返回
Transformer-based InsightGWAS improves GERD genetic discovery via pretraining on GWAS for major depressive disorder
10.1038/s42003-025-09177-3
2026-01-05
0
OA
PDF
AI
摘要
En 中文
胃食管反流病（GERD）是一种患病率极高的胃肠道疾病，具有复杂的遗传基础。尽管全基因组关联研究（GWAS）已识别出多个与GERD相关的基因位点，但传统的GWAS方法依赖于严格的显著性阈值，可能遗漏对疾病生物学仍有贡献的效应较小的变异。为提升GERD相关基因位点的发现效率，我们开发了InsightGWAS，一种基于Transformer的深度学习模型。该模型通过迁移学习，先在全基因组关联研究的重度抑郁症数据上进行预训练，再使用GERD GWAS汇总统计数据进行微调。我们整合了多组学功能注释，包括eQTLs、mQTLs和表观基因组数据，以优先筛选候选变异。比较分析显示，InsightGWAS在分类精度上优于逻辑回归、XGBoost和神经网络，并能减少假阳性结果。该模型验证了已知的GERD基因位点，并发现了209个新的候选位点，其中许多涉及神经源性、神经肌肉和上皮通路。富集分析显示其与突触传递、神经发育及钙黏蛋白介导的信号通路相关，表明神经系统的调节和上皮完整性均参与GERD的病理生理过程。本研究展示了深度学习在推进遗传发现方面的潜力，超越了传统的GWAS方法。通过利用迁移学习和多组学注释，InsightGWAS识别出潜在与疾病相关的生物学通路，为机制研究和潜在治疗靶点提供了有前景的方向。InsightGWAS作为一种基于Transformer的模型，通过深度学习的方法，在重度抑郁症GWAS数据上训练，提升了我们对GERD遗传学的理解，突出了神经源性和上皮性风险通路。
关键词:
GERD
deep learning
GWAS
transfer learning
multi-omics
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.1
论文数: 9.9K
・
被引数: 3.2W
学者
Y
Yunhai Wei
H 指数:
0
论文数: 1
・
被引数: 0
Z
Ziang Meng
H 指数:
0
论文数: 3
・
被引数: 0
X
Xianjin Wang
H 指数:
0
论文数: 3
・
被引数: 0
Y
Yue Jiang
H 指数:
0
论文数: 5
・
被引数: 0
H
Huanxin Ding
H 指数:
0
论文数: 1
・
被引数: 0
查看更多内容机构
S
Shandong First Medical University
学者数:
1.1K
论文数: 426
・
被引数: 1.2W
Z
Zhejiang Chinese Medical University
学者数:
1.3W
论文数: 6.5K
・
被引数: 7.3K
T
S
Shandong First Medical University and Shandong Academy of Medical Sciences
学者数:
1.4K
论文数: 491
・
被引数: 105
引用论文