Un cadru bayesian pentru descoperirea genetică și analizarea EHR longitudinale
Conform nature.com, înregistrările electronice de sănătate (EHR) oferă istorii longitudinale detaliate ale bolilor, însă metodele existente pentru analiza acestor date tratează de obicei bolile în mod izolat și rareori integrează genetica germline. În acest articol, prezentăm ALADYNOULLI, un cadru generativ bayesian care modelează împreună diagnosticele EHR longitudinale, vârsta și riscul poligenic pentru a recupera semnăturile latente ale bolilor variabile în timp și încărcările specifice ale semnăturilor pacienților.
👉 Descrierea modelului și aplicarea pe biobănci independente
Modelul este formulat ca un amestec de probabilități, permițând o acomodare corectă a condițiilor simultane și cronice. Aplicat pe trei biobănci independente (UK Biobank, Mass General Brigham și All of Us; total n > 683,000), modelul recuperă 21 de semnături replicabile cu o conservare ridicată a compoziției între cohorte (medie de 80%) și dezvăluie subtipuri biologice în cadrul categoriilor de diagnostic (Cohen’s d până la 4.25; P ≤ 1 × 10−8 pentru 95% dintre comparații).
Semnăturile sunt concordante cu biologia bolilor cunoscute: purtătorii de hipercolesterolemie familială se îmbogățesc în semnătura cardiovasculară; purtătorii de hematopoeză clonală de potențial nedeterminat se încadrează în semnătura inflamației; iar o încărcătură rară de variante în LDLR, TTN și BRCA2 se aliniază cu specificitățile bolii. Un studiu de asociere la nivelul genomului bazat pe semnături identifică 151 de loci semnificativi la nivel genomic, inclusiv asocieri cardiovasculare, pe care le-au ratat analizele pe un singur trăsătură.
👉 Impactul modelelor bayesiene asupra predicției și corecția biasului de selecție
Un likelihood explicit permite o ponderare a probabilității inverse pentru a aborda biasul de selecție, păstrând în același timp semnalul biologic. În ceea ce privește predicția bolii, ALADYNOULLI depășește Pooled Cohort Equation (PCE), PREVENT și Gail pe orizonturi de 1 și 10 ani; predicțiile la nivel de boală (PheCode) completează modelele fundamentale la nivel de cod, cum ar fi Delphi-2M.