NeuralCipher Araştırma özeti
Kaynak özetin Türkçe makine çevirisi. Klinik kullanım öncesinde özgün yayınla karşılaştırılmalı; hekim incelemesi değildir. cc by
Motivasyon: Mendelian olmayan karmaşık hastalıklarda yeni genetik ilişkileri tanımlamak giderek zorlaşan bir zorluktur. Bu hastalıklar bazen açıklama gerektiren kalıtımsallık açısından önemli bir bileşene sahip görünmektedir ve bu eksik kalıtımsallık, farklı genetik faktörleri içeren alt tiplerin varlığından kaynaklanabilir. Klinik çalışmalarda genetik bilgilerin dikkate alınması, karmaşık bir hastalığın alt dizilme sürecine rehberlik etmede potansiyel olarak rol oynayabilir. Birden fazla bilgi kaynağı ile ilgilenen çoğu yöntem veri dönüşümüne dayanır ve hastalık alttiplemesinde kullanılan iki ana strateji şunlardır: 1) posterior genetik analizin ardından klinik verilerin kümelenmesi ve 2) klinik ve genetik değişkenlerin eş kümelenmesi. Bu stratejilerin her ikisinin de ele almayı önerdiğimiz sınırlamaları var. Katkı: Bu çalışma, seyrek bir gerileme karışımı modeli aracılığıyla hem boylamsal klinik değişkenler hem de yüksek boyutlu genetik belirteçler temelinde hastalık alttiplemesi için orijinal bir yöntem önermektedir. Yaklaşımımızın katma değeri, iki yönüyle ilişkili olarak yorumlanabilirliği içinde yatmaktadır. İlk olarak, modelimiz hem klinik hem de genetik verileri başlangıç doğalarıyla (yani, dönüşüm olmadan) ilişkilendirir ve orijinal bilgilere ikinci kez erişildiğinde alt tipleri yorumlamak için post-processing gerektirmez. İkincisi, büyük ölçekli sorunları, subtipleme için uygun olmayan genetik değişkenleri atmak için kullanılan değişken bir seçim adımı nedeniyle ele alabilir. Sonuçlar: Önerilen yöntem simülasyonlarda doğrulandı. Parkinson hastalığı hastalarının bir kohortundan gelen bir veri seti de analiz edildi. Hastalığın birkaç alt tipi ve bu tipolojide potansiyel olarak rol oynayan genetik varyantlar belirlendi. Yazılım kullanılabilirliği: DiSuGen adlı önerilen yöntem için R kodu ve indirme için bir öğretici mevcuttur (referanslara bakınız).
Özgün kaynak özetini okuyun
Motivation: Identifying new genetic associations in non-Mendelian complex diseases is an increasingly difficult challenge. These diseases sometimes appear to have a significant component of heritability requiring explanation, and this missing heritability may be due to the existence of subtypes involving different genetic factors. Taking genetic information into account in clinical trials might potentially have a role in guiding the process of subtyping a complex disease. Most methods dealing with multiple sources of information rely on data transformation, and in disease subtyping, the two main strategies used are 1) the clustering of clinical data followed by posterior genetic analysis and 2) the concomitant clustering of clinical and genetic variables. Both of these strategies have limitations that we propose to address. Contribution: This work proposes an original method for disease subtyping on the basis of both longitudinal clinical variables and high-dimensional genetic markers via a sparse mixture-of-regressions model. The added value of our approach lies in its interpretability in relation to two aspects. First, our model links both clinical and genetic data with regard to their initial nature (i.e., without transformation) and does not require post-processing where the original information is accessed a second time to interpret the subtypes. Second, it can address large-scale problems because of a variable selection step that is used to discard genetic variables that may not be relevant for subtyping. Results: The proposed method was validated on simulations. A dataset from a cohort of Parkinson's disease patients was also analyzed. Several subtypes of the disease and genetic variants that potentially have a role in this typology were identified. Software availability: The R code for the proposed method, named DiSuGen, and a tutorial are available for download (see the references).
Bilimsel değerlendirme
Araştırma sorusu
Sorunun kapsamı orijinal çalışma üzerinden değerlendirilir.
Yöntem ve örneklem
Çalışma tasarımı ve örneklem için kaynak makaleyi kontrol edin.
Temel bulgular
Bu kayıt için editoryal olarak onaylanmış bulgu özeti henüz yayımlanmadı.
Sınırlılıklar
Sonuçların genellenebilirliği, yanlılık ve klinik anlamı ayrıca incelenmelidir.
Bibliyografik veriden yöntem, örneklem veya klinik sonuç çıkarımı yapılmaz.