[论文解读] Deep Learning Classification of Polygenic Obesity using Genome Wide Association Study SNPs

Casimiro Adays Curbelo Montañez, Paul Fergus+2 more|arXiv (Cornell University)|Apr 9, 2018

Genetic Associations and Epidemiology参考文献 3被引用 13

一句话总结

本研究提出了一种深度学习框架，利用全基因组关联研究（GWAS）的SNP来分类多基因肥胖，通过捕捉复杂的SNP相互作用，展现出优越的预测性能。使用P值小于1×10⁻²的SNP（2,465个变异），该模型AUC达到0.9908，表明对肥胖与非肥胖个体具有近乎完美的区分能力。

ABSTRACT

In this paper, association results from genome-wide association studies (GWAS) are combined with a deep learning framework to test the predictive capacity of statistically significant single nucleotide polymorphism (SNPs) associated with obesity phenotype. Our approach demonstrates the potential of deep learning as a powerful framework for GWAS analysis that can capture information about SNPs and the important interactions between them. Basic statistical methods and techniques for the analysis of genetic SNP data from population-based genome-wide studies have been considered. Statistical association testing between individual SNPs and obesity was conducted under an additive model using logistic regression. Four subsets of loci after quality-control (QC) and association analysis were selected: P-values lower than 1x10-5 (5 SNPs), 1x10-4 (32 SNPs), 1x10-3 (248 SNPs) and 1x10-2 (2465 SNPs). A deep learning classifier is initialised using these sets of SNPs and fine-tuned to classify obese and non-obese observations. Using a deep learning classifier model and genetic variants with P-value < 1x10-2 (2465 SNPs) it was possible to obtain results (SE=0.9604, SP=0.9712, Gini=0.9817, LogLoss=0.1150, AUC=0.9908 and MSE=0.0300). As the P-value increased, an evident deterioration in performance was observed. Results demonstrate that single SNP analysis fails to capture the cumulative effect of less significant variants and their overall contribution to the outcome in disease prediction, which is captured using a deep learning framework.

研究动机与目标

• 评估使用深度学习对GWAS鉴定的SNP在多基因肥胖预测中的表现。
• 探究深度学习是否能够捕捉传统方法所忽略的较不显著SNP的累积效应。
• 比较不同SNP显著性阈值（P值）在分类准确性方面的表现。
• 证明深度学习模型通过建模非线性SNP相互作用，可提升疾病预测能力。
• 提供一种可扩展的框架，将GWAS数据整合到复杂性状预测中，利用深度神经网络实现。

提出的方法

• 在加性遗传模型下进行逻辑回归，检验单个SNP与肥胖的关联性。
• 基于P值阈值选取四个SNP子集：<1×10⁻⁵（5个SNP）、<1×10⁻⁴（32个SNP）、<1×10⁻³（248个SNP）和<1×10⁻²（2,465个SNP）。
• 在每个SNP子集上训练深度神经网络分类器，以GWAS关联结果初始化，并在表型数据上进行微调。
• 使用标准深度学习指标（包括AUC、基尼系数、LogLoss和MSE）评估模型性能。
• 应用质量控制和关联分析流程，确保在模型输入前SNP选择的稳健性。
• 通过交叉验证训练优化模型，并在独立数据上测试以评估泛化能力。

实验结果

研究问题

• RQ1 深度学习模型能否有效利用GWAS鉴定的SNP对多基因肥胖进行分类？
• RQ2 包含SNP的显著性阈值（P值）如何影响模型性能？
• RQ3 深度学习模型在多大程度上捕捉了单SNP分析所无法检测到的SNP相互作用？
• RQ4 与仅包含高度显著SNP相比，包含较不显著SNP（如P < 1×10⁻²）是否能提高预测准确性？
• RQ5 在使用GWAS数据进行多基因疾病预测时，深度学习框架是否能优于传统统计方法？

主要发现

• 使用P值小于1×10⁻²（2,465个SNP）的SNP，深度学习模型AUC达到0.9908，表明具有极强的判别能力。
• 灵敏度（SE）达到0.9604，特异性（SP）达到0.9712，表明真阳性率和真阴性率均较高。
• 基尼系数为0.9817，表明模型在将肥胖病例排在非肥胖个体之前具有很强的排序能力。
• LogLoss为0.1150，反映出预测具有高置信度且校准误差较低。
• MSE为0.0300，表明估计概率的预测误差极小。
• 随着P值阈值的提高，性能显著下降，凸显了包含中等显著性SNP对最优预测的重要性。