A Generalized Similarity U Test for Multivariate Analysis of Sequencing Data
University of North Texas Health Science Center（北德克萨斯大学健康科学中心）；Michigan State University（密歇根州立大学）
针对测序数据高维性和多表型分布差异挑战，提出广义相似性U检验（GSU），能处理高维基因型与表型，在功效和稳健性上优于现有方法，并成功识别出4个基因与5种代谢表型的联合关联。
2015-10-20 cs.AI cs.LG stat.ME
Efficient network-guided multi-locus association mapping with graph cuts
随着越来越多的全基因组关联研究揭示了试图用单个遗传位点解释表型遗传力的局限性，人们越来越感兴趣的是将复杂的表型与遗传位点集相关联。虽然已经提出了几种多位点定位的方法，但通常不清楚如何将检测到的位点与有关基因通路和网络的不断增长的知识联系起来。考虑到生物学途径或网络的少数方法要么限于调查有限数量的预定基因座组，要么不能扩展到全基因组环境。我们提出SConES，一种新的有效的方法来发现集的遗传基因座，最大限度地与一个表型，同时连接在一个底层的网络。我们的方法是基于一个最小切割重新制定的稀疏性和连通性的约束下，可以准确，快速地解决选择功能的问题。SConES在运行时间方面优于最先进的竞争对手，可扩展到数十万个遗传位点，并且在模拟研究中检测因果SNP的能力比现有方法更高。在开花时间表型和基因型拟南芥，SConES检测位点，使准确的表型预测和文献支持。SConES的Matlab代码可在http://webdav.tuebingen.mpg.de/u/karsten/Forschung/scones/上获得
2013-04-18 q-bio.QM stat.ML
Maximizing the Power of Principal Components Analysis of Correlated Phenotypes in Genome-wide Association Studies
主成分分析（PCA）是一种有用的统计技术，通常用于相关变量的多变量分析。它通常作为一种降维方法应用：测试解释总方差的最大主成分（PC）与感兴趣的预测因子的关联，忽略其余的PC。该策略已被广泛应用于遗传流行病学，但其某些方面在单核苷酸多态性（SNPs）关联测试的背景下并没有得到很好的理解。在这项研究中，我们回顾了主成分分析的理论基础和它的行为时，测试之间的关联SNP和两个相关性状在各种情况下。然后，我们用模拟来评估几种不同的基于PCA的策略在分析多达100个相关性状时的能力。我们表明，与普遍的做法，测试的顶级PC只可以显着不足，因为PC解释了少量的总表型方差可以隐藏大量的遗传关联。此外，我们证明，基于PC的策略，使用所有的PC有很大的潜力，以检测负多效性的遗传变异（如与正相关性状的相反影响的变异）和遗传变异，是专门与一个单一的性状，但只实现了适度的增益功率检测阳性多效性的遗传位点。最后，来自MARTHA研究的685名受试者的五个相关凝血性状的全基因组关联研究证实了这些结果。来自凝血性状的五个PC的联合分析确定了两个新的候选SNP，其与解释最小量的表型方差的第五PC最强相关。
2013-09-11 stat.ME
Genome-wide association studies with high-dimensional phenotypes
高维表型有望在关联研究中获得更丰富的发现，但对几个表型性状的检测却给关联研究带来了巨大的挑战，即多重检验。最近已经提出了几种方法，用于联合测试所有性状的高维向量的表型，增加的权力，以检测小的影响，如果单独测试会错过的前景。然而，这些方法很少被比较的程度，使其相对优点的评估和建立使用哪种方法的指导方针，以及如何使用it.We比较模拟数据的方法，并与一个真正的代谢组学数据集，包括137高度相关的变量和约550，000 SNP。将这些方法应用于具有数十万个标记的全基因组数据，不可避免地需要将问题划分为便于并行处理的可管理部分，例如对应于个体遗传变异、途径或基因的部分。在这里，我们利用一个简单的配方，根据该基因组被分为块附近的相关遗传标记，联合测试与表型的关联。该公式在计算上是可行的，减少了测试的数量，并且使该方法不仅在表型方面而且在基因型方面利用多个相关变量的组合信息。我们的实验表明，典型相关分析具有更高的权力比替代方法，而其余的计算易于处理的常规使用的GWAS设置，提供的样本数量是足够的表型和基因型变量的数量相比，测试。稀疏典型相关分析和具有潜在混杂因素的回归模型在样本数量较少时表现出良好的性能。
2013-05-13 stat.ME
LSMM: A statistical approach to integrating functional annotations with genome-wide association studies
在全基因组关联研究（GWAS）中已经确定了数千种复杂表型（数量性状和疾病）的风险变体。然而，对于加深我们对复杂表型的遗传结构的理解仍然存在两个主要挑战。首先，大多数GWAS命中都在非编码区，其生物学解释仍不清楚。其次，GWAS积累的证据表明复杂性状的多基因性，即，一个复杂的性状往往受到许多具有小或中等影响的变异的影响，而具有小影响的大部分风险变异仍然未知。功能注释数据的可用性使我们能够应对上述挑战。在这项研究中，我们提出了一个潜在的稀疏混合模型（LSMM）集成功能注释与GWAS数据。它不仅增加了风险变异识别的统计功效，而且通过检测相关功能注释提供了更多的生物学见解。为了使LSMM可扩展到数百万个变体和数百个功能注释，我们开发了一种用于模型参数估计和统计推断的高效变分期望最大化（EM）算法。我们首先进行了全面的仿真研究，以评估LSMM的性能。然后，我们应用它来分析30个GWAS的复杂表型集成9个基因类别注释和127个组织特异性功能注释从路线图项目。结果表明，我们的方法具有更大的统计功效比传统的方法，可以帮助研究人员实现更深入的了解这些复杂的表型的遗传结构。
2017-10-19 q-bio.GN stat.ME
Parsimonious and powerful composite likelihood testing for group difference and genotype-phenotype association
在全基因组关联研究（GWAS）中，从病例对照数据中检验一个表型与多个遗传变异之间的关联是必不可少的。这是一项具有挑战性的任务，因为许多此类变体是相关的或无信息的。高维数据的两组总体差异检验问题在复杂的全似然函数下存在相似性。测试可以通过最大复合似然（MCL）来处理，而不需要完全的似然，但是当前的MCL测试由于涉及非信息性或冗余的子似然而受到功率损失。在本文中，我们开发了一个前向搜索和测试方法，同时强大的组差异测试和信息子似然组成。我们的方法构造了一个序列的Wald型检验统计量，逐步只包括信息的子似然，以提高测试功率下的局部稀疏的替代品。数值研究表明，它实现了相当大的改善，可用的测试作为建模复杂性的增长。我们的方法进一步验证了测试动机GWAS数据乳腺癌与有趣的结果。
2016-01-22 stat.AP stat.ME
Evolution of Genetic Redundancy : The Relevance of Complexity in Genotype-Phenotype Mapping
遗传冗余是普遍存在的，可以在任何生物体中找到。然而，有人认为，遗传冗余会降低总的种群适应度，因此，冗余不太可能进化。在这封信中，我们研究了一个进化模型与高维基因型-表型映射（GPM）调查的相关性的复杂性GPM的遗传冗余的进化。通过应用复制方法处理淬灭随机性，解析地得到了适应度的冗余依赖关系，证明了在GPM较复杂的情况下，遗传冗余确实是可以进化的.我们的研究结果提供了一个新的见解如何遗传冗余进化。
2013-02-09 q-bio.GN q-bio.PE
A New Statistical Framework for Genetic Pleiotropic Analysis of High Dimensional Phenotype Data
广泛使用的多表型遗传多效性分析通常被设计用于检查常见变体与少数表型之间的关系。它们不适合高维表型和高维基因型（下一代测序）数据。为了克服这些局限性，我们开发了稀疏结构方程模型（SEM）作为一个通用的框架，一个新的范式的遗传分析的多表型。为了将常见和罕见的变体纳入分析，我们将传统的多元SEM扩展到稀疏功能SEM。为了处理高维表型和基因型数据，我们采用函数数据分析和交替方向乘法（ADMM）技术来降低数据维数，提高计算效率。使用大规模的模拟，我们表明，所提出的方法有更高的权力，以检测真正的因果遗传多效性结构比其他现有的方法。仿真结果还表明，基于基因的多效性分析具有更高的权力比基于单一变量的多效性分析。所提出的方法适用于外显子组序列数据从NHLBI外显子组测序计划（ESP）与11个表型，它确定了一个网络与137个基因连接到11个表型和341个边缘。其中，114个基因显示出多效性遗传效应，45个基因被报道与分析中的表型或文献中的其他心血管疾病（CVD）相关表型相关。
2015-12-03 q-bio.GN stat.ME stat.ML
Narrowing the gap on heritability of common disease by direct estimation in case-control GWAS
近年来，在寻找人类表型缺失遗传力方面的主要发展之一是采用线性混合效应模型（Linear mixed-effects models，LIFE）来估计与表型无显著相关的遗传变异的遗传力。Lee et al.（2011）将LMM方法的一种变体用于病例对照研究，并应用于许多重大疾病，成功地解释了相当一部分缺失的遗传力。例如，对于克罗恩病，他们的估计遗传率为22%，而家族研究的遗传率为50-60%。在这封信中，我们建议直接通过表型相似性对基因型相关性的回归来估计疾病的遗传度，并进行校正以说明确定性。我们把这种方法称为遗传相关回归（GCR）。使用GCR，我们估计克罗恩病的遗传率为34%，使用相同的数据。我们通过大量的模拟表明，我们的方法产生无偏的遗传力估计，这是一贯高于LMM估计。此外，我们开发了一个启发式校正LMM估计，它可以应用到已公布的LMM结果。应用我们的启发式校正将多发性硬化症的估计遗传率从30%增加到52.6%。
2013-05-27 q-bio.PE q-bio.QM stat.ME
Multivariate Functional Regression Models for Epistasis Analysis
迄今为止，大多数表型的遗传分析都集中在分析单个性状或独立分析每个表型。然而，多个互补性状的联合上位性分析将增加统计功效，并且是理解复杂疾病的复杂遗传结构的关键。尽管它们在揭示复杂性状的遗传结构方面很重要，但用于识别多表型上位性的统计方法仍然基本上未被探索。为了填补这一空白，我们制定了一个测试两个基因之间的相互作用在多个数量性状分析作为一个多功能回归（MFRG），其中的基因型功能（遗传变异档案）被定义为基因组位置的功能的遗传变异。我们使用大规模模拟来计算它的I型错误率测试两个基因之间的相互作用与多表型，并比较其权力与多变量成对相互作用分析和单性状的相互作用分析的单变量函数回归模型。为了进一步评估其性能，将用于上位性分析的MFRG应用于来自NHLBI外显子组测序计划（ESP）的五种表型和外显子组序列数据以检测多效性上位性。共有136对基因组成了一个遗传互作网络，显示出显著的上位性影响五个性状的证据。结果表明，多表型联合互作分析比单性状互作分析具有更高的互作检测能力，为全面揭示多表型遗传结构开辟了新的方向。
2015-12-03 q-bio.GN
Wavelet-based genetic association analysis of functional phenotypes arising from high-throughput sequencing assays
了解遗传变异如何影响细胞水平的过程是了解它们如何影响重要的生物体水平特征或“表型”（包括人类疾病易感性）的重要一步。为此，科学家们正在进行大规模的遗传关联研究，旨在确定与分子和细胞表型相关的遗传变异，如基因表达，转录因子结合或染色质可及性。这些研究使用高通量测序分析（例如RNA-seq，ChIP-seq，DNase-seq）来获得关于每个样品中性状如何沿基因组变化的高分辨率数据。然而，典型的关联分析无法利用这些高分辨率的测量，而是以较粗的分辨率聚合数据，例如基因或固定长度的窗口。在这里，我们开发和应用统计方法，更好地利用高分辨率数据。其关键思想是将序列数据视为测量沿基因组变化的潜在“功能”，然后基于小波的功能数据分析方法，测试遗传变异与潜在功能之间的关联。应用这些方法来识别与染色质可及性（dsQTL）相关的遗传变异，我们发现，它们识别出的关联比简单的基于窗口的分析要多得多，总共我们识别出772个未被原始分析识别出的新dsQTL。
2013-07-27 q-bio.GN stat.ME
Comprehensive Detection of Genes Causing a Phenotype using Phenotype Sequencing and Pathway Analysis
发现表型的所有遗传原因是功能基因组学的一个重要目标。在本文中，我们结合了一个实验设计，多个独立的检测表型的遗传原因，高通量测序分析，最大限度地提高灵敏度，全面识别它们。在一组24个突变菌株上测试这种方法，这些突变菌株是针对具有许多已知遗传原因的代谢表型产生的，我们表明，与以前的方法相比，这种基于途径的表型测序分析大大提高了检测灵敏度，并揭示了多种可能导致这种表型的途径。我们展示了我们的方法对代谢再工程表型，PEP/OAA代谢节点在大肠杆菌。大肠杆菌，这是至关重要的大量代谢途径，并在生物燃料研究的新的兴趣。在这些菌株的2157个突变中，pathway-phenoseq仅将5个基因组（12个基因）区分为表型的统计学显著原因。实验上，这五个基因组和接下来的两个高分途径-phenoseq组要么与PEP代谢物水平有明确的联系，要么提供了产生草酰乙酸（OAA）的替代途径，从而清楚地解释了表型。与基因组其他部分严格的中性选择相比，这些高分基因组也显示出正选择压力的有力证据。
2013-03-03 q-bio.GN q-bio.QM
Direct genetic effects and their estimation from matched case-control data
在遗传关联研究中，单个标记通常与多个相关的表型相关（例如，肥胖和心血管疾病，或尼古丁依赖和肺癌）。一个普遍的问题是，该标记是否对所有表型都有独立的影响。在这篇文章中，我们解决这个问题，通过评估是否有一个直接的遗传效应的一个表型，是不是通过其他表型介导的。特别是，我们研究如何识别和估计（匹配）病例对照数据的基础上，这种直接的遗传效应。我们讨论的条件下，这些影响是可识别的（匹配）病例对照数据。我们发现，直接遗传效应有时可以通过标准回归方法估计，有时可以通过更一般的G估计方法估计，该方法以前曾被提出用于随机样本和非匹配病例对照研究（Vansteelandt，2009），并在此扩展到匹配病例对照研究。结果用于评估FTO基因是否与心肌梗死相关，而不是通过对肥胖的影响。
2011-12-21 q-bio.GN stat.ME
Markov Logic Networks in the Analysis of Genetic Data
复杂的、非加性的遗传相互作用是常见的，并且在确定表型时可能是关键的。然而，全基因组关联研究（GWAS）和连锁数据的类似统计研究在寻找基因型-表型关联时假设基因相互作用的加性模型。这些统计方法将多个基因对表型的复合效应视为每个单独基因的部分影响的总和，并且通常会错过遗传效应的实质性部分。这些方法不使用任何关于潜在基因型-表型机制的生物学知识。人工智能领域的建模方法将确定性知识纳入模型以进行统计分析，可以应用于将先验知识纳入遗传分析。我们选择使用最通用的此类方法--马尔可夫逻辑网络（MLN），作为将确定性知识与统计分析相结合的框架。使用简单的逻辑回归型MLN，我们已经能够复制传统统计方法的结果。此外，我们表明，即使是简单的模型，我们能够超越找到独立的标记与表型使用联合推理，避免了独立的假设。该方法适用于酵母孢子形成，由非线性基因相互作用的表型的遗传数据。除了检测所有先前鉴定的与孢子形成相关的基因座之外，我们的方法还能够鉴定具有小影响的四个基因座。由于它们对孢子形成的影响很小，这四个基因座没有被检测到的方法，不占标记之间的依赖性，由于基因相互作用。我们展示了如何使用更复杂的模型检测基因相互作用，这可以作为一个通用的框架，将系统生物学与遗传学。
2010-03-03 q-bio.GN q-bio.QM
Inferring genotype-phenotype maps using attention models
Boston University（波士顿大学）；Harvard University（哈佛大学）；Tufts University（塔夫茨大学）；Princeton University（普林斯顿大学）
针对从基因型预测表型的遗传学核心挑战，本文将擅长捕捉上下文依赖互作的注意力模型应用于数量遗传学，在模拟和酵母实验数据中证明其在处理上位性时预测性能优于传统方法，并探索了多环境迁移学习应用。
2025-04-14 cs.LG q-bio.GN q-bio.PE
Construction and Functional Analysis of Human Genetic Interaction Networks with Genome-wide Association Data
遗传相互作用测量不同基因如何共同促成表型，并且可以揭示遗传扰动下通路之间的功能补偿和缓冲。最近，全基因组筛选遗传相互作用揭示了遗传相互作用网络，这些网络在自身分析或与其他功能基因组数据集整合时提供了新的见解。对于高等真核生物如人，上述反向遗传学方法并不简单，因为高等真核生物的感兴趣的表型难以在基于细胞的测定中研究。我们提出了一个总体框架，用于构建和分析人类遗传相互作用网络的全基因组单核苷酸多态性（SNP）数据用于复杂疾病的病例对照研究。具体而言，该方法包括三个主要步骤：（1）估计SNP-SNP遗传相互作用，（2）鉴定连锁不平衡（LD）块并将SNP-SNP相互作用映射到块-块相互作用，以及（3）LD块的功能映射。我们对论文中使用的六个数据集进行了两组功能分析，并证明了（i）构建的遗传相互作用网络得到了来自独立生物数据库的功能证据的支持，（ii）该网络可用于发现与疾病表型联合相关的补偿基因模块对（途径间模型）。所提出的框架应该提供新的见解，超越现有的方法，要么忽略SNP之间的相互作用或模型不同的SNP-SNP对遗传相互作用分开。此外，我们的研究提供了证据，表明基于酵母等模式生物的反向遗传学的遗传相互作用网络的一些核心特性也存在于人类种群自然变异所揭示的遗传相互作用中。
2011-01-17 q-bio.GN q-bio.MN
PhenoLinker: Phenotype-Gene Link Prediction and Explanation using Heterogeneous Graph Neural Networks
Departamento de Ingeniería de la Información y las Comunicaciones, Universidad de Murcia（信息与通信工程系，穆尔西亚大学）；Genetics and Genomic Medicine, Great Ormond Street Institute of Child Health, University College London（遗传学与基因组医学，儿童健康大奥蒙街研究所，伦敦大学学院）；Department of Neurodegenerative Diseases, UCL Institute of Neurology（神经退行性疾病部门，伦敦大学学院神经学研究所）；NIMGenetics, Genómica y Medicina, SL, Madrid, Spain（NIMGenetics，基因组学与医学，SL，马德里，西班牙）
针对人类表型与遗传变异关联的挑战，提出PhenoLinker系统，利用异构信息网络和基于卷积神经网络的图模型预测并解释表型-基因关系，助力发现新关联及理解遗传变异后果。
2024-02-02 cs.LG q-bio.GN
A Sparse Graph-Structured Lasso Mixed Model for Genetic Association with Confounding Correction
Carnegie Mellon University（卡内基梅隆大学）；National University of Singapore（新加坡国立大学）
虽然线性混合模型（LMM）在纠正由群体分层、家族结构和隐性相关性引起的虚假关联方面表现出了竞争力，但关于基因型和表型数据的复杂结构，仍有更多的挑战有待解决。例如，遗传学家已经发现，某些表型簇比其他表型簇更多地共同表达。因此，一个联合分析，可以利用这种相关性的信息在一个异构的数据集是至关重要的遗传建模。我们提出了稀疏图结构线性混合模型（sGLMM），它可以将数据集中的性状的相关性信息与混淆校正相结合。我们的方法能够揭示大量表型的遗传关联，同时考虑这些表型的相关性。通过大量的仿真实验，我们表明，该模型优于其他现有的方法，可以从人口结构和共享信号的相关性建模。此外，我们在来自植物和人类的两个不同物种的真实世界基因组数据集中验证了sGLMM的有效性。在拟南芥数据中，sGLMM模型在63.4%的性状上表现优于其他基线模型。我们还讨论了我们的模型发现的人类阿尔茨海默病的潜在因果遗传变异，并证明了一些最重要的遗传位点。
2023-02-14 cs.LG q-bio.GN stat.ML
Whole-Genome Phenotype Prediction with Machine Learning: Open Problems in Bacterial Genomics
University of Birmingham（伯明翰大学）；Institute of Microbiology and Infection（微生物与感染研究所）
针对识别细菌性状因果遗传机制的问题，指出机器学习模型从基因型预测表型虽准确率高但提取因果特征易出错，提出细菌全基因组表型预测及因果效应学习的开放问题并讨论相关挑战。
2025-02-11 cs.LG q-bio.GN
Age, Sex, and Genetic Architecture of Human Gene Expression in EBV Transformed Cell Lines
来自EBV转化细胞系的个体表达谱是用于基因组研究的新兴资源。在这项研究中，我们的特点的影响，年龄，性别和遗传变异的基因表达，通过调查这些配置文件的公共数据集。我们确定，细胞系的表达空间保持遗传以及非种系信息，在一个个体特异性和跨组织的方式。供体的年龄与衍生细胞系中949个基因的表达相关。免疫相关基因包括免疫相关基因的过度表达，特别是MHC I类基因，这是一种在组织和生物体中复制的现象。这些细胞系中的性别相关基因包括可能的候选基因，例如逃避X-失活的基因、睾丸特异性表达的基因、雄激素和雌激素特异性基因，以及先前未知的性别相关基因家族，例如常见的microRNA靶标（MIR-490、V_ARP1_01、MIR-489）。最后，我们报告了494个转录本，其表达水平与顺式遗传变异相关，重叠并验证了以前的报告。在关联分析中排除年龄有助于进一步发现反式作用调节遗传变异。我们的研究结果促进了转化细胞系的表达谱分析，作为理解特定细胞系以外的细胞系统的工具。
2009-11-01 q-bio.GN
A Quadratically Regularized Functional Canonical Correlation Analysis for Identifying the Global Structure of Pleiotropy with NGS Data
研究遗传变异的多效性可以增加统计功效，为深入了解疾病的复杂遗传结构提供重要信息，并为设计具有更少副作用的有效治疗方法提供强大工具。然而，目前的多表型关联分析范式缺乏广度（同时联合分析的表型和遗传变异的数量）和深度（表型和基因型的层次结构）。高维多效性分析的一个关键问题是有效地从高维基因型和表型数据中提取信息的内部表示和特征。为了探索遗传变异的多层次表征，了解疾病发展中涉及的内部模式，并克服推进遗传多效性分析的新统计方法和计算算法发展的关键障碍，我们提出了一种称为二次正则化功能CCA（QRFCCA）的关联分析新框架，它结合了三种方法：（1）二次正则化矩阵分解，（2）函数数据分析和（3）典型相关分析（CCA）。大规模的模拟表明，QRFCCA有一个更高的权力比9个竞争的统计，同时保留适当的类型1错误。为了进一步评估性能，将QRFCCA和其他九个统计量应用于TwinsUK研究的全基因组测序数据集。我们使用QRFCCA鉴定了与46个性状显著相关的79个具有罕见变异的基因和67个具有常见变异的基因。结果表明，QRFCCA大大优于其他九个统计。
2016-09-16 q-bio.GN stat.ME
LMM-Lasso: A Lasso Multi-Marker Mixed Model for Association Mapping with Population Structure Correction
探索可遗传性状的遗传基础仍然是生物医学研究的核心挑战之一。在简单的情况下，单个多态位点解释了表型变异的一个重要部分。然而，许多感兴趣的性状似乎受到遗传基因座组的多因素控制。这种多元关联的准确检测是不平凡的，往往受到有限的权力。与此同时，混杂的影响，如人口结构，导致虚假的关联信号，导致假阳性结果，如果他们没有考虑在模型中。在这里，我们提出了LMM-Lasso，一个混合模型，允许两个，多位点映射和校正混杂效应。我们的方法是简单的，没有调整参数，有效地控制人口结构和规模的全基因组数据集。我们通过回顾性分析展示了其在全基因组关联研究和连锁作图中的实际应用。在拟南芥和小鼠的数据中，我们的方法能够在91%的表型中找到显着更大比例的表型变异的遗传原因。与此同时，我们的模型将这种变异性分解为个体SNP效应和群体结构引起的组分。除了遗传可遗传性的增加，已知候选基因的丰富表明LMM-Lasso检索的关联更有可能是真实的。
2012-09-21 q-bio.GN q-bio.PE q-bio.QM
Learnable Group Transform: Enhancing Genotype-to-Phenotype Prediction for Rice Breeding with Small, Structured Datasets
针对水稻育种中样本小、遗传结构复杂导致G2P预测精度不足的问题，提出LGT分组变换方法，融合线性模型与机器学习，在Rice529上显著提升多性状预测精度。
2025-03-14 q-bio.GN
How Effectively Can Large Language Models Connect SNP Variants and ECG Phenotypes for Cardiovascular Risk Prediction?
University of New South Wales（新南威尔士大学）；University of Surrey（萨里大学）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）
本研究探索微调大型语言模型，利用高通量基因组遗传标记预测心脏疾病及CVD相关SNP，通过构建思维链推理任务生成疾病标签和临床推断，展现了LLMs在心血管疾病早期检测与个性化医疗中的潜力。
2025-08-10 cs.LG q-bio.GN
Tackling the dimensions in imaging genetics with CLUB-PLS
University College London (UCL)（伦敦大学学院）；Keck School of Medicine of USC（南加州大学凯克医学院）；U C dA ,I aS aA ,E Research Project（法国U C dA ,I aS aA ,E研究项目）
本文提出CLUB-PLS框架，结合聚类自助法与偏最小二乘，在高维遗传和脑影像数据中稳健识别关联，并在UK Biobank 33,000人中发现了107个全基因组显著的位点-表型对。
2023-09-20 cs.LG eess.IV q-bio.GN
DeepBD: A Grounded Agentic Workflow for Variant Prioritization and Diagnosis of Genetic Birth Defects
College of Computer Science and Technology, Zhejiang University, Hangzhou, China（浙江大学计算机科学与技术学院，杭州，中国）
提出DeepBD，一种结合LLM、预训练证据引擎和专家模块的智能体工作流，用于遗传性出生缺陷的变异优先级排序和诊断，在内部基准上优于现有方法。
2026-06-24 cs.AI q-bio.GN
rfPhen2Gen: A machine learning based association study of brain imaging phenotypes to genotypes
University of Bergen（卑尔根大学）；Western Norway University of Applied Sciences（西挪威应用科学大学）
成像遗传学研究旨在发现遗传变异与成像数量性状之间的关联。传统的全基因组关联研究（GWAS）是基于单变量统计检验，但当多个性状一起分析时，它们会遇到多重检验问题，并且没有考虑性状之间的相关性。多性状GWAS的另一种方法是通过拟合多元回归模型来同时预测多个性状的基因型，从而逆转基因型和性状之间的函数关系。然而，目前的反向基因型预测方法大多是基于线性模型。在这里，我们评估了随机森林回归（RFR）作为从成像QT预测SNP并识别生物相关关联的方法。我们学习了机器学习模型，使用56个脑成像QT预测了518，484个SNP。我们观察到，基因型回归误差是一个更好的指标排列p值的显着性比基因型分类的准确性。已知阿尔茨海默病（AD）风险基因APOE中的SNP对于lasso和随机森林的RMSE最低，但岭回归则不然。此外，随机森林识别了其他SNP，这些SNP没有被线性模型优先考虑，但已知与脑相关疾病相关。特征选择确定了与AD相关的众所周知的大脑区域，如海马和杏仁核，作为最重要的SNP的重要预测因子。总之，我们的研究结果表明，与传统的线性多变量GWAS方法相比，像随机森林这样的非线性方法可以提供对表型-基因型关联的额外见解。
2022-03-31 cs.LG q-bio.GN
GenDMR: A dynamic multimodal role-swapping network for identifying risk gene phenotypes
Southwest Minzu University（西南民族大学）；Beijing Normal University（北京师范大学）；Peking University Health Science Center（北京大学医学部）；University of Electronic Science and Technology of China（电子科技大学）
本文提出GenDMR动态多模态角色交换网络，通过SNP空间编码、多实例注意力及主导模态选择与对比自蒸馏机制，在ADNI数据集上实现AD风险基因识别与可解释分析。
2025-06-02 cs.AI cs.LG q-bio.GN
Homozygous GRN mutations: unexpected phenotypes and new insights into pathological and molecular mechanisms
颗粒蛋白前体基因（GRN）的纯合突变与神经元蜡样质脂褐质沉积症11（CLN 11）相关，CLN 11是一种罕见的溶酶体沉积症，其特征为小脑共济失调、癫痫发作、色素性视网膜炎和认知障碍，通常在13至25岁之间开始。这是一种罕见的疾病，以前只在四个家庭中报道过。相反，杂合GRN突变是与神经元胞质TDP-43包涵体相关的额颞叶痴呆的主要原因。我们在6名新患者中发现了纯合GRN突变。表型谱比以前报道的要宽得多，根据发病年龄有两种明显不同的表现。儿童/青少年形式的特征在于在发病时的早期典型CLN 11症状。出乎意料的是，其他纯合子患者在50年后出现了明显的额颞叶痴呆和帕金森综合征的延迟表型;没有癫痫或小脑共济失调。这项研究的另一个主要发现是，所有GRN突变可能对颗粒蛋白前体蛋白合成的影响不同。在一例纯合剪接位点突变和晚发性额颞叶痴呆患者中检测到血浆颗粒蛋白前体残留水平和正常转录物低水平，这支持了某些突变的亚型效应。这是一个新的关键发现，必须在基于替代策略的治疗试验中加以考虑。在纯合子携带者中进行的第一项神经病理学研究为该疾病的病理机制提供了新的见解。存在神经元蜡样质脂褐质沉积症的特征。TDP-43胞质内含物的缺乏与杂合突变的观察结果明显不同，表明溶酶体和TDP-43病理之间的病理转变取决于单或双等位基因状态。一个有趣的观察是在一些神经元的细胞核中正常TDP-43染色的损失，这可能是在形成典型…
2020-11-20 q-bio.BM q-bio.GN q-bio.NC
A Linear-Transformer Hybrid for SNP-Based Genotype-to-Phenotype Prediction in Grapevine
Department of Biological and Agricultural Engineering, Texas A&M AgriLife Research, Texas A&M University System（生物与农业工程系，德克萨斯A&M农业生命研究，德克萨斯A&M大学系统）；Department of Soil and Crop Sciences, Texas A&M AgriLife Research, Texas A&M University System（土壤与作物科学系，德克萨斯A&M农业生命研究，德克萨斯A&M大学系统）；USDA-ARS, Grape Genetics Research Unit（美国农业部-美国农业研究服务局，葡萄遗传学研究单位）
本文提出LiT-G2P模型，结合线性效应与Transformer非线性交互，提升葡萄vine基因型到表型预测的鲁棒性，尤其在跨年测试中表现优异。
2026-05-07 cs.AI q-bio.GN
Assessing putative bias in prediction of anti-microbial resistance from real-world genotyping data under explicit causal assumptions
University of Florida（佛罗里达大学）
全基因组测序（WGS）正迅速成为鉴定抗菌素耐药性（AMR）的常规手段，因为它能够获得有关导致耐药性和驱动病原体移动的基因和机制的高分辨率信息。相比之下，传统的表型（基因图）测试不能很容易地阐明这样的信息。然而，从基因型-表型数据开发AMR预测工具可能会有偏差，因为采样是非随机的。样品种源、采集时期和物种代表性可能混淆遗传性状与AMR的关联。因此，预测模型在采样分布偏移的新数据上的表现可能很差。在这项工作中，在一组明确的因果假设下，我们使用病理系统资源整合中心（PATRIC）的基因型-表型AMR数据评估了基于倾向的再平衡和混杂调整对AMR预测的有效性。我们选择细菌基因型（编码为k-mer签名，即长度为k的DNA片段），国家，年份，物种和四环素类药物的AMR表型，准备来自单个国家的最新基因组的测试数据。我们测试了有/没有偏倚处理的增强逻辑回归（BLR）和随机森林（RF）。在10，936例中，我们发现了物种，地点和年份不平衡的证据。基因签名对AMR的影响的粗略变化与偏倚调整变化不同，但仅适度变化（从4000多万k-mer中选择前20，000个）。对于来自自助法和外部测试（n= 1，085）的袋外样本，RF（0.95）的受试者工作特征（AUROC）下的面积与BLR（0.94）相当，其中AUROC未降低。我们观察到，与单独使用遗传签名相比，使用偏倚处理的AUROC获得了1%-5%的增益。..…
2021-07-23 cs.LG q-bio.GN
Large Language Model Agents for Evidence Based Genetic Disease Severity Classification
UNSW Sydney（新南威尔士大学）；Strands（23Strands）；University of Pittsburgh（匹兹堡大学）；Shenzhen Institute of Advanced Technology（深圳先进技术研究院）；Chulalongkorn University（朱拉隆功大学）；New South Wales Health Pathology（新南威尔士州卫生病理局）；Prince of Wales Hospital（威尔士亲王医院）；Neuroscience Research Australia (NeuRA)（澳大利亚神经科学研究所）；University of Pittsburgh Medical Center（匹兹堡大学医学中心）
本研究提出结合ReAct与RAG的AI智能体，依据ACMG和ACOG指南自动分类遗传疾病严重程度，在表型层面达93.55%准确率，并支持标准化检测组合设计。
2026-09-21 cs.AI cs.CL q-bio.GN
A Multivariate Regression Approach to Association Analysis of Quantitative Trait Network
许多复杂的疾病综合征，如哮喘，包括大量的高度相关的，而不是独立的，临床表型，提出了一个新的技术挑战，在确定同时与相关性状相关的遗传变异。在这项研究中，我们提出了一个新的统计框架，称为图形引导融合套索（GFlasso），以原则性的方式解决这个问题。我们的方法明确表示的依赖结构之间的数量性状作为一个网络，并利用这个性状网络编码结构化的正则化在一个多元回归模型的基因型和性状，使遗传标记，共同影响亚组的高度相关的性状可以检测到高灵敏度和特异性。虽然大多数传统的方法独立地检查每个表型，然后将结果结合起来，但我们的方法在一个单一的统计方法中共同分析所有性状，并借用相关表型之间的信息来发现共同干扰相关triats子集而不是单个性状的遗传标记。使用基于HapMap联盟数据和哮喘数据集的模拟数据集，我们比较了我们的方法与单标记分析的性能，以及其他稀疏回归方法，如岭回归和套索，不使用任何结构信息的性状。我们的研究结果表明，有一个显着的优势，在检测真正的因果SNPs时，我们将相关模式的性状，使用我们提出的方法。
2008-11-13 q-bio.GN q-bio.MN q-bio.QM
