porsch, S. W. Choi, X. Zhou, and P. C. Sham, “Polygenic scores via penalized regression on summary statistics,” Genetic Epidemiology, vol. 41, no. 6, pp. 469–480, Sep. 2017.
[4]. T. Ge, C.-Y. Chen, Y. Ni, Y.-C. A. Feng, and J. W. Smoller, “Polygenic prediction via Bayesian regression and continuous shrinkage priors,” Nature Communica-tions, vol. 10, no. 1, p. 1776, Apr. 2019.
[5]. P. J. Newcombe, C. P. Nelson, N. J. Samani, and F. Dudbridge, “A flexible and parallelizable approach to genome- wide polygenic risk scores,” Genetic Epi- demiology, vol. 43, no. 7, pp. 730–741, 2019.
[6]. G. Paré, S. Mao, and W. Q. Deng, “A machine-learning heuristic to improve gene score prediction of polygenic traits,” Scientific Reports, vol. 7, no. 1, p. 12665, Oct. 2017.
[7]. Y. Takahashi, M. Ueki, G. Tamiya, S. Ogishima, K. Ki-noshita, A. Hozawa, N. Minegishi, F. Nagami, K. Fuku- moto, K. Otsuka, K. Tanno, K. Sakata, A. Shimizu, M.Sasaki, K. Sobue, S. Kure, M. Yamamoto, and H. Tomita, “Machine learning for effectively avoiding overfitting is a crucial strategy for the genetic predic- tion of polygenic psychiatric phenotypes,” Translational Psychiatry, vol. 10, no. 1, pp. 1–11, Aug. 2020.
[8]. Vlachakis, E. Papakonstantinou, R. Sagar, F. Ba-copoulou, T. Exarchos, P. Kourouthanassis, V. Kary-otis, P. Vlamos, C. Lyketsos, D. Avramopoulos, and V. Mahairaki, “Improving the Utility of Polygenic Risk Scores as a Biomarker for Alzheimer’s Disease,” Cells, vol. 10, no. 7, p. 1627, Jun. 2021.
[9]. H. Geschwind, J. Sowinski, C. Lord, P. Iversen, J. Shestack, P. Jones, L. Ducat, and S. J. Spence, “The Autism Genetic Resource Exchange: A Resource for the Study of Autism and Related Neuropsychiatric Conditions,” American Journal of Human Genetics, vol. 69, no. 2, pp. 463–466, Aug. 2001.
[10]. J. Grove, S. Ripke, T. D. Als, M. Mattheisen, R. K. Wal-ters, H. Won, J. Pallesen, E. Agerbo, O. A. Andreassen, R. Anney, S. Awashti, R. Belliveau, F. Bettella, J. D. Buxbaum, J. Bybjerg-Grauholm, M. Bækvad-Hansen, F. Cerrato, K. Chambert, J. H. Christensen, C. Church-house, K. Dellenvall, D. Demontis, S. De Rubeis, B. Devlin, S. Djurovic, A. L. Dumont, J. I. Goldstein, B. S. Hansen, M. E. Hauberg, M. V. Hollegaard, S. Hope, D. P. Howrigan, H. Huang, C. M. Hultman, I. Klei, J. Maller, J. Martin, A. R. Martin, J. L. Moran, I.Nyegaard, T. Nærland, D. S. Palmer, A. Palotie, C.B. Pedersen, M. G. Pedersen, T. dPoterba, J. B.Poulsen, B. S. Pourcain, P. Qvist, K. Rehnstrom,¨ A. Re-ichenberg, J. Reichert, E. B. Robinson, K. Roeder, P. Roussos, E. Saemundsen, S. Sandin, F. K. Satter-strom, G. Davey Smith, H. Stefansson, S. Steinberg, C. R. Stevens, P. F. Sullivan, P. Turley, G. B. Walters, X. Xu, K. Stefansson, D. H. Geschwind, M. Nordentoft, D. M. Hougaard, T. Werge, O. Mors, P. B. Mortensen, B. M. Neale, M. J. Daly, and A. D. Børglum, “Identification of common genetic risk variants for autism spectrum disorder,” Nature Genetics, vol. 51, no. 3, pp. 431–444, Mar. 2019.
[11]. S. Purcell, B. Neale, K. Todd-Brown, L. Thomas, M. Ferreira, D. Bender, J. Maller, P. Sklar, P. de Bakker, M. Daly, and P. Sham, “PLINK: A Tool Set for Whole-Genome Association and Population-Based Linkage Analyses,” American Journal of Human Genetics, vol. 81, no. 3, pp. 559–575, Sep. 2007.
[12]. C. A. Anderson, F. H. Pettersson, G. M. Clarke, L. R. Cardon, A. P. Morris, and K. T. Zondervan, “Data quality control in genetic case-control association studies,” Nature Protocols, vol. 5, no. 9, pp. 1564–1573, Sep. 2010.
[13]. J. R. I. Coleman, J. Euesden, H. Patel, A. A. Folarin, S. Newhouse, and G. Breen, “Quality control, imputa-tion and analysis of genome-wide genotyping data from the Illumina HumanCoreExome microarray,” Briefings in Functional Genomics, vol. 15, no. 4, pp. 298–304, Jul. 2016.
[14]. T. Marees, H. de Kluiver, S. Stringer, F. Vorspan, E. Curis, C. Marie-Claire, and E. M. Derks, “A tutorial on conducting genome- wide association studies: Quality control and statistical analysis,” International Journal of Methods in Psychiatric Research, vol. 27, no. 2, p. e1608, Feb. 2018.
[15]. S. W. Choi, T. S.-H. Mak, and P. F. O’Reilly, “Tutorial: a guide to performing polygenic risk score analyses,” Nature Protocols, vol. 15, no. 9, pp. 2759–2772, Sep. 2020.
[16]. J. Euesden, C. M. Lewis, and P. F. O’Reilly, “PRSice: Polygenic Risk Score software,” Bioinformat-ics, vol. 31, no. 9, pp. 1466–1468, May 2015.
[17]. H. Zhao, N. Mitra, P. A. Kanetsky, K. L. Nathanson, and T. R. Rebbeck, “A Practical Approach to Adjusting for Population Stratification in Genome-wide Association Studies: Principal Components And Propensity Scores (PCAPS),” Statistical applications in genetics and molecular biology, vol. 17, no. 6, pp. /j/sagmb.2018.17. issue–6/sagmb–2017–0054/sagmb– 2017– 0054.xml, Dec. 2018.
[18]. B. K. Bulik-Sullivan, P.-R. Loh, H. K. Finucane, S. Ripke, J. Yang, N. Patterson, M. J. Daly, A. L. Price, and B. M. Neale, “LD Score regression distinguishes confounding from polygenicity in genome-wide asso- ciation studies,” Nature Genetics, vol. 47, no. 3, pp. 291–295, Mar. 2015.
[19]. N. R. Wray, S. H. Lee, D. Mehta, A. A. E. Vinkhuyzen, F. Dudbridge, and C. M. Middeldorp, “Research re-view: Polygenic methods and their application to psy-chiatric traits,” Journal of Child Psychology and Psy- chiatry, and Allied Disciplines, vol. 55, no. 10, pp. 1068–1087, Oct. 2014.
[20]. Privé, H. Aschard, and M. G. B. Blum, “Efficient Implementation of Penalized Regression for Genetic Risk Prediction,” Genetics, vol. 212, no. 1, pp. 65–74, May 2019.
[21]. R. Tibshirani, “Regression Shrinkage and Selection via the Lasso,” Journal of the Royal Statistical Society. Series B (Methodological), vol. 58, no. 1, pp. 267–288, 1996.
[22]. H. Zou and T. Hastie, “Regularization and Variable Selection via the Elastic Net,” Journal of the Royal Statistical Society. Series B (Statistical Methodology), vol. 67, no. 2, pp. 301–320, 2005.
[23]. M.-L. Huang, Y.-H. Hung, W. M. Lee, R. K. Li, and B.-R. Jiang, “SVM-RFE Based Feature Selection and Taguchi Parameters Optimization for Multiclass SVM Classifier,” The Scientific World Journal, vol. 2014, p. 795624, 2014.
[24]. Guyon, J. Weston, S. Barnhill, and V. Vapnik, “Gene Selection for Cancer Classification using Support Vec-tor Machines,” Machine Learning, vol. 46, no. 1, pp. 389–422, Jan. 2002.
