文献

J-GLOBAL ID：202202271818089174   整理番号：22A0563139

統合失調症遺伝学を進歩させるためのトランスクリプトームと機械学習:死後脳データを用いた症例対照研究【JST・京大機械翻訳】

Transcriptomics and machine learning to advance schizophrenia genetics: A case-control study using post-mortem brain data

著者 (5件)： Qi Bill (Department of Human Genetics, McGill University, Montreal, QC, Canada) ,  Boscenco Sonia (Faculty of Science, McGill University, Montreal, QC, Canada) ,  Ramamurthy Janani (Faculty of Science, McGill University, Montreal, QC, Canada) ,  Trakadis Yannis J. (Department of Human Genetics, McGill University, Montreal, QC, Canada) ,  Trakadis Yannis J. (Department of Medical Genetics, McGill University Health Center, Montreal, QC, Canada)
資料名： Computer Methods and Programs in Biomedicine  (Computer Methods and Programs in Biomedicine)
巻： 214  ページ： Null  発行年： 2022年 
JST資料番号： D0213C  ISSN： 0169-2607  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アイルランド (IRL)  言語： 英語 (EN)

抄録/ポイント： 統合失調症(SCZ)患者において,さまざまな遺伝子の発現の変化が報告されている。さらに,遺伝子発現マイクロアレイデータの機械学習(ML)解析は,SCZの研究における有望な予備的結果を示している。著者らの目的は,SCZ症例と,背外側前頭前野皮質からの遺伝子発現マイクロアレイデータに基づく対照の分類におけるMLの性能を評価することであった。最先端のMLアルゴリズム(XGBoost)を適用して,201のSCZケースと278の対照を用いて分類モデルを訓練し,評価した。モデル選択のための10倍交差検証法,およびモデルを評価するための保持試験セットを利用した。分類性能を評価する性能計量は,受信者動作特性曲線(AUC)の下の領域であった。訓練中に使用されないテストデータで0.76の10倍交差検証と0.76のAUCの平均AUCを報告する。高から低予測信頼レベルまでの圧延バランス分類精度の解析は,予測の最確なサブセットが80~90%の範囲であることを示した。MLモデルは182の遺伝子発現プローブを利用した。182の特徴に自動ML戦略を適用したとき,分類性能への更なる改善が観察され,同じ試験データで0.79のAUCを達成した。著者らは,すべてのトップ10MLをSCZにランク付けする文献証拠を見出した。さらに,単変量遺伝子発現分析により利用可能なマイクロアレイ遺伝子発現の完全セットから情報を利用した。次に,ピアノ遺伝子セット分析パッケージを用いて差次的に発現した遺伝子セットを優先順位付けした。著者らは,よりロバストな遺伝子セットを同定するために,超幾何試験を用いて,複合多変量MLモデルから遺伝子を有する優先遺伝子セットのランキングを拡大した。2つの重要な遺伝子オントロジー分子機能遺伝子セットを同定した:「酸化レダクターゼ活性,ドナーのCH-NH_2基に作用する」および「インテグリン結合」。最後に,この研究からの知見に基づくSCZの候補治療を提示し,著者らは,SCZ症例と脳遺伝子発現マイクロアレイデータに基づく対照のML分類から,上記の性能を観察し,遺伝子発現のML分析は,SCZの病態生理の理解をさらに理解し,新規治療を同定するのに役立つことを見出した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  幾何学 ,  酸化 ,  ドナー ,  遺伝子 ,  *統合失調症 ,  皮質 ,  治療法 ,  ロバスト性 ,  遺伝子発現 ,  インテグリン ,  *機械学習 ,  DNAマイクロアレイ ,  レダクターゼ ,  *トランスクリプトーム

著者キーワード (5件)： 統合失調症 ,  トランスクリプトーム ,  機械学習 ,  生物情報学 ,  死後

分類 (2件)： 分子・遺伝情報処理  (JE15040B) ,  遺伝子発現  (EC02040Q)

タイトルに関連する用語 (6件)： 統合失調症 ,  遺伝学 ,  トランスクリプトーム ,  機械学習 ,  死後脳 ,  症例対照研究