机器学习了遗传血液细胞和疾病之间的联系

科学家从剑桥贝克系统基因组计划使用机器学习创造基因预测血液细胞的特征,如白细胞计数与慢性疾病有关。

这项研究发表在《华尔街日报》细胞基因组学血细胞性状之间的遗传结构,确定共享和各种常见疾病,包括冠状动脉疾病。

资深作者教授迈克尔•Inouye Munz心血管贝克研究所的预测和预防的椅子上,说,这一发现可能为小说,个性化的方法来更好地预测,预防和治疗各种疾病,包括心脏病、世界上最大的杀手。

血细胞在各种生物过程中发挥重要作用,使我们的身体运转良好。

血细胞特质的细胞的数量和比例不同类型中最常见的测试医疗保健。部分继承了这些特征,其遗传结构是多基因,这意味着他们是受许多基因变异的组合。

Inouye教授的团队想要找到最好的方法来预测一个人的血液细胞特征通过编译从整个人类基因组预测信息,称为多基因的分数。

但是设计多基因的分数仍然是一个相对较新的过程。它仍然是具有挑战性的,有超过3.24亿种已知的人类基因组变异,和最优方法尚不清楚。

为了解决这个问题,Inouye教授的团队观察了6个不同的机器和深度学习方法,利用大数据研究生物银行英国生物库和间隔。他们然后使用最好的方法来实现最优的预测能力25不同的血细胞特征。

“血液细胞测量全球用于指导临床决策。然而,每个人的血细胞是不同的,这些差异是部分继承。目前我们不把这些东西遗传医疗上的差异,但这些机器学习优化的多基因的分数应有助于促进,“Inouye教授说。

新连接的多基因的分数与发达来计算那些已经继承了慢性病的风险,这项研究证实了著名的某些血液细胞之间的连接特征和条件如哮喘、类风湿性关节炎、精神分裂症和克罗恩病。

但是该研究团队还发现新的血细胞性状之间的关联和冠状动脉疾病。

“通过比较共同的遗传学,我们能够识别血液细胞特征可能指标或介质的冠状动脉疾病的风险,”Inouye教授说。

“我们进一步表明,多基因的成绩变化的影响取决于如果你是一个男人或女人,这也能导致非常不同的轨迹的血液细胞随着你的年龄特征。

“综上所述,本研究是一个重大的一步个性化如何利用这些信息在一个世界上最常见的医学测试。它可以用来预测个体血液细胞特征作为一个年龄段的轨迹,以及许多不同的风险,这可能意味着什么疾病,包括心脏病。”

优化的成绩现在公开的动力分配目录,使进一步的转化研究和发展。

---

---