一种基于联合结构约束和不完整多模态数据非线性关联分析方法技术

一种基于联合结构约束和不完整多模态数据非线性关联分析方法,通过4个步骤得到多个模态表型数据和SNP对应的权重，本发明专利技术通过非线性变换去构建SNP与表型的非线性关联，从而考虑了SNP与表型之间的复杂关联，并通过多个SNP对表型的贡献得到不同模态对应的模态共享和模态特定的生物标记物。本发明专利技术的最小均方根误差明显优于通过现有技术得到的最小均方根误差的值，从而能够提升检测生物标志物的性能。能。能。

【技术实现步骤摘要】
一种基于联合结构约束和不完整多模态数据非线性关联分析方法


[0001]本专利技术涉及基于遗传数据结构信息以其不完整多模态数据的应用
，特别涉及一种基于联合结构约束和不完整多模态数据非线性关联分析方法。

技术介绍

[0002]Du等人(L.Du et al.,"Multi
‑
Task Sparse Canonical Correlation Analysis with Application to Multi
‑
Modal Brain Imaging Genetics,"IEEE/ACM Transactions on Computational Biology and Bioinformatics,vol.18,no.1,pp.227
‑
239,2021.)提出了一种多任务稀疏典型相关分析(MTSCCA)方法，利用不同成像技术生成的多模态图像数据可能携带互补信息来识别与疾病相关的SNPs和多模态表型。同时该方法考虑到遗传数据之间存在结构关联，且考虑到遗传和表型数据个体水平上的稀疏性。通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于联合结构约束和不完整多模态数据非线性关联分析方法,其特征在于，包括步骤有：步骤一、分别收集多个对像的图像数据，其中每个对像均通过多种成像方式得到对应对像不同模态的图像数据，同时收集每个对像的遗传数据；步骤二、分别对步骤一得到不同模态的图像数据按照预处理方法处理，得到处理后图像；对步骤一得到的遗传数据通过按照控制及筛选方法进行处理，得到处理后遗传数据；步骤三、将处理后遗传数据和处理后图像代入基于联合结构约束和不完整多模态数据非线性关联分析方法的目标函数；步骤四、通过求解目标函数，分别得到不同模态上SNP和表型的权重。2.根据权利要求1所述的基于联合结构约束和不完整多模态数据非线性关联分析方法,其特征在于：所述步骤一具体为收集多个对像的图像数据，其中每个对像分别通过结构磁共振成像方法得到MRI图像，通过正电子发射型计算机断层显像方法得到PET图像，通过弥散张量成像方法得到DTI图像；同时收集每个对像的遗传数据；所述步骤四具体为通过交替凸搜索法和拉格朗日乘子法求解目标函数，分别得到不同模态上SNP和表型的权重。3.根据权利要求2所述的基于联合结构约束和不完整多模态数据非线性关联分析方法，其特征在于：所述步骤二中的预处理方法包括有MRI图像预处理方法、PET图像预处理方法和DTI图像预处理方法；所述步骤二中的质量控制及筛选方法包括有：步骤a.1、对遗传数据进行质量控制得到预处理遗传数据；步骤a.2、分别对每个预处理遗传数据中的原始SNP基因型进行数据填充和编码，得到经编码后的预处理遗传数据并进入步骤a.3；步骤a.3、对经编码后的预处理遗传数据通过全局独立筛选过程进行筛选得到经SNPs筛选后的处理后遗传数据。4.根据权利要求3所述的基于联合结构约束和不完整多模态数据非线性关联分析方法,其特征在于：所述MRI图像预处理方法包括有：步骤b.1、通过使用MIPAV软件分别各个对像的MRI图像进行前联合和后联合校正，进入步骤b.2；步骤b.2、通过使用N3算法对MRI图像强度不均匀强度进行校正，得到强度校正图像，进入步骤b.3；步骤b.3、删除脑壳区域和小脑区域，进入步骤b.4；步骤b.4、将MRI图像配准到MNI空间，进入步骤b.5；步骤b.5、MRI图像中的灰质、白质、脑侧室和脑脊液组织进行分割，得到灰质分割区域、白质分割区域、脑侧室分割区域和脑脊液分割区域，进入步骤b.6；步骤b.6、使用MNI空间的AAL图谱标记得到多个ROI，进入步骤b.7；步骤b.7、分别对多个ROI进行计算灰质组织体积，得到多个ROI体积数据；所述PET图像预处理方法为对各对象的PET图像分别通过使用仿射配准将PET图像与对应的MRI图像对齐，然后计算每个ROI的平均灰度作为PET特征；
所述DTI图像预处理方法包括有：步骤c.1、每个对象的DTI图像均包含65个3D图像，其中65个3D图像包括有一个b0图像及64个不同梯度方向的图像；利用dcm2niix工具将65个3D图像转换为一个4D图像,生成分别表示每个梯度方向及其标量值的b矢量文件和b值文件；步骤c.2、应用FMRIB软件库中的FSL包的eddy命令对步骤c.1的4D图像进行涡流畸变校正，进入步骤c.3；步骤c.3、采用FSL包的BET算法在步骤c.1的b.0图像上去除颅骨，进入步骤c.4；步骤c.4、应用FSL包的difiti命令和由步骤c.1生成的b矢量文件和b值文件去计算分数各向异性，其中将分数各向异性定义为FA，进入步骤c.5；步骤c.5、将b0图像通过仿射变换配准到MNI空间上，再将得到的转换矩阵应用到FA上，计算FA各区域的平均密度得到多个ROI值。5.根据权利要求4所述的基于联合结构约束和不完整多模态数据非线性关联分析方法,其特征在于：所述步骤a.1包括有：步骤a.1.1、对每个对像的遗传数据及遗传数据中的每个SNP数据进行标记，然后筛选出SNP检出率大于等于95％以上的SNP数据及对应的遗传数据，进入步骤a.1.2；步骤a.1.2、多个对像对应的遗传数据进行性别检查，去除性别信息错误的遗传数据及对应的MRI图像，进入步骤a.1.3；步骤a.1.3、分别各个对像的遗传数据进行血缘关系检查，删除与该对像具有血缘关系对像的遗传数据及对应的MRI图像，进入步骤a.1.4；步骤a.1.4、删除遗传数据中的次要等位基因频率,进入步骤a.1.5；步骤a.1.5...

【专利技术属性】
技术研发人员：黄美燕，冯前进，陈秀美，
申请(专利权)人：南方医科大学，
类型：发明
国别省市：