[发明专利]一种识别阿尔茨海默症相关生物标志物的相关性分析方法

说明书

一种识别阿尔茨海默症相关生物标志物的相关性分析方法，基于联合连通性的稀疏非负矩阵分解，将结构磁共振成像SMRI、单核苷酸多态性位点SNP和基因表达数据同时投影到一个公共特征空间中，还添加了大脑每个区域的连通性信息和遗传数据作为先验知识，以识别与阿尔茨海默病患者、早期认知障碍患者相关的感兴趣区域ROI，风险SNP位点和风险基因。本发明具有更强的相关性分析能力，以及更好的抗噪性能和生物学解释性。

技术领域

本发明涉及基于阿尔兹海默症研究的影像遗传学，尤其涉及一种识别阿尔茨海默症相关生物标志物的相关性分析方法。

背景技术

影像遗传学已被广泛用于神经退行性疾病，它可以探索基因对大脑结构和功能的影响，并可以使用大脑成像来评估基因对个体的影响。最近影像遗传学在研究阿尔茨海默症的发病机理和挖掘阿尔茨海默症相关生物标志物方面取得了重大进展。影像遗传学可以揭示微观遗传学和宏观成像之间的联系，检测疾病的生物标记，但是缺乏有效和准确的相关性分析模型。

发明内容

本发明的目的在于提供一种识别阿尔茨海默症相关生物标志物的相关性分析方法，具有更强的相关性分析能力，以及更好的抗噪性能和生物学解释性。

为了达到上述目的，本发明提供一种识别阿尔茨海默症相关生物标志物的相关性分析方法，基于联合连通性的稀疏非负矩阵分解，将结构磁共振成像SMRI、单核苷酸多态性位点SNP和基因表达数据同时投影到一个公共特征空间中，还添加了大脑每个区域的连通性信息和遗传数据作为先验知识，以识别与阿尔茨海默病患者、早期认知障碍患者相关的感兴趣区域ROI，风险SNP位点和风险基因。

所述相关性分析方法的和目标函数如下：

令和(H_I)_ij≥0的拉格朗日乘数，

L关于W和H_I的偏导数是：

基于Karush-Kuhn-Tucher条件，Ψ_ijW_ij为0，且为0，得到W_ij和(H_I)_ij：

其中，X₁代表输入的sMRI影像数据，X₂代表SNP数据，X₃代表基因表达数据；W是三种数据的基矩阵，H_i(i＝1，2，3...)分别是三种数据的系数矩阵，A_i(i＝1，2，3...)代表不同数据之间的邻接矩阵，B_i(i＝1，2，3...)代表每种数据的拉普拉斯矩阵；λ_i、β_i、γ_i(i＝1，2，3…)是控制各约束项稀疏性的参数；i，j分别代表矩阵的第i行和第j列；k代表共表达模块数。

本发明将结构磁共振成像(sMRI)，单核苷酸多态性位点(SNP)和基因表达数据同时投影到一个公共特征空间中，其中，在同一投影方向上具有较大系数的异类变量形成一个公共模块，此外还添加了大脑每个区域的连通性信息和遗传数据作为先验知识，以识别与阿尔茨海默病(AD)患者、早期认知障碍患者(MCI)相关的感兴趣区域(ROI)，风险SNP位点和风险基因，具有更强的相关性分析能力，以及更好的抗噪性能和生物学解释性。

附图说明