基于结构和功能脑影像的影像遗传学研究及应用

来源 :南京航空航天大学 | 被引量 : 0次 | 上传用户:star010lxl
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
影像遗传学(imaging genetics或imaging genomics)是结合多模态神经影像学和遗传学方法,检测与影响神经疾病、认知和情绪调节等行为相关脑结构和功能的遗传变异。随着机器学习方法的快速发展,基于机器学习方法的影像遗传学是当前研究的热点问题之一。本论文是在机器学习的基础上开展影像遗传学分析,针对结构核磁成像对感兴区域的遗传研究和静息态功能核磁成像对功能连接的遗传研究,研究如何充分描述和利用生物标志数据内在的结构信息来建立相关模型,分析易感基因与大脑结构和功能的相关性,从而揭示出产生脑认知行为或者相关疾病的内在机制,进而开展研究工作:(1)多个基因位点变异与多模态多脑区的关联;(2)多个基因位点变异与多个脑区的关联;(3)单个基因位点变异对脑网络表型的影响;(4)多个基因位点变异对脑网络表型的影响。主要工作和创新点如下:(1)为了充分利用样本间的判别性信息和多模态脑影像数据表型的互补信息,本文提出一种基于判别性相似信息的多基因位点SNPs与多模态多脑区影像QTs关联分析方法。具体来说,首先,利用稀疏表示法提取类内样本间的判别性相似信息,构造了一种判别性稀疏典型相关算法D-SCCA。其次,考虑到多模态的脑影像能够更好地刻画相同脑区的不同结构和功能特性,从而将上述的D-SCCA双模态多变量稀疏典型相关分析模型扩展到多模态之间两两模态关联,即建立了多基因与多表型关联(multi-SNP-multi-QT associations)和多表型与多表型关联(multi-QT-multi-QT associations),充分挖掘了不同样本和不同模态之间的关系。最后,我们还提出了一种轻量级的迭代算法来解决多模态关联模型的优化问题。在ADNI数据集上,实验结果表明,相比传统的单模态影像遗传关联方法,所提出模型能够获得更好的关联性能,并且实现了从基因型到表型再到诊断的链式关联的多模态一致性风险基因位点和脑区特征选择。(2)利用网络的局部结构,以及跨网络的公共信息和互补信息,本文提出一种基于融合自表达网络的多基因位点SNPs与多脑区QTs关联分析方法。具体而言,首先,通过对影像遗传数据进行稀疏重构来计算类内样本间的关系,以构建样本的自表达网络,并使用融合方法将不同的自表达网络迭代地融合为一个可以表示基础数据结构的网络。其次,为了探索影像数据与基因数据之间的关联,利用自表达特性对原始多模态数据进行重构。最后,提出一种基于融合自表达网络的基因与脑影像关联分析框架,充分利用网络的局部结构,以及跨网络的公共信息和互补信息,并通过对投影向量施加不同的惩罚约束,实现脑疾病回归和一致性基因影像生物标志物发现这两项任务。在ADNI数据集上,实验结果表明基于融合自表达网络的稀疏典型相关分析方法能够获得更好的关联性能,以及发现一些受多个基因位点SNPs影响的且与疾病相关的多个脑区标志特征。(3)针对目前大多数研究主要集中在脑结构成像与遗传变异之间的关联,而忽略了脑区域之间的连接信息这一问题,本文提出一种基于诊断对齐的风险基因位点SNP与脑网络表型QTs关联分析方法。具体而言,首先,从ADNI数据库的结构磁共振成像sMRI和静息态功能磁共振成像fMRI中提取结构节点特征和网络连接边特征。然后,我们应用诊断对齐的多模态方法来探讨已知的AD风险基因位点SNP APOE rs429358和脑网络特征之间的关系。最后,提出利用加速近似梯度APG来优化所提出的模型。在ADNI数据集上,实验结果表明基于诊断对齐多模态方法能够获得更好的关联性能,并且实现了从基因型到表型再到诊断的链式关联的多模态一致性风险基因位点和连接性特征选择。(4)为了进一步挖掘在神经退行性疾病中多基因位点变异对脑网络的影响,本文提出一种基于深度自重构的多基因位点SNPs与脑网络表型QTs关联分析方法。具体而言,首先,从静息态功能磁共振成像fMRI中提取脑网络节点特征和脑网络连接性边特征。然后,我们应用深度自重构稀疏典型相关分析方法来探讨多基因位点SNPs和脑网络特征之间的关系。最后,提出一种有效的迭代算法来解决基于深度子空间稀疏典型相关分析的关联模型的优化问题。在ADNI数据集上,实验结果表明基于深度自重构稀疏典型相关分析方法能够获得更好的关联性能,以及发现一些受多个基因位点SNPs影响的且与疾病相关的连接性标志特征。
其他文献
白粉菌危害多种作物和蔬果,造成重大损失。因此对白粉菌广谱抗性蛋白RPW8.2进行研究具有重要的研究价值和意义。我们在前期研究中通过白粉菌侵染后的拟南芥材料构建的酵母双杂交c DNA文库,从该文库中我们筛选到一个来源于白粉菌的RPW8.2的互作蛋白,将其基因命名为R8IP1。在后续研究中我们成功的找到了R8IP1在白粉菌侵染寄主过程中靶向宿主的另一个关键蛋白PAPP2C,并对R8IP1在侵染宿主中发
学位
移动互联网技术的迅猛发展和社交媒体的大规模普及,使得图像、文本、视频等多媒体数据呈现爆炸式增长,同时带来了大量基于检索的应用需求。以图像检索和跨模态检索为代表的多媒体检索,即,从海量数据中搜索与给定查询相关的数据,获得了广泛的研究和关注。多媒体数据之间的异构性差异、语义鸿沟,以及海量高维产生的高计算代价是实现高效准确多媒体检索的主要挑战。深度哈希方法通过将表示学习和哈希学习统一到深度模型,端到端地
学位
减少碳排放量和实现资源循环利用是当今的热点话题。随着科技水平的不断提高,极大丰富了人类物质生活水平的同时,废旧电子电器设备的数量也急剧增加。另一方面,由于全球气温的升高,温室效应的危害越来越受到世界各国的关注。制造业绿色发展、循环发展成为解决当前我国环境、资源问题的重要国策。因此,在经济发展过程中,减少温室气体排放(生产环节)和实现资源循环利用(消费环节)当务之急。减少碳排放量和实现资源循环利用既
学位
由于实际工程中复杂精密机械产品设计制造过程中内部和外部因素在一定程度上影响试验数据的精确性,因此,模型不确定性普遍存在于产品质量特性建模过程中。代理模型方法具有计算量小、设计周期短和优化效率高等优点,是解决复杂精密机械产品质量特性建模问题最佳途径之一。当前很多专家学者在组合建模过程中,把所有候选代理模型线性加权组合,并未考虑建模过程中存在的模型不确定性问题,使得构建的组合模型可能存在预测性能不佳的
学位
工业园区是我国改革开放的产物,自1984年开始试点至今大体经历了三个阶段。即早期的经济技术开发区阶段,改进的高新技术开发区阶段和目前的生态工业园区阶段。随着我国社会经济的快速发展,工业园区逐步成为促进经济发展的主力军。由于工业园区具有高耗能的特点,因此工业园区在为我国社会经济发展做出巨大贡献的同时,也由于能源消耗的“三废”排放以及环境污染治理投入的相对不足,造成了一定程度的环境污染,对人类的生存环
学位
大脑核磁共振(Magnetic Resonance,MR)图像分割是很多医学图像分析应用中至关重要的一步。随着机器学习方法的快速发展,基于机器学习方法开发自动的大脑MR图像分割方法是当前研究的热点问题之一。机器学习方法能够从MR图像中学习到体素的分布,然后使用学习到的模型对图像进行分割。由于大脑结构极其复杂,有效的分割大脑MR图像是一个具有挑战性的任务。利用来自多图谱的解剖结构先验知识被证明可以有
学位
中国作为世界上最大的二氧化碳排放国,受到了来自国际和国内的双重减排压力。其二氧化碳排放量逐年增加,在2000年至2011年期间,上升的趋势最为明显,增加了大约2.85倍。为彰显大国形象、转变经济增长方式与推动低碳经济发展,中国主动承担了一系列减排任务。为实现所承诺的减排目标,中国政府颁布并实施了包含基于指挥控制和基于市场化等在内的多种减排措施。边际减排成本(Marginal Abatement C
学位
特征和在编码与组合中具有广泛的应用.本文应用特征和理论构造了两类线性码,构造了一类最优三元循环码,讨论了两种特殊群上凯莱图中PGST的存在问题,具体如下:(1)线性码在密钥分享方案,认证码与数据存储等领域具有重要的应用.本文运用有限域上的特征和构造了一类有限域和一类有限环上的线性码,给出了它们的重量分布及完全重量分布.结果表明本文给出的码有一些是优的.(2)循环码作为一类特殊的线性码,它在电子消费
学位
轴承和齿轮等旋转机械是工程机械、轨道交通、农业机械和航空发动机等设备的关键零部件。因此,研究旋转机械的故障诊断对保证机械设备的正常和稳定运行具有十分重要的意义。很多深度学习方法在旋转机械的智能故障诊断中得到了较为广泛的研究,但是由于机械设备的复杂工况,例如变转速、变载荷、时变转速等非平稳工况,使得传统深度学习方法的性能大幅下降。域自适应方法可以实现相似但不相同的两个数据集间的跨域故障诊断,虽然适用
学位
重大工程机械,如飞机、高铁、车辆等,在实际服役过程中都不可避免受到复杂疲劳载荷的作用。疲劳失效是工程中最典型的结构破坏形式,并且疲劳失效往往最先发生在结构几何不连续区域的缺口处,比如铆钉孔、键槽和轴肩等。疲劳裂纹一般萌生于缺口根部区域,这是因为缺口根部存在局部高应力区。在多轴疲劳载荷作用下,缺口根部不仅存在应力梯度而且还存在载荷非比例度梯度。工程构件的缺口疲劳寿命决定着整个结构的安全使用寿命,研究
学位