[论文解读] Learning Schizophrenia Imaging Genetics Data Via Multiple Kernel Canonical Correlation Analysis

Owen Richfield, Md Ashad Alam+2 more|arXiv (Cornell University)|Sep 15, 2016

Fractal and DNA sequence analysis参考文献 23被引用 6

一句话总结

本研究提出了一种新颖的框架，利用核函数和多核典型相关分析（KCCA/MKCCA）通过整合fMRI、DNA甲基化和SNP数据，对精神分裂症患者与健康对照组进行分类。通过利用高维影像遗传学数据中的非线性相关性，该方法实现了72.6%的分类准确率，显著优于线性CCA；当结合fMRI与DNA甲基化数据时准确率最高，而SNP数据则降低了性能。

ABSTRACT

Kernel and Multiple Kernel Canonical Correlation Analysis (CCA) are employed to classify schizophrenic and healthy patients based on their SNPs, DNA Methylation and fMRI data. Kernel and Multiple Kernel CCA are popular methods for finding nonlinear correlations between high-dimensional datasets. Data was gathered from 183 patients, 79 with schizophrenia and 104 healthy controls. Kernel and Multiple Kernel CCA represent new avenues for studying schizophrenia, because, to our knowledge, these methods have not been used on these data before. Classification is performed via k-means clustering on the kernel matrix outputs of the Kernel and Multiple Kernel CCA algorithm. Accuracies of the Kernel and Multiple Kernel CCA classification are compared to that of the regularized linear CCA algorithm classification, and are found to be significantly more accurate. Both algorithms demonstrate maximal accuracies when the combination of DNA methylation and fMRI data are used, and experience lower accuracies when the SNP data are incorporated.

研究动机与目标

• 开发一种非线性多变量方法，用于在精神分裂症研究中整合多模态影像遗传学数据。
• 在传统线性CCA的基础上，提升精神分裂症与健康对照组之间的分类准确率。
• 探究fMRI、DNA甲基化和SNP数据对疾病分类的相对贡献。
• 评估高维组学与神经影像数据中非线性关系是否能增强诊断区分能力。
• 识别实现最大分类性能的数据模态最优组合。

提出的方法

• 将核函数与多核CCA应用于fMRI、DNA甲基化和SNP数据，将其投影到再生核希尔伯特空间（RKHS），以捕捉非线性相关性。
• 该方法使用高斯核将输入数据映射到更高维特征空间，使非线性关系变为线性关系。
• 计算典型相关系数，以最大化跨多个模态的投影数据集之间的相关性。
• 对KCCA和MKCCA的核矩阵输出应用k-means聚类，以实现患者与对照组的二分类。
• 对特征值问题应用正则化，以防止过拟合并确保数值稳定性。
• 在所有两两或三者组合的数据类型上评估分类性能，通过交叉验证测量准确率。

实验结果

研究问题

• RQ1 在使用多模态影像遗传学数据对精神分裂症患者与健康对照组进行分类时，核函数与多核CCA是否能优于线性CCA？
• RQ2 fMRI、DNA甲基化和SNP数据的哪种组合能获得最高的分类准确率？
• RQ3 与仅使用fMRI和DNA甲基化相比，SNP数据的引入是否会降低分类性能？
• RQ4 影像与表观遗传数据之间的非线性相关性是否比线性相关性更有利于精神分裂症分类？
• RQ5 KCCA/MKCCA的投影系数能否作为疾病分类的有效判别特征？

主要发现

• 核函数与多核CCA实现了72.6%的最大分类准确率，显著优于线性CCA。
• 当结合fMRI与DNA甲基化数据时获得最高准确率，加入SNP数据后未见进一步提升。
• 仅使用SNP数据时准确率最低，表明在此背景下该模态的判别能力有限。
• KCCA与MKCCA在捕捉数据集间非线性关系方面均显著优于线性CCA，表现更优。
• fMRI与DNA甲基化数据的组合在核空间中产生了最易分离的成分，表明其与精神分裂症具有更强的生物学相关性。
• 结果表明，在本研究队列中，表观遗传与神经影像数据比基因变异（SNPs）更具信息量，更有利于精神分裂症的分类。