machine learning来对GWAS结果建模 - 未名空间MITBBS历史存档

machine learning来对GWAS结果建模# Biology - 生物学

e*r2017-02-26 08:02

1 楼

最近入手了个nook hd+ 照着置顶帖子的步骤破解了原生系统，现在是2.0.4的版本。（
还是test账户，自己创建profile死活不成功）
虽然可以安装app了，但是很多app都发生了突然stop的问题。比如gmail在我每次选中
自动sync的时候就会stop，现在只好手动刷新特傻。另外一些逃脱类的游戏也在打开时
stop了，甚至nook的app也会stop。
在想要不要刷cm10了，担心电池和稳定性的稳定，不过现在这样实在没法正常使用了，
板上的大牛们能否支个招？多谢了~

r*e2017-02-26 08:02

2 楼

最近在做一些machine learning/data science的工作。
因为过去做过很多genomics，突然有一个想法，比如GWAS里top candidate的解释很困
难，或者基于top candidate来预测疾病几乎不可能。
那么是不是可以用各种machine learning办法来training比如几万个SNP；得到这几万
个SNP和疾病状态的关系呢？
Y = a1x1 + a2x2 + a3x3 + ....anxn (n = SNP number比如几万个)
比如这种最简单的线性关系，然后来寻找W=(a1,a2,a3,...an)这个vector的最优解
去搜了一下，有一些这样的paper，但并不是很多。大量GWAS data都是online
available的，而用python的机器学习package的运算量，也不会太大吧？反正比我们分
析WGS要小很多吧？所以我觉得每一种疾病的GWAS都可以拿来做modeling，看是否可以
得到good estimate of parameters
但为何看到的文章这么少（或许是我孤陋寡闻）？然后也没有看到有很好的genetics
modeling运用到临床的。是因为这个真正做起来非常复杂？还是有太多arbitrary（比
如使用哪种classifier），所以也是一个坑？
不知道有没有做这个方向的，说说这是不是个坑。

s*s2017-02-26 08:02

3 楼

gwas现在的理论是无数作用微小的SNP，太多predictor会overfitting
你要有兴趣的话去看看Nancy Cox在Vanderbilt的工作，用prediXcan把
SNP translate到表达，然后用表达看比较容易点

【在 r**********e 的大作中提到】

: 最近在做一些machine learning/data science的工作。
: 因为过去做过很多genomics，突然有一个想法，比如GWAS里top candidate的解释很困
: 难，或者基于top candidate来预测疾病几乎不可能。
: 那么是不是可以用各种machine learning办法来training比如几万个SNP；得到这几万
: 个SNP和疾病状态的关系呢？
: Y = a1x1 + a2x2 + a3x3 + ....anxn (n = SNP number比如几万个)
: 比如这种最简单的线性关系，然后来寻找W=(a1,a2,a3,...an)这个vector的最优解
: 去搜了一下，有一些这样的paper，但并不是很多。大量GWAS data都是online
: available的，而用python的机器学习package的运算量，也不会太大吧？反正比我们分
: 析WGS要小很多吧？所以我觉得每一种疾病的GWAS都可以拿来做modeling，看是否可以

d*m2017-02-26 08:02

4 楼

对SNP modeling完全不了解，是logit or probit regression + hierarchical
probabilistic model + MCMC
这个步骤吗?

s*s2017-02-26 08:02

5 楼

btw, prediXcan其实就是类似的regression，不过dependent variable是expression而已

【在 s******s 的大作中提到】

: gwas现在的理论是无数作用微小的SNP，太多predictor会overfitting
: 你要有兴趣的话去看看Nancy Cox在Vanderbilt的工作，用prediXcan把
: SNP translate到表达，然后用表达看比较容易点

G*G2017-02-26 08:02

6 楼

what is Y?
categorical variable?
what is the x?
genotype? is it categorical variable?

【在 r**********e 的大作中提到】

: 最近在做一些machine learning/data science的工作。
: 因为过去做过很多genomics，突然有一个想法，比如GWAS里top candidate的解释很困
: 难，或者基于top candidate来预测疾病几乎不可能。
: 那么是不是可以用各种machine learning办法来training比如几万个SNP；得到这几万
: 个SNP和疾病状态的关系呢？
: Y = a1x1 + a2x2 + a3x3 + ....anxn (n = SNP number比如几万个)
: 比如这种最简单的线性关系，然后来寻找W=(a1,a2,a3,...an)这个vector的最优解
: 去搜了一下，有一些这样的paper，但并不是很多。大量GWAS data都是online
: available的，而用python的机器学习package的运算量，也不会太大吧？反正比我们分
: 析WGS要小很多吧？所以我觉得每一种疾病的GWAS都可以拿来做modeling，看是否可以

r*x2017-02-26 08:02

7 楼

果然隔行如隔山啊，完全无法理解了

【在 r**********e 的大作中提到】

: 最近在做一些machine learning/data science的工作。
: 因为过去做过很多genomics，突然有一个想法，比如GWAS里top candidate的解释很困
: 难，或者基于top candidate来预测疾病几乎不可能。
: 那么是不是可以用各种machine learning办法来training比如几万个SNP；得到这几万
: 个SNP和疾病状态的关系呢？
: Y = a1x1 + a2x2 + a3x3 + ....anxn (n = SNP number比如几万个)
: 比如这种最简单的线性关系，然后来寻找W=(a1,a2,a3,...an)这个vector的最优解
: 去搜了一下，有一些这样的paper，但并不是很多。大量GWAS data都是online
: available的，而用python的机器学习package的运算量，也不会太大吧？反正比我们分
: 析WGS要小很多吧？所以我觉得每一种疾病的GWAS都可以拿来做modeling，看是否可以

G*G2017-02-26 08:02

8 楼

the key is to understand what is exactly x and Y.

【在 r***x 的大作中提到】

: 果然隔行如隔山啊，完全无法理解了

i*e2017-02-26 08:02

9 楼

GWAS是很多，但是拿到数据，尤其N多个GWAS，也不是很简单
summarized results都不一定好拿
更不要说需要genotypes的情况下
有用GWAS top SNPs做polygenic risk score来预测
AUC对比之前用流行病或者临床指标的模型
结果没有太明显突出增强
也有用全基因组的SNPs做类似的工作
或者增加几个权重，比如SNP annotation或者local ancestray之类的
GWAS已经被统计流行病那拨人玩残了
genotypes是一方面，但是疾病表型是另一方面，而且是最重要的一个
这方面高质量的数据，不一定好拿到
此外像shakuras说的那种进一步结合或者转换到更有生物学意义的数据，可能是一个方法
生物学有时空性
但是目前这种snapshot类型的数据来源
多少能反应生物学，那就另说了
但是能玩

【在 r**********e 的大作中提到】

: 最近在做一些machine learning/data science的工作。
: 因为过去做过很多genomics，突然有一个想法，比如GWAS里top candidate的解释很困
: 难，或者基于top candidate来预测疾病几乎不可能。
: 那么是不是可以用各种machine learning办法来training比如几万个SNP；得到这几万
: 个SNP和疾病状态的关系呢？
: Y = a1x1 + a2x2 + a3x3 + ....anxn (n = SNP number比如几万个)
: 比如这种最简单的线性关系，然后来寻找W=(a1,a2,a3,...an)这个vector的最优解
: 去搜了一下，有一些这样的paper，但并不是很多。大量GWAS data都是online
: available的，而用python的机器学习package的运算量，也不会太大吧？反正比我们分
: 析WGS要小很多吧？所以我觉得每一种疾病的GWAS都可以拿来做modeling，看是否可以

h*62017-02-26 08:02

10 楼

Genomic selection 在 cattle 已经做了很多了。prediction accuracy 能在40%左右
就不错了

【在 r**********e 的大作中提到】

: 最近在做一些machine learning/data science的工作。
: 因为过去做过很多genomics，突然有一个想法，比如GWAS里top candidate的解释很困
: 难，或者基于top candidate来预测疾病几乎不可能。
: 那么是不是可以用各种machine learning办法来training比如几万个SNP；得到这几万
: 个SNP和疾病状态的关系呢？
: Y = a1x1 + a2x2 + a3x3 + ....anxn (n = SNP number比如几万个)
: 比如这种最简单的线性关系，然后来寻找W=(a1,a2,a3,...an)这个vector的最优解
: 去搜了一下，有一些这样的paper，但并不是很多。大量GWAS data都是online
: available的，而用python的机器学习package的运算量，也不会太大吧？反正比我们分
: 析WGS要小很多吧？所以我觉得每一种疾病的GWAS都可以拿来做modeling，看是否可以

G*G2017-02-26 08:02

11 楼

谁能告诉我们
模型中的x是什么？Y又是什么？
x是genotype，还是expression value？
Y是phenotype吗？是categorial，还是continuous？

【在 h********6 的大作中提到】

: Genomic selection 在 cattle 已经做了很多了。prediction accuracy 能在40%左右
: 就不错了

r*e2017-02-26 08:02

12 楼

Yes.
Y=control or disease，转化为0或1
X=genotype，比如0，1，2
当然看到有人说直接把AA AC CC化为0，1，2是不是不妥。
我只是对这个问题很有兴趣，但没具体做过。估计很多stat people做过可以来讲讲

: what is Y?

: categorical variable?

: what is the x?

: genotype? is it categorical variable?

【在 G***G 的大作中提到】

: 谁能告诉我们
: 模型中的x是什么？Y又是什么？
: x是genotype，还是expression value？
: Y是phenotype吗？是categorial，还是continuous？

G*G2017-02-26 08:02

13 楼

感觉不容易。binary variables are not suitable for linear regression.

【在 r**********e 的大作中提到】

: Yes.
: Y=control or disease，转化为0或1
: X=genotype，比如0，1，2
: 当然看到有人说直接把AA AC CC化为0，1，2是不是不妥。
: 我只是对这个问题很有兴趣，但没具体做过。估计很多stat people做过可以来讲讲
:
:
: what is Y?
:
: categorical variable?
:
: what is the x?
:
: genotype? is it categorical variable?

d*m2017-02-26 08:02

14 楼

there are things called generalized linear models

【在 G***G 的大作中提到】

: 感觉不容易。binary variables are not suitable for linear regression.

I*r2017-02-26 08:02

15 楼

Bayesian sparse LMM

r*e2017-02-26 08:02

16 楼

Many thanks!
我没有找到正确的关键词polygenic
一搜polygenic，一大堆文章，果然就是被biostatistics玩残了的。
我在想：
1， input selection （应该选择多少snp，是否根据snp的功能分配weight）
2， machine learning的不同model （svm，random forest，linear mixed
regression, sparse regression..）
3, 有如此多不同的疾病
感觉跟作实验一样，也是很多不同hypothesis：assume不同的input snp，尝试不同的
model；然后如此多不同疾病的大量的gwas数据，说不定就碰运气得到好的performance
，然后用到临床上去的？
比如最近这个：
http://www.nature.com/nature/journal/v542/n7639/full/nature21056.html#ref4
Dermatologist-level classification of skin cancer with deep neural networks
还没仔细读，但能到nature上，不知道是否是很成功的deep learning用到临床

【在 i*e 的大作中提到】

: GWAS是很多，但是拿到数据，尤其N多个GWAS，也不是很简单
: summarized results都不一定好拿
: 更不要说需要genotypes的情况下
: 有用GWAS top SNPs做polygenic risk score来预测
: AUC对比之前用流行病或者临床指标的模型
: 结果没有太明显突出增强
: 也有用全基因组的SNPs做类似的工作
: 或者增加几个权重，比如SNP annotation或者local ancestray之类的
: GWAS已经被统计流行病那拨人玩残了
: genotypes是一方面，但是疾病表型是另一方面，而且是最重要的一个

G*G2017-02-26 08:02

17 楼

are you sure it will work?
in his model, y and x both are binary.
I am not a statistician. Can someone confirm the following statement for us?
Generalized linear model cannot deal well with binary x.

【在 d********m 的大作中提到】

: there are things called generalized linear models

G*G2017-02-26 08:02

18 楼

first time heard of this.
is this powerful?
For the Linear Mixed model, is it good when predictors are all binary?

【在 I**********r 的大作中提到】

: Bayesian sparse LMM

d*m2017-02-26 08:02

19 楼

Let me put it this way. ANOVA is a linear regression model with random error
being normally distributed and predictors being encoded categorically. It'
s called dummy variables.
The same idea can certainly be applied on to generalized linear model with
different form of random errors.

us?

【在 G***G 的大作中提到】

: are you sure it will work?
: in his model, y and x both are binary.
: I am not a statistician. Can someone confirm the following statement for us?
: Generalized linear model cannot deal well with binary x.

g*y2017-02-26 08:02

20 楼

glm的y有个link function，binary 一般是logit。
glm的x可以是binary，这里的binary必须作为categorical。