OmicFormer: a statistical priors–informed transformer for accurate and generalizable omics prediction of diseases and complex traits
OmicFormer ist eine neuartige Transformer-basierte Architektur, die statistische Priors einbettet, um komplexe biologische Abhängigkeiten zu erfassen und bestehende Methoden bei der Genauigkeit sowie der Generalisierbarkeit über diverse Krankheitsvorhersageaufgaben und Omics-Datensätze hinweg signifikant übertrifft.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie versuchen die Zukunft vorherzusagen, aber anstatt in Kristallkugeln zu blicken, betrachten Sie eine riesige Tabelle mit biologischen Daten. Dies ist die Welt der „Omics“, ein Bereich, in dem Wissenschaftler gewaltige Listen von Messwerten aus unserem Körper sammeln – wie Tausende von Proteinen, die in unserem Blut schwimmen, Hunderte von Chemikalien in unserem Stoffwechsel oder detaillierte Karten der Verschaltung unseres Gehirns. Betrachten Sie diese Listen als eine chaotische Bibliothek, in der jedes Buch einen winzigen Teil Ihrer Biologie repräsentiert. Das Ziel der Präzisionsmedizin ist es, diese Bücher zu lesen, um vorherzusagen, ob jemand in der Zukunft krank werden könnte – etwa an Diabetes oder Herzkrankheiten –, damit er frühzeitig Hilfe erhalten kann.
Das Lesen dieser Bibliothek ist jedoch unglaublich schwierig. Die Bücher sind unordentlich, die Verbindungen zwischen ihnen sind kompliziert und die Informationen sind oft über hunderte Seiten verstreut. Lange Zeit nutzten Wissenschaftler Standardwerkzeuge, um dieses Datenmaterial zu sortieren, was in etwa so war, als würde man ein einfaches Regelwerk benutzen, um eine Nadel im Heuhaufen zu finden. Diese Werkzeuge waren gut, aber sie übersahen oft die subtilen, weitreichenden Verbindungen zwischen verschiedenen Teilen des Körpers. Sie hatten Schwierigkeiten, wenn sich die Daten leicht veränderten, wie etwa beim Vergleich von Patienten aus verschiedenen Krankenhäusern. Hier kommt eine neue Idee ins Spiel: Was wäre, wenn wir einem Computer nicht nur beibringen könnten, die Bücher zu lesen, sondern die Geschichte zu verstehen, die sie gemeinsam erzählen, indem wir die verborgenen Muster nutzen, wie unsere Biologie tatsächlich funktioniert?
Genau das wollten die Forscher hinter OmicFormer erreichen. Sie entwickelten eine neue Art von künstlicher Intelligenz (KI), die speziell darauf ausgelegt ist, diese unordentlichen biologischen Tabellen verständlich zu machen. Anstatt jede Information als isolierte Tatsache zu behandeln, nutzt OmicFormer einen klugen Trick, um die Daten zu organisieren, noch bevor das eigentliche Lernen beginnt. Stellen Sie sich vor, Sie versuchen eine neue Sprache zu lernen. Wenn Sie sich nur ein Wörterbuch in alphabetischer Reihenfolge merken, ist es schwer zu erkennen, wie Wörter zusammenhängen. Aber wenn Sie das Wörterbuch so umstellen, dass Wörter, die oft zusammen verwendet werden (wie „Kaffee“ und „Tasse“), direkt nebeneinander stehen, werden die Muster offensichtlich. OmicFormer macht etwas Ähnliches. Es verwendet zwei „statistische Prioren“ – was nur eine schicke Art ist, um zu sagen: „kluge Vermutungen basierend auf Mathematik“ –, um die biologischen Daten neu anzuordnen.
Zuerlich richtet es die Daten danach aus, wie stark ein bestimmtes Merkmal wahrscheinlich eine spezifische Krankheit vorhersagt. Zweitens nutzt es eine komplexe mathematische Karte (genannt Gromov–Wasserstein Optimal Transport), um biologische Merkmale zu gruppieren, die ganz natürlich zusammengehören, wie etwa Proteine, die im selben Team arbeiten. Indem dieses ordentlich organisierte Datenmaterial in eine leistungsstarke KI-Engine namens „Transformer“ eingespeist wird (dieselbe Technologie, die Chatbots hilft, menschliche Konversationen zu verstehen), kann das Modell Verbindungen entdecken, die andere Methoden übersehen. Es ist, als würde man der KI eine Karte der Bibliothek geben, die zeigt, welche Bücher miteinander verwandt sind, anstatt sie nur raten zu lassen.
Das Team testete diese neue KI an einem massiven Datensatz aus der UK Biobank, der Informationen über etwa 500.000 Menschen enthält. Sie baten OmicFormer, das Risiko von 450 verschiedenen Krankheiten vorherzusagen und 900 verschiedene Gesundheitseigenschaften zu schätzen, unter Verwendung von Daten aus Proteinen, dem Stoffwechsel und Gehirnscans. Die Ergebnisse waren beeindruckend. OmicFormer übertraf konsequent die besten existierenden Werkzeuge, einschließlich der populären „baumgestützten“ Methoden, auf die sich Wissenschaftler jahrelang verlassen haben. Beispielsweise verbesserte OmicFormer bei der Vorhersage von Krankheiten anhand von Proteindaten die Genauigkeit im Vergleich zur nächstbesten Methode um etwa 3,5 %. Das mag klein klingen, aber in der Welt der Vorhersage seltener oder komplexer Krankheiten ist das ein riesiger Sprung, der den Unterschied bedeuten kann, ob man ein Problem frühzeitig erkennt oder es ganz übersieht.
Was diese Entdeckung noch spannender macht, ist die Art und Weise, wie gut sie mit der Unordnung der realen Welt umgeht. Die Forscher haben sie nicht nur mit den Daten getestet, mit denen sie trainiert wurde; sie warfen sie in völlig andere Datensätze. Sie testeten sie an einer separaten Gruppe von Menschen aus dem Global Neurodegeneration Proteomics Consortium und an Gehirnscans aus verschiedenen Krankenhäusern weltweit. In diesen „fremden“ Umgebungen, in denen die Daten etwas anders aussah, geriet OmicFormer nicht ins Straucheln. Es behielt seine überlegene Leistung gegenüber den älteren Methoden bei, was darauf hindeutet, dass es die Regeln der Biologie gelernt hat und nicht nur die spezifischen Beispiele auswendig gelernt hat. Dies ist entscheidend, denn in der Medizin ist ein Werkzeug, das nur in einem einzigen Krankenhaus funktioniert, nicht besonders nützlich.
Die Forscher untersuchten auch, wie die KI ihre Entscheidungen trifft, um sicherzustellen, dass sie nicht einfach nur rät. Sie fanden heraus, dass OmicFormer biologische Marker hervorhebt, von denen Ärzte bereits wissen, dass sie wichtig sind, wie etwa spezifische Proteine, die mit Herzkrankheiten oder Entzündungen in Verbindung stehen. Dies gibt Wissenschaftlern das Vertrauen, dass die KI echte, biologische Signale findet. Darüber hinaus zeigten sie, dass die KI durch das gleichzeitige Betrachten mehrerer Krankheiten (eine Technik namens Multi-Task-Learning) sogar noch besser darin werden kann, seltene Erkrankungen vorherzusagen, indem sie Wissen von häufigeren Krankheiten „ausleiht“.
Kurz gesagt: OmicFormer legt nahe, dass wir, indem wir die natürliche Struktur biologischer Daten respektieren und sie vor der Analyse intelligent organisieren, KI-Modelle bauen können, die nicht nur genauer, sondern auch zuverlässiger sind, wenn sie auf unterschiedliche Personengruppen angewendet werden. Es beansprucht nicht, jedes medizinische Rätsel gelöst zu haben, aber es bietet einen kraftvollen neuen Weg, die komplexe Geschichte unserer Gesundheit zu lesen, was potenziell zu besseren Vorhersagen und früheren Interventionen für eine breite Palette von Krankheiten führen kann.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.