💡
原文中文，约3100字，阅读约需8分钟。
📝
内容提要
谷歌研究的基因组学团队开发了一种新的无监督深度学习模型，称为REGLE，该模型利用高维临床数据（HDCD）来发现基因变异与疾病之间的关联。REGLE优于现有方法，改进了基因发现和疾病预测，并增强了遗传风险评分。它可以在没有标记数据的情况下识别对器官功能的遗传影响，并有可能识别新的药物靶点。研究人员使用肺功能和心血管功能数据展示了REGLE的功能。该方法将进一步加深我们对人类特征和疾病遗传基础的理解。
🎯
关键要点
- 谷歌研究的基因组学团队开发了一种新的无监督深度学习模型REGLE，利用高维临床数据发现基因变异与疾病的关联。
- REGLE改进了基因发现和疾病预测，增强了遗传风险评分，能够在没有标记数据的情况下识别遗传影响。
- 研究展示了REGLE在肺功能和心血管功能数据中的应用，揭示了HDCD中的隐藏信息。
- REGLE通过变分自动编码器(VAE)模型克服了传统方法的限制，包含三个主要步骤：学习低维表示、独立GWAS和生成多基因风险评分。
- REGLE在肺量图和PPG数据中检测到了与肺和循环功能相关的新基因位点，有潜力成为新的药物靶点。
- 通过REGLE生成的多基因风险评分(PR)在COPD和哮喘预测中表现优于现有方法。
- REGLE的生成特性允许研究编码坐标对肺量图形状的影响，提供部分可解释的嵌入。
- REGLE为识别遗传对器官功能的影响提供了一种新机制，并支持在模型中使用专家特征，未来将进一步阐明人类特征和疾病的遗传基础。
➡️
