🤖 AI

Decoding Phenotypes: A Framework for Fusing Genomic Language Models and Neuroimaging

本文提出了 GeneFuse，这是一个多模态框架，通过基因型调节和不确定性感知融合，将预训练的基因组语言模型嵌入与神经影像特征相结合，在识别早期认知功能下降和痴呆症方面优于现有方法。

原作者： Tianli Tao, Ziyang Wang, Emma Robinson, Rachel Sparks, Le Zhang

发布于 2026-08-11

📖 1 分钟阅读☕ 轻松阅读

原作者： Tianli Tao, Ziyang Wang, Emma Robinson, Rachel Sparks, Le Zhang

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在尝试解决一个巨大的三维拼图，其中的碎片由两种截然不同的材料制成：一组是详细、色彩丰富的城市地图（你的大脑扫描图像），另一组是写在秘密代码中的长篇、复杂的句子（你的 DNA）。长期以来，医生一直利用这张地图和这段代码来研究为什么有些人的大脑会随着年龄增长而变得“模糊”，从而导致像阿尔茨海默病这样的疾病。地图展示了物理变化，比如缩小的社区；而代码则包含了可能解释这些变化为何发生的指令。但棘手的地方在于：这两类信息并不天然地使用同一种语言。地图是视觉和结构性的，而代码是字母序列。试图将它们融合在一起，就像试图将油和水混合一样；用于组合它们的计算机程序往往只是简单地将两部分并列放置，在这个过程中丢失了遗传指令中微妙的局部语境。

这就是名为“GeneFuse”的新方法所发挥作用的地方，它提供了一种更聪明的方式来融合这两个世界。GeneFuse 不再将 DNA 视为简单的事实列表，而是使用了一个“基因组语言模型”——把它想象成一个超级聪明的翻译官，能够像阅读故事一样阅读 DNA，理解特定遗传词汇周围的语境。研究人员构建了一个系统，让这个遗传故事在计算机观察大脑地图的同时，进行轻微的引导和调整，而不是在最后才把故事强行添加进去。他们在 182 人的群体上进行了测试，观察他们的脑部扫描和 DNA，以判断是否能发现记忆力下降或全面痴呆症的早期迹象。结果表明，当计算机使用这种“具备语言感知能力”的遗传辅助时，它能更好地识别疾病，尤其是在大脑扫描本身不够清晰的情况下。这就像一位侦探在观察犯罪现场的同时，还能阅读嫌疑人的日记，而不是先看现场，然后再单独阅读日记。

问题所在：大脑中的油与水

多年来，科学家们已经知道，要理解神经系统疾病，你需要两样东西：观察大脑结构（神经影像学）和观察个人的遗传代码（基因组学）。大脑扫描就像是一张房子的照片；它能让你看到屋顶是否在漏水，或者墙壁是否在开裂。遗传代码则像是住在那里的家庭的蓝图和历史；它可能会告诉你屋顶漏水的原因，或者这个家庭是否容易出现某些问题。

问题在于，这两类信息非常不同。传统方法试图通过将遗传代码转化为简单的数字列表（如“0, 1, 2”）并将其直接贴在脑部扫描数据旁边来结合它们。本文作者认为，这是一个错误。这就像把一部复杂的长篇小说总结为仅仅是“第一章：好，第二章：坏”。你会失去所有的细微差别、语境和使故事具有意义的具体细节。当我们失去 DNA 的局部语境时，我们就失去了观察特定遗传指令如何与大脑物理结构相互作用的能力。

解决方案：GeneFuse

为了解决这个问题，团队创建了一个名为 GeneFuse 的新框架。把它想象成一个高科技厨房，一位大师级厨师（计算机）正试图用两种截然不同的食材烹饪一道完美的菜肴：一个 3D 大脑扫描和一个长长的 DNA 序列。

1. 翻译官（基因组语言模型）
首先，GeneFuse 不再将 DNA 转化为枯燥的数字列表，而是使用了一个预训练的“基因组语言模型”（GLM）。想象一下 DNA 序列是外语中的一个句子。旧的方法只是在数字母的数量。然而，GLM 会阅读这个句子，并理解重要词汇周围的“语境”。在本研究中，他们专注于被称为 APOE 的特定 DNA 区域，这是一个著名的阿尔茨海默病风险因素。他们提取了该区域周围 1,024 个碱基对（DNA 的“字母”）的一个窗口，并让 GLM 将其转化为一段丰富、稠密的“句子”，从而捕捉到该遗传位点的完整含义。

2. 引导（基因型调节特征调制）
接下来，系统需要将这个遗传“句子”与大脑扫描混合。作者引入了一个称为 GCFM 的模块。想象大脑扫描是一位艺术家正在创作的一幅画。通常，艺术家只是根据所见之物进行绘画。有了 GCFM，遗传“句子”就像是在艺术家的耳边轻轻低语。它不会接管绘画；相反，它会告诉艺术家：“嘿，多注意一下这里的这个颜色，”或者“让这个纹理变得更锐利一点。”

从技术层面讲，系统会查看大脑扫描的不同层级（从精细细节到宏观轮廓），并利用遗传数据来微调不同特征的重要性。它不仅仅是在最后添加 DNA；它是让 DNA 从一开始就引导大脑扫描的分析过程。

3. 安全阀（不确定性感知基因组残差融合）
这是最聪明的部分。有时，大脑扫描非常清晰，你根本不需要 DNA。其他时候，扫描图像可能模糊或令人困惑，而 DNA 可能持有缺失的线索。如果你在不需要的时候强行将 DNA 混入其中，它可能会增加噪声并干扰计算机。

为了处理这种情况，GeneFuse 使用了一个名为 U-GRF 的模块。它就像一个智能交通灯。首先，系统会检查仅凭大脑扫描时的信心程度。

如果扫描非常清晰（低不确定性）： 交通灯会对 DNA 显示红色。系统会忽略遗传数据，因为大脑扫描本身表现得非常好。
如果扫描很令人困惑（高不确定性）： 交通灯会显示绿色。系统会说：“好吧，扫描图像遇到了困难。让我们引入遗传数据来帮忙。”

这确保了只有在遗传信息确实有帮助时才会被使用，从而防止它破坏原本良好的诊断。

研究发现

研究人员在 182 人的数据上测试了这个新系统，其中包括健康对照组、轻度认知障碍（MCI）患者以及阿尔茨海默病（AD）患者。他们提出了两个主要问题：

我们能否发现认知下降的早期迹象（正常 vs. MCI）？
我们能否筛查痴呆症（正常 vs. AD）？

结果：

比以往更好： 当使用 GeneFuse 时，该系统在识别疾病方面比仅使用大脑扫描的表现要好得多。对于识别早期下降（正常 vs. MCI），准确率得分（AUROC）达到了 0.77。对于识别痴呆症（正常 vs. AD），得分跃升至 0.83。
击败了旧方法： 这些得分高于仅仅将简单的 DNA 列表贴在扫描图像旁边的旧方法，也高于其他试图结合遗传学和影像学的现有方法。
“低语”有效： 研究表明，来自遗传数据的“引导”（GCFM）和“安全阀”（U-GRF）都发挥了重要作用。当系统利用遗传数据在多个细节层级引导大脑扫描，而不仅仅是在最后阶段进行干预时，效果最好。
更多的基因，更多的帮助： 虽然他们重点关注了 APOE 基因，但也发现如果加入其他风险基因（多位点），系统会变得更加出色，在痴呆症筛查中达到了 0.84 的 AUROC。这表明观察不止一个遗传位点可以提供额外的线索。

这意味着什么

论文指出，将 DNA 视为一种语言而非简单的数字列表，可以让计算机更好地理解我们的基因与大脑之间的联系。通过让遗传数据轻微地引导大脑扫描的分析——并且只在扫描图像不确定时介入——该系统可以做出更准确的阿尔茨海默病预测。

然而，作者谨慎地指出，这项研究是在单一群体（ADNI 数据集）上进行的测试。虽然结果令人鼓舞，但他们建议未来的工作需要在其他群体中进行测试，以确保其适用于所有人。他们还计划看看是否可以通过在更大的大脑和基因数据集上进行训练，来教给这个遗传“翻译官”更多的知识。不过目前来看，GeneFuse 为解码基因与大脑之间复杂的关系提供了一种新鲜、有趣且强大的方式。

=== 技术摘要：GeneFuse —— 一种融合基因组语言模型与神经影像的框架 ===

问题陈述

神经影像与遗传数据的整合对于神经系统疾病（如阿尔茨海默病，AD）的精准诊断至关重要，因为这些模态为宏观结构表型和潜在疾病过程提供了互补信息。然而，由于显著的跨模态异质性，有效的融合仍然具有挑战性。

现有的影像-遗传学方法通常将遗传信息编码为硬编码的离散表格标签（例如，单核苷酸多态性 SNP 的 {0, 1, 2} 表示）。这种表示方式丢失了疾病相关变异周围的局部序列上下文，并且无法捕捉基因组因子与影像表型之间的复杂相互作用。此外，标准的融合策略面临两个根本性的挑战：

语义失配（Semantic Misalignment）： 与图像-文本对不同，基因-图像对缺乏显式的语义对齐。
耦合不确定性（Coupling Uncertainty）： 基因型-表型关系通常是微弱或间接的。由于遗传韧性或环境因素，遗传特征并不总是表现为可观察到的影像信息。因此，在缺乏自适应机制的情况下，引入噪声或弱耦合的基因组信号可能会降低预测性能，尤其是在影像特征本身已具有高度信息量时。

方法论

作者提出了 GeneFuse，这是一个多模态学习框架，旨在对齐来自预训练基因组语言模型（GLM）的表示与从体积神经影像中提取的特征。该框架由三个主要部分组成：

1. 单模态表示与编码器

体积图像编码： 框架利用 3D TransUNet 主干网络从 T1 加权 MRI 扫描中提取高层解剖表示。编码器处理下采样尺度分别为 1/2、1/4 和 1/8 的多尺度特征图。这些特征图被聚合为一个潜在影像向量 ( $z_{img}$ )。
语义基因组编码： 不同于表格形式的 SNP 编码，该框架使用预训练的 GLM（具体为 Nucleotide Transformer v2, NT-v2）对局部基因组序列进行编码。对于每个受试者，会提取以目标变异（如 APOE）为中心的患者特异性 DNA 序列窗口（1024 个碱基对）。这保留了疾病相关变异周围的核苷酸上下文。冻结的 GLM 生成一个稠密的基因组潜在向量 ( $z_{gene}$ )。

2. 跨模态特征融合

GeneFuse 引入了两个新颖的模块来桥接这两种模态：

基因型调节特征调制（GCFM）： 受特征线性调制（FiLM）的启发，该模块将源自 GLM 的调节信息注入到 3D 体积图像编码的多尺度空间特征图中。
- 基因组嵌入 ( $z_{gene}$ ) 通过两个多层感知器（MLP）来预测通道维度的缩放参数 ( $\gamma$ ) 和偏移参数 ( $\beta$ )。
- 这些参数在 1/2、1/4 和 1/8 编码器尺度上调制影像特征图 ( $F'_{img} = \gamma \odot F_{img} + \beta$ )。
- 这使得基因组信息能够在最终聚合之前重新校准影像特征，而非仅在最终表示阶段进行调节。
不确定性感知基因组残差融合（U-GRF）： 该模块通过基于影像模态的预测不确定性来自适应地控制基因型特征的贡献，从而解决耦合不确定性问题。
- 不确定性估计： 从仅由影像分支产生的初始逻辑值（logits）计算预测熵 ( $E_{img}$ )。高熵表示视觉模态存在诊断歧义。
- 门控机制： 门控系数 $\alpha$ 通过对取 [影像潜在向量与熵的拼接 $(z_{img} \oplus E_{img})$ ] 进行 MLP 处理并应用 Sigmoid 函数计算得出。
- 融合： 最终表示为加权和： $z_{final} = (1-\alpha) \cdot z_{img} + \alpha \cdot z'_{gene}$ 。当影像模型置信度高（低熵）时， $\alpha$ 会抑制基因组信号；当不确定性增加时， $\alpha$ 会增加基因组的贡献。

核心贡献

将 FiLM 应用于影像-遗传学适配： 作者通过 GCFM 将特征线性调制应用于影像-基因组特征的对齐，利用基因组嵌入生成通道维度的仿射参数，从而调制多尺度的体积影像特征。
不确定性感知融合策略： 引入了 U-GRF，这是一个轻量级模块，它利用影像衍生的预测不确定性来自适应地门控基因组信息的贡献，从而减轻了来自噪声基因组信号导致的性能下降风险。
集成与验证： 将各组件集成到统一网络中，并在使用 ADNI 数据集的阿尔茨海默病检测任务（NC vs. MCI 以及 NC vs. AD）中进行了单位点（APOE）和多位点设置下的验证。

实验结果

该框架在 ADNI 数据集（ $N=182$ ）上使用分层 5 折交叉验证进行了评估。

性能： 在以 APOE 为中心的设置下，GeneFuse 在 NC vs. MCI 任务中的 AUROC 达到 0.77，在 NC vs. AD 任务中达到 0.83。
对比： 这些结果优于现有的影像-遗传学融合方法（如 MADDi, MMDL, Stage-wise DNN）以及标准融合策略（Late Concat, FiLM Fusion, Cross-Attention）。
相对于基线的提升： GeneFuse 相比纯影像基线，在相应任务中分别提升了 $\Delta 0.08$ 和 $\Delta 0.12$ 的 AUROC。基于配对 DeLong 检验，这些提升具有统计学显著性（ $p < 0.05$ ）。
消融研究：
- 模块： GCFM 和 U-GRF 展示了互补的作用；GCFM 通过特征调节提升了风险排序能力，而 U-GRF 则提升了决策可靠性。
- 插入尺度： 在 GCFM 中使用所有三个编码器尺度（1/2, 1/4, 1/8）获得了最高性能，表明从精细解剖细节和深层语义特征中均能获益。
- GLM 选择： NT-v2 的表现优于其他 GLM（DNAGPT, GROVER, GENA-LM）。
- 多位点： 在 APOE 之外整合多个 AD 相关位点（如 PVRL2, ABCA7, CD33）进一步提升了性能（NC vs. AD 的 AUROC 为 0.84），表明了互补的诊断信息。
定性分析： 可视化显示，GCFM 调制在脑室周围白质和内侧颞叶区域产生了空间结构化的响应，这些区域与 AD 病理密切相关。

重要性与主张

论文声称，通过 GLM 衍生的基因组嵌入提供了传统标量 SNP 编码所丢失的额外且具有实际意义的信息。通过将基因组表示与体积神经影像特征对齐，GeneFuse 证明了：

基于上下文的基因组表示（通过 GLM）在影像-遗传学融合方面优于离散的表格编码。
考虑影像模态不确定性的自适应融合策略（U-GRF）对于防止在基因信号微弱或耦合松散时出现性能下降是必要的。
该框架有效地弥合了基因组学与神经影像学之间的语义鸿沟，为早期认知下降识别和痴呆症筛查提供了一种更稳健的方法。

作者指出了局限性，特别是实验是在单一队列（ADNI）上进行的，这可能会限制其泛化能力。未来的工作建议将该框架扩展到其他具有更弥散基因组-影像关联的疾病状态，并研究在大规模数据集上对 GLM 进行微调。