基于统计学习的影像遗传学方法综述1

摘 要 近年来随着多模态神经影像技术和基因检测技术的发展, 影像遗传学这一交叉学科的研究能够运用脑影像技术将人

类大脑的结构与功能作为表型来评价基因对个体的影响, 使得人们可以在脑的宏观结构上以更客观的测量手段理解基因对行

为或精神疾病的影响. 而统计学习方法作为基于数据驱动的关联分析强有力工具, 能够充分利用生物标志数据内在的结构信

息构建模型来分析易感基因与大脑结构或者功能的相关性, 从而更好地揭示脑认知行为或者相关疾病的产生机制. 本文首先

Abstract The past decade has witnessed the increasing development of multimodal neuroimaging and genomic tech-

niques. Imaging genetics, an interdisciplinary field, aims to evaluate and characterize genetic variants in individuals that

influence phenotypic measures derived from structural and functional brain images. This strategy is able to reveal the

complex mechanisms via macroscopic intermediates from genetic level to cognition and psychiatric disorders in humans.

On the other hand, statistical learning methods, as a powerful tool in the data-driven based association study, can make

full use of priori-knowledge (inter correlated structure information among imaging and genetic data) for correlation mod-

elling. Therefore, the association study can address the correlations between risk gene and brain structure or function, so

as to help explore a better mechanistic understanding of behaviors or disordered brain functions. This paper firstly re-

展为人脑工作机制的研究带来了新的活力. 同时随

着无创式脑成像技术的发展, 研究者们希望能够从

脑结构和脑功能的层次来研究与情绪加工相关的脑

活动影响, 从而探索神经系统疾病易感性个体差异

的神经基础. 其中, 常用的相关脑成像包括结构磁

共振成像 (Structural magnetic resonance imaging,

14 自 动 化 学 报 44 卷

因与脑” 之间架起一座看得见的桥梁

地揭示神经精神疾病的发病机制. 影像遗传学这种

工具同时还可以识别出某种脑疾病的生物学指标或

其内表型, 为预测和诊断疾病提供了更精确的方法.

具体来说, 由于 SNP 是在基因组水平上单个核苷酸

变异引起的 DNA 序列多态性, 在一定程度上反映

了个体的遗传特性, 因此, 研究者大多考虑将 SNP

作为关联分析的基因型数据. 在内表型数据获取中,

前影像遗传学主要关注基因 SNP 与脑结构、功能、

连接关联分析的相关研究

法, 即通过多次检验, 发现 SNP 或者基因与复杂疾

病或可测的数量性状 (Quantitative trait, QT) 的

关联性研究方法. 而全基因组关联研究 (Genome-

组高通量测序技术, 对研究对象的基因组中序列

变异进行分型, 并利用生物统计学和生物信息学

病的分析上

了极大的作用, 但是也存在一些问题, 比如, 严格的

多重校正, 使得许多微小效应的变异无法通过校正

水平. 其次, GWAS 仅仅能得到遗传变异跟性状之

间的单个关联程度, 并不能很好地解释其中的复杂

机制.

速发展, 许多领域已经尝试利用这些数据分析工

具来解决本领域的一些问题. 而在影像遗传学的

挑战, 回顾了研究者在不同中心数据库 (其中 包

括 ENIGMA