Makine Öğrenmesi Destekli GWAS — ML-GWAS

Hayır. Genom çapında anlamlılık eşiklerine (p < 5×10⁻⁸) sahip standart tek SNP regresyonu, genetik dergiler ve klinik çevirilerde varyant raporlaması için gerekli kanıt standardı olmaya devam etmektedir. ML-GWAS tamamlayıcı bir katman ekler — daha zengin özellik sıralamaları, doğrusal olmayan sinyal tespiti ve çoklu-omik entegrasyonu — ancak alanın çoğaltma ve meta-analiz için güvendiği resmi istatistiksel hipotez test çerçevesinin yerini alamaz.

Tek bir algoritma baskın değildir. Gradyan artırma (XGBoost, LightGBM), tablo halindeki genotip verilerinde güvenilir bir şekilde performans gösterir ve verimli SHAP tabanlı yorumlama sunar. Rastgele ormanlar, hiperparametre seçimine karşı dayanıklıdır ve ön filtreleme ile yüksek boyutlu girdileri iyi işler. Derin sinir ağları en karmaşık örüntüleri yakalar ancak çok büyük örneklere (yüz binlerce) ve GPU altyapısına ihtiyaç duyar ve yorumlanabilirlikleri daha sınırlıdır. Cezalı regresyon (LASSO, elastik net), hesaplama açısından hafiftir ve keşif GWAS'ı için uygun, seyrek, yorumlanabilir modeller üretir.

Kaba bir kılavuz olarak, yüksek boyutlu ML modelleri (rastgele ormanlar, gradyan artırma) ciddi aşırı uyumu önlemek için en az 5.000-10.000 örneğe ihtiyaç duyar ve derin sinir ağları 50.000 veya daha fazlasından fayda görür. Yaklaşık 2.000 örneğin altında, katı çoklu test düzeltmesi ile standart GWAS daha güvenlidir. Minimum uygulanabilir boyut ayrıca özellik kalıtılabilirliğine ve etki büyüklüklerine bağlıdır — büyük etkiye sahip varyantlarla yüksek oranda kalıtılabilir özellikler, poligenik, düşük kalıtılabilir fenotiplerden daha küçük örnekleri tolere eder.

SHAP (SHapley Additive exPlanations), her bir girdi özelliğine — burada her SNP — belirli bir örnek için modelin tahminini ne kadar değiştirdiğini temsil eden bir katkı puanı atayan oyun teorik bir yöntemdir, özelliklerin olası tüm sıralamaları üzerinden ortalaması alınır. ML-GWAS'ta SHAP değerleri, varyant düzeyinde kara kutu modelleri (örneğin, gradyan artırma ağaçları) yorumlanabilir hale getiren, tutarlı ve yerel olarak doğru SNP başına önem tahminleri sağlar. Geleneksel p-değeri sıralamasını tamamlarlar veya yeniden sıralarlar ve başkalarıyla etkileşime giren ancak mütevazı marjinal etkilere sahip varyantları ortaya çıkarabilirler.

Evet. İkili özellikler (örneğin, hastalık durumu) için, sınıf dengesizliğinin uygun şekilde ele alındığı sınıflandırma modelleri (ağırlıklı kayıp, aşırı örnekleme) kullanılır ve tahmin performansı AUC-ROC olarak raporlanır. Nicel özellikler (örneğin, VKİ, kan basıncı) için, regresyon modelleri eğitilir ve R² veya ortalama karesel hata yoluyla değerlendirilir. Ön işleme ve özellik önemi çıkarma adımları her iki özellik türü için de aynıdır.