[论文解读] A Review of Statistical Methods in Imaging Genetics

Farouk S. Nathoo, Linglong Kong+1 more|arXiv (Cornell University)|Jul 23, 2017

Genetic Associations and Epidemiology参考文献 30被引用 7

一句话总结

本文综述了在影像遗传学中分析大数据平方（BD²）的先进统计方法，重点在于对高维神经影像与遗传数据进行联合建模。提出了一种基于马氏随机场和稀疏精度矩阵的空间结构化贝叶斯多变量回归模型，以处理空间依赖性和计算可扩展性，从而实现在大规模影像遗传学研究中的高效推断。

ABSTRACT

With the rapid growth of modern technology, many large-scale biomedical studies have been/are being/will be conducted to collect massive datasets with large volumes of multi-modality imaging, genetic, neurocognitive, and clinical information from increasingly large cohorts. Simultaneously extracting and integrating rich and diverse heterogeneous information in neuroimaging and/or genomics from these big datasets could transform our understanding of how genetic variants impact brain structure and function, cognitive function, and brain-related disease risk across the lifespan. Such understanding is critical for diagnosis, prevention, and treatment of numerous complex brain-related disorders (e.g., schizophrenia and Alzheimer). However, the development of analytical methods for the joint analysis of both high-dimensional imaging phenotypes and high-dimensional genetic data, called big data squared (BD$^2$), presents major computational and theoretical challenges for existing analytical methods. Besides the high-dimensional nature of BD$^2$, various neuroimaging measures often exhibit strong spatial smoothness and dependence and genetic markers may have a natural dependence structure arising from linkage disequilibrium. We review some recent developments of various statistical techniques for the joint analysis of BD$^2$, including massive univariate and voxel-wise approaches, reduced rank regression, mixture models, and group sparse multi-task regression. By doing so, we hope that this review may encourage others in the statistical community to enter into this new and exciting field of research.

研究动机与目标

• 为解决高维影像与遗传数据联合分析所面临的计算与统计挑战，即所谓的大数据平方（BD²）问题。
• 开发并综述能够考虑神经影像表型空间依赖性以及遗传标记连锁不平衡的统计方法。
• 通过在大规模队列中整合多模态数据，提高对与脑结构和功能相关的遗传关联的检测能力。
• 推动统计与神经影像研究社区采纳先进统计技术，特别是贝叶斯分层模型。
• 为通过整合影像、基因组学与临床数据，识别与脑部疾病风险相关的遗传变异，提供方法学基础。

提出的方法

• 提出一种具有多变量正态似然的贝叶斯分层模型，用于影像表型，其中精度矩阵通过邻接矩阵 A 和空间相关参数 ρ 编码空间依赖性。
• 采用条件自回归（CAR）结构对误差结构进行建模，以描述每侧大脑半球内部的空间依赖性，以及双侧同源区域之间的相关性。
• 在回归系数 W 上采用收缩先验，以实现在高维设置下的变量选择并减少过拟合。
• 通过稀疏数值线性代数与稀疏精度矩阵的吉布斯抽样，确保大规模影像遗传学数据的计算可扩展性。
• 开发了均场变分贝叶斯算法，作为吉布斯抽样的更快替代方法，适用于大规模推断。
• 在 R 包 'bgsmtr' 中实现该模型，支持空间结构化先验，并通过稀疏矩阵运算实现高效计算。

实验结果

研究问题

• RQ1 如何开发统计方法，以在考虑空间依赖性和高维性的同时，联合分析高维影像与遗传数据？
• RQ2 在影像遗传学中分析大数据平方（BD²）所面临的计算与理论挑战是什么？如何克服这些挑战？
• RQ3 如何在一个统一的统计框架中有效建模神经影像表型的空间相关性与遗传连锁不平衡？
• RQ4 具有稀疏精度结构的贝叶斯分层模型是否能够实现在大规模影像遗传学研究中的可扩展且精确的推断？
• RQ5 在影像遗传学中拟合复杂空间模型时，吉布斯抽样与变分贝叶斯方法相比有何相对优势？

主要发现

• 所提出的空间贝叶斯模型通过使用稀疏邻接矩阵 A 的马氏随机场结构，有效捕捉了神经影像表型中的空间依赖性。
• 通过确保全条件分布中精度矩阵保持稀疏，该模型实现了计算可扩展性，从而支持高效的吉布斯抽样。
• 引入空间相关参数 ρ 和跨半球协方差矩阵 Σ，使模型能够灵活描述半球内与半球间依赖关系。
• 在回归系数 W 上使用收缩先验，实现了高维设置下的变量选择并减少了过拟合。
• 开发了均场变分贝叶斯算法，作为吉布斯抽样的可扩展替代方案，有望在大规模数据集中实现更高的效率。
• 该模型已通过 R 包 'bgsmtr' 实现，未来版本预计将集成更先进的算法，并增强对大规模影像遗传学数据的支持。