文献速递:帕金森的疾病分享--多模态机器学习预测帕金森病

本文主要是介绍文献速递:帕金森的疾病分享--多模态机器学习预测帕金森病,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文献速递:帕金森的疾病分享–多模态机器学习预测帕金森病

Title

题目

Multi-modality machine learning predicting Parkinson’s disease

多模态机器学习预测帕金森病

01

文献速递介绍

对于渐进性神经退行性疾病,早期和准确的诊断是有效开发和使用新干预措施的关键。这种早期检测范式旨在在患者认识到症状和体征之前,当疾病过程最容易接受干预时,识别、分析并防止或管理疾病。

这里我们描述的工作通过数据驱动的方式使用成本效益高的方法促进准确和早期诊断。这份报告还描述了在促进生产规模分析多模态基因组和临床数据的背景下,应用一个开源自动机器学习(ML),GenoML,的情况。

国家人类基因组研究所发布的最新战略愿景声明,到2030年,表观遗传学和转录组学的特征将常规地纳入到基因型对表型影响的预测模型中。生物医学研究人员目前正处于两项科学进展的交汇点,这将促进早期检测和远程识别潜在高风险个体:首先,大量临床、人口统计和遗传/基因组数据集的可用性;其次,机器学习(ML)流程自动化和人工智能的进展,以最大化利用这些大量的、容易获得的数据的价值。

首次就诊时的正确临床诊断,只有80%在病理学上确认为帕金森病(PD)。以前的生物标志物研究,特别是在神经退行性疾病中,主要关注广为人知的统计方法和线性模型,使用单一指标或少数几个指标进行预测。在过去几年中,多项研究使用ML探索了不同的模态,如CSF生物标志物、成像、RNA或包括与运动相关的指标,甚至可穿戴传感器数据。虽然这些努力在分类上表现良好,但我们寻求基于相对低成本且容易获得的数据构建模型。

Results

结果

We have shown that integrating multiple modalities improved model performance in predicting PD diagnosis in a mixed population of cases and controls. For a summary of basic clinical and demographic features, please refer to Table 1 and for a summary of the analysis, please refer to Fig. 1. Additional information in regards to cohorts and interpretation for ML metrics and models are included in Supplementary Notes 2, 3. Our multi-modality model showed a higher area under the curve (AUC;89.72%) than just the clinico-demographic data available prior to neurological assessment (87.52%), the genetics-only model from genome sequencing data and polygenic risk score (PRS; 70.66%), or the transcriptomics-only model from genome-wide whole blood RNA sequencing data (79.73%) in withheld PPMI samples(see Table 2 and Fig. 2 for summaries). This model’s performance improved after tuning, described below and in Table 3, where the mean AUC metric in the untuned model in PPMI is 80.75 with a standard deviation of 8.84 (range = 69.44–88.51) and the mean AUC at tuning in PPMI is 82.17 with a standard deviation of 8.96 (range = 70.93–90.17). Similar improvements can be seen when this model is validated in the PDBP dataset (AUC from the combined modality model at 83.84% before tuning) detailed in Table 4 and Fig. 3. Additionally, the multimodal model also had the lowest false positive and false negative rates compared to other models, only focusing on a single modality, in both the withheld test set in PPMI and in the PDBP validation set. Thus, moving from single to multiple data modalities yielded better results in not only AUC but across all performance metrics

结合多种模态的预测超越了基于单一模态的预测

我们已经展示了,将多种模态整合在一起可以提高模型在混合病例和对照组人群中预测PD诊断的性能。关于基本临床和人口统计特征的摘要,请参见表1,关于分析的摘要,请参见图1。关于队列和解释ML指标及模型的附加信息包含在补充说明2、3中。我们的多模态模型显示出的曲线下面积(AUC;89.72%)高于仅有的临床-人口统计数据(在神经学评估之前可获得的数据;87.52%)、仅基因组测序数据和多基因风险评分(PRS;70.66%)的遗传学模型,或仅来自全基因组全血RNA测序数据的转录组学模型(79.73%)在保留的PPMI样本中(见表2和图2以获取摘要)。在调整后,此模型的性能得到改善,如下所述及表3中,未调整模型在PPMI的平均AUC指标为80.75,标准差为8.84(范围=69.44–88.51),而在PPMI调整后的平均AUC为82.17,标准差为8.96(范围=70.93–90.17)。当这个模型在PDBP数据集中得到验证时,可以看到类似的改进(调整前结合模态模型的AUC为83.84%),详细内容见表4和图3。此外,与其他仅关注单一模态的模型相比,多模态模型在保留的PPMI测试集和PDBP验证集中都具有最低的假阳性和假阴性率。因此,从单一数据模态转向多种数据模态不仅在AUC上,而且在所有性能指标上都取得了更好的结果。

Fig

图片

Fig. 1 Workflow and Data Summary. Scientific notation in the workflow diagram denotes minimum p values from reference GWAS or differential expression studies as a pre-screen for feature inclusion. Blue indicates subsets of genetics data (also denoted as “G”), green indicates subsets of transcriptomics data (also denoted as *omics or “O”), yellow indicates clinico-demographic data (also denoted as C + D),and purple indicates combined data modalities. PD Parkinson’s disease, AMP-PD accelerating medicines partnership in Parkinson’s disease, PPMI Parkinson’s progression marker initiative, PDBP Parkinson’s disease biomarker program, WGS whole-genome sequencing, GWAS genome-wide association study, QC quality control, MAF minor allele frequency, PRS polygenic risk score.

图1 工作流程和数据摘要。工作流程图中的科学记号表示来自参考GWAS或差异表达研究的最小p值,作为特征包含的预筛选。蓝色表示遗传数据子集(也标记为“G”),绿色表示转录组数据子集(也标记为*组学或“O”),黄色表示临床-人口统计数据(也标记为C + D),紫色表示结合了数据模态。PD帕金森病,AMP-PD加速医药合作伙伴关系帕金森病项目,PPMI帕金森病进展标志物计划,PDBP帕金森病生物标志物计划,WGS全基因组测序,GWAS全基因组关联研究,QC质量控制,MAF小等位基因频率,PRS多基因风险评分。

图片

Fig. 2Receiver operating characteristic curves and case probability density plots in withheld training samples at default thresholds comparing performance metrics in different data modalities from the PPMI dataset. P values mentioned indicate the threshold of

significance used per datatype, except for the inclusion of all clinico-demographic features. a PPMI combined *omics dataset (genetics p value threshold = 1E-5, transcriptomics p value threshold = 1E-2, and clinico-demographic information); b PPMI genetics-only dataset (p value threshold = 1E-5); c PPMI clinico-demographics only dataset; d PPMI transcriptomics-only dataset (p value threshold = 1E-2). Note that x-axis limits may vary as some models produce less extreme probability distributions than others inherently based on fit to the input data and the algorithm used, further detailed images are included in Supplementary Fig. 5. PPMI Parkinson’s progression marker initiative, ROC receiver operating characteristic curve.

图2 在默认阈值下,比较PPMI数据集中不同数据模态的性能指标,保留训练样本中的接收器操作特征曲线和案例概率密度图。提到的P值表示每种数据类型使用的显著性阈值,除了包含所有临床-人口统计特征外。a PPMI综合*组学数据集(遗传学P值阈值=1E-5,转录组学P值阈值=1E-2,以及临床-人口统计信息);b PPMI仅遗传学数据集(P值阈值=1E-5);c PPMI仅临床-人口统计数据集;d PPMI仅转录组学数据集(P值阈值=1E-2)。请注意,x轴的限制可能会有所不同,因为一些模型基于对输入数据的适应度和使用的算法,天生就会产生比其他模型更不极端的概率分布,更详细的图像包含在补充图5中。PPMI帕金森病进展标志物计划,ROC接收器操作特征曲线。

图片

Fig. 3Receiver operating characteristic and case probability density plots in the external dataset (PDBP) at validation for the trained and then tuned models at default thresholds. Probabilities are predicted case status (r1), so controls (status of 0) skews towards more samples on the left, and positive PD cases (status of 1) skews more samples on the right. a Testing in PDBP the combined *omics model (genetics p value threshold = 1E-5, transcriptomics p value threshold = 1E-2, and clinico-demographic information) developed in PPMI prior to tuning the hyperparameters of the model; b Testing in PDBP the combined *omics model (genetics p value threshold = 1E-5, transcriptomics p value threshold = 1E-2, and clinico-demographic information) developed in PPMI after tuning the hyperparameters of the model. PPMI Parkinson’s progression marker initiative, PDBP Parkinson’s disease biomarker program, ROC receiver operating characteristic curve.

图3在外部数据集(PDBP)上对训练并调整后的模型进行验证时的接收器操作特征和案例概率密度图,使用默认阈值。概率预测的是案例状态(r1),因此对照组(状态为0)的样本偏向左侧,阳性PD案例(状态为1)的样本偏向右侧。a 在PDBP测试结合组学模型(遗传学P值阈值=1E-5,转录组学P值阈值=1E-2,以及临床-人口统计信息),该模型在PPMI中开发,在调整模型的超参数之前;b 在PDBP测试结合组学模型(遗传学P值阈值=1E-5,转录组学P值阈值=1E-2,以及临床-人口统计信息),该模型在PPMI中开发,调整模型的超参数之后。PPMI帕金森病进展标志物计划,PDBP帕金森病生物标志物项目,ROC接收器操作特征曲线。

图片

Fig. 4Feature importance plots for top 5% of features in data. The plot on the left has lower values indicated by the color blue, while higher values are indicated in red compared to the baseline risk estimate. Plot on the right indicates directionality, with features predicting for cases indicated in red, while features better-predicting controls are indicated in blue. SHAP Shapley values, UPSIT University of Pennsylvania smell identification test, PRS polygenic risk score.

图4数据中前5%特征的特征重要性图。左侧的图中,较低的值用蓝色表示,而较高的值与基线风险估计相比用红色表示。右侧的图表明方向性,预测案例的特征用红色表示,而更好地预测对照组的特征用蓝色表示。SHAP沙普利值,UPSIT宾夕法尼亚大学嗅觉识别测试,PRS多基因风险评分。

Table

图片

Table 1.Descriptive statistics of studies included from AMP PD.

表1.包含自AMP PD的研究的描述性统计。

图片

Table 2.Performance metric summaries comparing training in withheld samples in PPMI.

表2.比较在PPMI中保留样本训练的性能指标摘要。

图片

Table 3.Performance metric summaries comparing at tuned cross-validation in withheld samples in PPMI.

表3.比较在PPMI中保留样本的调整后交叉验证的性能指标摘要。

图片

Table 4.Performance metric summaries comparing combined tuned and untuned model performance on PDBP validation dataset.

表4.比较在PDBP验证数据集上结合调整和未调整模型性能的性能指标摘要。

图片

Table 5.Optimizing the AUC threshold in withheld training samples and in the validation data.

表5.在保留的训练样本和验证数据中优化AUC阈值

这篇关于文献速递:帕金森的疾病分享--多模态机器学习预测帕金森病的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/767147

相关文章

Golang使用etcd构建分布式锁的示例分享

《Golang使用etcd构建分布式锁的示例分享》在本教程中,我们将学习如何使用Go和etcd构建分布式锁系统,分布式锁系统对于管理对分布式系统中共享资源的并发访问至关重要,它有助于维护一致性,防止竞... 目录引言环境准备新建Go项目实现加锁和解锁功能测试分布式锁重构实现失败重试总结引言我们将使用Go作

Python中列表的高级索引技巧分享

《Python中列表的高级索引技巧分享》列表是Python中最常用的数据结构之一,它允许你存储多个元素,并且可以通过索引来访问这些元素,本文将带你深入了解Python列表的高级索引技巧,希望对... 目录1.基本索引2.切片3.负数索引切片4.步长5.多维列表6.列表解析7.切片赋值8.删除元素9.反转列表

Python中处理NaN值的技巧分享

《Python中处理NaN值的技巧分享》在数据科学和数据分析领域,NaN(NotaNumber)是一个常见的概念,它表示一个缺失或未定义的数值,在Python中,尤其是在使用pandas库处理数据时,... 目录NaN 值的来源和影响使用 pandas 的 isna()和 isnull()函数直接比较 Na

HarmonyOS学习(七)——UI(五)常用布局总结

自适应布局 1.1、线性布局(LinearLayout) 通过线性容器Row和Column实现线性布局。Column容器内的子组件按照垂直方向排列,Row组件中的子组件按照水平方向排列。 属性说明space通过space参数设置主轴上子组件的间距,达到各子组件在排列上的等间距效果alignItems设置子组件在交叉轴上的对齐方式,且在各类尺寸屏幕上表现一致,其中交叉轴为垂直时,取值为Vert

Ilya-AI分享的他在OpenAI学习到的15个提示工程技巧

Ilya(不是本人,claude AI)在社交媒体上分享了他在OpenAI学习到的15个Prompt撰写技巧。 以下是详细的内容: 提示精确化:在编写提示时,力求表达清晰准确。清楚地阐述任务需求和概念定义至关重要。例:不用"分析文本",而用"判断这段话的情感倾向:积极、消极还是中性"。 快速迭代:善于快速连续调整提示。熟练的提示工程师能够灵活地进行多轮优化。例:从"总结文章"到"用

【前端学习】AntV G6-08 深入图形与图形分组、自定义节点、节点动画(下)

【课程链接】 AntV G6:深入图形与图形分组、自定义节点、节点动画(下)_哔哩哔哩_bilibili 本章十吾老师讲解了一个复杂的自定义节点中,应该怎样去计算和绘制图形,如何给一个图形制作不间断的动画,以及在鼠标事件之后产生动画。(有点难,需要好好理解) <!DOCTYPE html><html><head><meta charset="UTF-8"><title>06

学习hash总结

2014/1/29/   最近刚开始学hash,名字很陌生,但是hash的思想却很熟悉,以前早就做过此类的题,但是不知道这就是hash思想而已,说白了hash就是一个映射,往往灵活利用数组的下标来实现算法,hash的作用:1、判重;2、统计次数;

【专题】2024飞行汽车技术全景报告合集PDF分享(附原数据表)

原文链接: https://tecdat.cn/?p=37628 6月16日,小鹏汇天旅航者X2在北京大兴国际机场临空经济区完成首飞,这也是小鹏汇天的产品在京津冀地区进行的首次飞行。小鹏汇天方面还表示,公司准备量产,并计划今年四季度开启预售小鹏汇天分体式飞行汽车,探索分体式飞行汽车城际通勤。阅读原文,获取专题报告合集全文,解锁文末271份飞行汽车相关行业研究报告。 据悉,业内人士对飞行汽车行业

零基础学习Redis(10) -- zset类型命令使用

zset是有序集合,内部除了存储元素外,还会存储一个score,存储在zset中的元素会按照score的大小升序排列,不同元素的score可以重复,score相同的元素会按照元素的字典序排列。 1. zset常用命令 1.1 zadd  zadd key [NX | XX] [GT | LT]   [CH] [INCR] score member [score member ...]

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss