《临床放射学杂志》发表论文赏析

利用可解释机器学习方法揭示大脑结构相关遗传位点

来源:临床放射学杂志2026年第4期北京时间:

作者:居佳丽, 李沼霖, 刘津宇, 王萍

单位:300203 天津医科大学医学技术学部(居佳丽、李沼霖、刘津宇、王 萍); 300070 天津市功能影像重点实验室(居佳丽、李沼霖、刘津宇、王 萍)

摘要:目的基于遗传变量和人口统计学因素构建机器学习(ML)模型预测大脑灰质体积(GMV)和白质体积(WMV),并利用可解释方法识别关键预测特征及大脑结构新颖遗传位点。方法基于英国生物样本库(UK Biobank)3万余被试的脑影像衍生表型、基因型与人口统计学数据,采用XGBoost/LightGBM等6种ML模型以探究大脑结构的测量值与遗传变量和人口统计学因素之间的关联。利用SHAP(SHapley additive exPlanations)可解释性框架识别关键遗传位点,并对其进行基因注释。结果模型性能评估结果表明,LightGBM和CatBoost模型分别在GMV和WMV预测表现中最优,相关系数分别达到0.6874与0.4101。SHAP分析不仅复现了多个已知脑结构相关遗传位点,也识别出若干传统全基因组关联分析中未报道的新候选位点。例如,GMV相关位点rs187620717位于GMNC基因附近,其所在区域已被报道与脑脊液p-tau水平相关;WMV相关位点rs11196180邻近TCF7L2基因,其与杏仁核体积较小和精神分裂症相关。进一步分析揭示年龄与基因(如FAM3C、PPM1K)在脑结构调控中具有交互作用。结论对于脑影像表型利用ML模型结合可解释性技术可成功识别出与脑结构相关的新颖相关位点,并捕捉遗传位点间及其与人口学因素间的复杂交互作用,为解析脑疾病机制提供了新线索。

关键词:机器学习,可解释性,单核苷酸多态性,脑,英国生物样本库

基金资助:本研究系天津市医学重点学科建设基金资助项目(编号:TJYXZDXK-3-008C)

2026年4期其他文献查阅:

利用可解释机器学习方法揭示大脑结构相关遗传位点

探讨5.0 T MRI非增强3D-FLAIR序列对内耳内淋巴积水的诊断价值

多期CT影像组学融合临床危险因素模型预测甲状腺乳头状癌中央区淋巴结转移的价值

Logistic回归与决策树模型对肺纤维化合并肺癌免疫治疗联合化疗疗效的预测价值

基于动态增强MRI的生境成像和含瘤周影像组学模型预测肝细胞癌切除术后早期复发

基于多参数MRI在预测胃癌区域淋巴结转移的价值

基于CT影像的AI模型预测胃癌微卫星不稳定性的诊断性能:系统评价和Meta分析

基于MRI特征的评分模型对O-RADS 4类囊实性卵巢肿物风险分层的价值

基于ZOOMit的多模态模型预测子宫内膜癌错配修复缺陷

改良O-RADS MRI评分结合临床特征对卵巢肿块良恶性鉴别的诊断价值研究

基于深度学习的超分辨率动态对比增强MRI影像组学预测子宫内膜癌深肌层浸润的价值

大语言模型赋能骨肿瘤风险分层与管理系统自动评估:基于公共数据库的可行性研究

扁骨与不规则骨囊型棘球蚴病的影像学特征:CT与MRI分析

基于三维CT参数的Pierre Robin序列征婴儿喉镜显露困难预测模型研究

基于DKI-ALPS评估溃疡性结肠炎认知障碍与大脑类淋巴关系

中老年人群AIP、UHR与定量CT体脂肪分布的相关性研究

基于无监督小波高频引导扩散模型的锥形束CT到CT图像合成研究

经不同动脉入路行大鼠肝动脉插管技术的探讨

CT淋巴管成像对于泛发性淋巴管异常的诊断价值初探

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!