ترجمه فارسی مقاله پیوند دادن چارچوب یادگیری عمیق مبتنی بر عدم تعادل برای شناسایی جایگاه های ژنتیکی بیماری آلزایمر با استفاده از داده های توالی یابی کل ژنوم

چکیده

The exponential growth of genomic datasets necessitates advanced analytical tools to effectively identify genetic loci from large-scale high throughput sequencing data. This study presents Deep-Block, a multi-stage deep learning framework that incorporates biological knowledge into its AI architecture to identify genetic regions as significantly associated with Alzheimer’s disease (AD). The framework employs a three-stage approach: (1) genome segmentation based on linkage disequilibrium (LD) patterns, (2) selection of relevant LD blocks using sparse attention mechanisms, and (3) application of TabNet and Random Forest algorithms to quantify single nucleotide polymorphism (SNP) feature importance, thereby identifying genetic factors contributing to AD risk. The Deep-Block was applied to a large-scale whole genome sequencing (WGS) dataset from the Alzheimer’s Disease Sequencing Project (ADSP), comprising 7,416 non-Hispanic white participants (3,150 cognitively normal older adults (CN), 4,266 AD). First, 30,218 LD blocks were identified and then ranked based on their relevance with Alzheimer’s disease. Subsequently, the Deep-Block identified novel SNPs within the top 1,500 LD blocks and confirmed previously known variants, including APOE rs429358 and rs769449. The results were cross-validated against established AD-associated loci from the European Alzheimer’s and Dementia Biobank (EADB) and the GWAS catalog. The Deep-Block framework effectively processes large-scale high throughput sequencing data while preserving interactions between SNPs in performing the dimensionality reduction, which can potentially introduce bias or lead to information loss. The Deep-Block approach identified both known and novel genetic variation, enhancing our understanding of the genetic architecture of and demonstrating the framework’s potential for application in large-scale sequencing studies.

چکیده به فارسی (ترجمه ماشینی)

رشد نمایی مجموعه داده های ژنومی نیاز به ابزارهای تحلیلی پیشرفته برای شناسایی موثر مکان های ژنتیکی از داده های توالی توان در مقیاس بزرگ دارد.این مطالعه بلوک عمیق ، یک چارچوب یادگیری عمیق چند مرحله ای را ارائه می دهد که دانش بیولوژیکی را در معماری هوش مصنوعی خود قرار می دهد تا مناطق ژنتیکی را به طور قابل توجهی با بیماری آلزایمر (AD) همراه کند.این چارچوب از یک رویکرد سه مرحله ای استفاده می کند: (1) تقسیم بندی ژنوم بر اساس الگوهای عدم تعادل پیوند (LD) ، (2) انتخاب بلوک های LD مربوطه با استفاده از مکانیسم های توجه پراکنده ، و (3) استفاده از الگوریتم های جنگلی Tabnet و تصادفی برای تعیین کمیت واحدپلی مورفیسم نوکلئوتید (SNP) از اهمیت برخوردار است ، در نتیجه عوامل ژنتیکی را که به خطر AD کمک می کند ، شناسایی می کند.این بلوک عمیق به یک مجموعه داده توالی ژنوم کل در مقیاس بزرگ (WGS) از پروژه توالی بیماری آلزایمر (ADSP) ، شامل 7،416 شرکت کننده سفید پوست غیر اسپانیایی (3،150 بزرگترهای مسن شناختی عادی (CN) ، 4،266 میلادی) اعمال شد.ابتدا ، 30،218 بلوک LD مشخص شد و بر اساس ارتباط آنها با بیماری آلزایمر رتبه بندی شد.پس از آن ، بلوک عمیق SNP های رمان جدید را در 1500 بلوک LD برتر شناسایی کرد و انواع قبلاً شناخته شده را تأیید کرد ، از جمله APOE RS429358 و RS769449.نتایج به صورت متقاطع در برابر مکان های مستقر در AD از آلزایمر اروپایی و دمانس بیوبانک (EADB) و کاتالوگ GWAS تأیید شد.چارچوب بلوک عمیق به طور موثری داده های توالی توان در مقیاس بزرگ را در حالی که تعامل بین SNP ها را در انجام کاهش ابعاد حفظ می کند ، پردازش می کند ، که به طور بالقوه می تواند تعصب را معرفی کند یا منجر به از بین رفتن اطلاعات شود.رویکرد بلوک عمیق هر دو تنوع ژنتیکی شناخته شده و جدید را مشخص می کند ، و درک ما از معماری ژنتیکی و نشان دادن پتانسیل چارچوب برای کاربرد در مطالعات توالی در مقیاس بزرگ را افزایش می دهد.