A pipeline for multivariate genome-wide associations studies with morphological brain features
Notice bibliographique
Résumé
Medical imaging datasets, such as magnetic resonance, are increasingly being used to investigate the genetic architecture of the brain. These images are commonly used as imaging-specific or –derived phenotypes when conducting genotype-phenotype association studies. When using this type of phenotype, multivariate genome-wide association study (GWAS) designs are considered better suited than univariate methods due to the ability to account for the inherent correlations between the phenotypes related to brain structures as determined from medical images. The main objective of this work is to establish and evaluate a comprehensive pipeline for investigating genotype-phenotype associations of the human brain using canonical component analysis. The proposed pipeline was tested to investigate genotype-phenotype associations between cortical brain region volumes in subjects with attention-deficit hyperactivity disorder as a proof-of-principle. Canonical component analysis, a form of multivariate GWAS and machine learning, was utilized to determine genotype-phenotype associations between cortical brain region volumes in subjects with attention-deficit hyperactivity disorder. Using the developed pipeline, several significant (p-value < 5E−04) single nucleotide polymorphisms were found that reside in or near several genes like DSCAM or DPYSL2 that are known to be associated with neurological and mental disorders or substance addiction, a common comorbidity for subjects with attention-deficit hyperactivity disorder. These clinically meaningful results show that the proposed pipeline using canonical component analysis can be used to investigate the genetic architecture of the brain.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,010 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».