人工智能工具可调整遗传数据中的祖先偏差

人类祖先对基因表达有相当大的影响，但用于疾病分析的基因组数据集对非欧洲人群的代表性严重不足，从而限制了精准医学的发展。在《自然-通讯》（Nature Communications）杂志的一篇论文中，Smith 等人介绍了一种机器学习工具，用于减轻转录组数据中祖先偏倚的影响。该工具名为 PhyloFrame，通过将群体基因组学数据与较小的、与疾病相关的训练数据集整合，创建祖先感知的疾病特征。PhyloFrame使用带有LASSO惩罚的逻辑回归模型来获得一组初始的疾病相关基因。然后，它使用群体基因组学数据来帮助补偿人类祖先差异造成的数据分布偏移。简而言之，PhyloFrame 将初始疾病特征投射到一个功能相互作用网络上，并扩展该网络以包括每个特征基因的第一和第二相邻基因。然后，用一种定义为增强等位基因频率（EAF）的统计量对这组新的基因进行筛选--EAF 捕获了健康组织中特定人群的等位基因富集--以确定与原始特征基因相互作用的祖先多样性基因。从每个祖先基因中，挑选出训练数据中等位基因频率和基因表达变异性较高的基因子集，添加到 PhyloFrame 特征中。通过强制加入这些公平基因来重新训练模型，就能得到一种疾病特征，这种特征能推广到所有人群，即使训练数据中没有这种特征。