基于影像学表型的全基因组关联分析方法、介质及设备技术

本发明专利技术涉及一种基于影像学表型的全基因组关联分析方法、介质及设备，所述方法包括以下步骤：获取脑部的多模态磁共振图像；对所述多模态磁共振图像进行预处理，获取相关皮层特征和白质纤维束弥散特征，形成影像学表型文件；获取与所述多模态磁共振图像对应的原始基因数据，并对所述原始基因数据进行筛选处理，获得有效基因数据，形成基因文件；采用加性遗传回归模型，基于所述影像学表型文件和基因文件进行关联分析，获得关联结果；对所述关联结果进行可视化处理。与现有技术相比，本发明专利技术具有分析准确度高等优点。有分析准确度高等优点。有分析准确度高等优点。

【技术实现步骤摘要】
基于影像学表型的全基因组关联分析方法、介质及设备


[0001]本专利技术计算机医学
，涉及一种图像处理方法，尤其是涉及一种基于影像学表型的全基因组关联分析方法、介质及设备。

技术介绍

[0002]阿尔茨海默病(Alzheimer
’
s Disease，AD)是一种病因未明的进行性神经系统退行性疾病，也是最常见的痴呆类型，约占全部痴呆患者的50％
‑
70％，其致病原因迄今尚未明确，且无有效药物治愈或改变其病理进程的治疗方案。近年来其发病率呈显著增加趋势，给社会和家庭带来了严重问题。目前，全球AD患者已达两千万以上，预计到2050年，全世界痴呆症患者的数量将达到1.315亿。
[0003]研究已经证实AD是具有高度遗传性的疾病，影像基因组学这一新兴技术在AD的研究中取得较大进展，通过将多模态脑影像表型与基因数据结合分析，使用影像内表型来检测遗传变异或评估先前确定的遗传风险对大脑的影响，比单纯的基因研究更有效。目前，依据所选影像学表型以及基因数据的差别，产生了多样的影像基因组学的关联分析方法，尤其在AD的研究中，以全基因关联分析(Genome
‑
Wide Association Study，GWAS)为代表，其已经成功的确定了多个关于AD的易感基因。
[0004]目前国内外关于AD的GWAS研究仍存在不足，其表现在影像学表型的选择仍多集中在大脑灰质皮层的变化，准确性不够。

技术实现思路

[0005]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种分析准确度高的基于影像学表型的全基因组关联分析方法、介质及设备。
[0006]本专利技术的目的可以通过以下技术方案来实现：
[0007]一种基于影像学表型的全基因组关联分析方法，包括以下步骤：
[0008]获取脑部的多模态磁共振图像；
[0009]对所述多模态磁共振图像进行预处理，获取相关皮层特征和白质纤维束弥散特征，形成影像学表型文件；
[0010]获取与所述多模态磁共振图像对应的原始基因数据，并对所述原始基因数据进行筛选处理，获得有效基因数据，形成基因文件；
[0011]采用加性遗传回归模型，基于所述影像学表型文件和基因文件，结合协变量文件进行关联分析，获得关联结果；
[0012]对所述关联结果进行可视化处理。
[0013]进一步地，所述多模态磁共振图像包括MR
‑
T1图像和DTI图像，对不同模态的图像采用不同的预处理方案。
[0014]进一步地，所述相关皮层特征包括厚度、体积、表面积和曲率。
[0015]进一步地，所述白质纤维束弥散特征包括弥散特征各向异性、平均扩散系数、轴向
弥散系数和径向弥散系数。
[0016]进一步地，通过所述筛选处理对所述原始基因数据进行质量控制，保留满足基因特征质量指标的基因数据，获得所述有效基因数据。
[0017]进一步地，所述基因特征包括基因分型率、基因缺失率、哈温伯格平衡、连锁不平衡、最小等位基因频率、PCA分层检测和性别检测。
[0018]进一步地，在获得所述关联结果后，利用FDR进行多重假设检验校正。
[0019]进一步地，所述可视化处理包括有关联意义基因的相关功能注释和所涉及的通路可视化。
[0020]本专利技术还提供一种计算机可读存储介质，包括供电子设备的一个或多个处理器执行的一个或多个程序，所述一个或多个程序包括用于执行如上所述基于影像学表型的全基因组关联分析方法的指令。
[0021]本专利技术还提供一种电子设备，包括：
[0022]一个或多个处理器；
[0023]存储器；和
[0024]被存储在存储器中的一个或多个程序，所述一个或多个程序包括用于执行如上所述基于影像学表型的全基因组关联分析方法的指令。
[0025]与现有技术相比，本专利技术具有以下有益效果：
[0026]1、本专利技术在进行全基因组关联分析方法时利用影像学特征作为中间表型，从基因层面解释大脑改变，可靠性更高，可以更好地揭示AD的病理学变化以及生理机制。
[0027]2、本专利技术对对不同模态的图像采用不同的预处理方案，能够对图像进行更加准确的处理，以利于后续分析。
[0028]3、本专利技术对原始基因数据进行样本个体层面和基因型层面的质量控制，消除人口分层等不利因素的影响，提高分析准确度。
附图说明
[0029]图1为本专利技术的流程示意图；
[0030]图2为MR
‑
T1图像的预处理流程；
[0031]图3为DTI图像的预处理流程。
具体实施方式
[0032]下面结合附图和具体实施例对本专利技术进行详细说明。本实施例以本专利技术技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本专利技术的保护范围不限于下述的实施例。
[0033]如图1所示，本实施例提供一种基于影像学表型的全基因组关联分析方法，包括以下步骤：
[0034]获取脑部的多模态磁共振图像，对所述多模态磁共振图像进行预处理，获取相关皮层特征和白质纤维束弥散特征，形成影像学表型文件；
[0035]获取与所述多模态磁共振图像对应的原始基因数据，并对所述原始基因数据进行筛选处理，获得有效基因数据，形成基因文件；
[0036]采用加性遗传回归模型，基于所述影像学表型文件和基因文件，结合协变量文件进行关联分析，获得关联结果，对所述关联结果进行可视化处理。
[0037]本实施例所提供的全基因组关联分析方法是一种基于影像学表型的阿尔茨海默病全基因组关联分析方法，所获得的多模态磁共振图像和原始基因数据为具有阿尔茨海默病的患者数据和正常数据。
[0038]一、多模态磁共振图像的预处理
[0039]对不同模态的图像处理不同的预处理方案：
[0040](1)MR
‑
T1图像：处理流程在Freesurfer软件上完成，如图2所示，主要步骤包括：首先去除颅骨等非脑组织结构，进行不均匀场校正，并与软件自带的脑模版进行配准，然后对大脑组织进行分割和膨胀填充，对整个大脑皮层进行三维重建，最后通过自带的脑模版对脑区进行标记，并提取各个脑区皮层特征，包括厚度、体积、表面积和曲率等。
[0041](2)DTI图像：处理流程在MATLAB的软件包PANDA中完成，如图3所示，主要步骤包括：首先对图像进行头部校正和涡流畸变使用涡流校正，非脑组织使用大脑提取工具去除，接着对大脑提取图像进行目视检查，以确认非脑组织的准确移除；然后将弥散特征各向异性(Fractional Anisotropy，FA)、平均扩散系数(Mean Diffusivity，MD)、轴向弥散系数(Axial Diffusivity,DA)和径向弥散系数(Radial Diffusivity，DR)等弥散参数图像配准到标准模板(FMRIB58_FA)中，创建平均FA图像在其阈值大于0.2本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于影像学表型的全基因组关联分析方法，其特征在于，包括以下步骤：获取脑部的多模态磁共振图像；对所述多模态磁共振图像进行预处理，获取相关皮层特征和白质纤维束弥散特征，形成影像学表型文件；获取与所述多模态磁共振图像对应的原始基因数据，并对所述原始基因数据进行筛选处理，获得有效基因数据，形成基因文件；采用加性遗传回归模型，基于所述影像学表型文件和基因文件，结合协变量文件进行关联分析，获得关联结果；对所述关联结果进行可视化处理。2.根据权利要求1所述的基于影像学表型的全基因组关联分析方法，其特征在于，所述多模态磁共振图像包括MR
‑
T1图像和DTI图像，对不同模态的图像采用不同的预处理方案。3.根据权利要求1所述的基于影像学表型的全基因组关联分析方法，其特征在于，所述相关皮层特征包括厚度、体积、表面积和曲率。4.根据权利要求1所述的基于影像学表型的全基因组关联分析方法，其特征在于，所述白质纤维束弥散特征包括弥散特征各向异性、平均扩散系数、轴向弥散系数和径向弥散系数。5.根据权利要求1所述的基于影像学表型的全基因组关联分析方法，其特征在于，通过所述筛选处理对所...

【专利技术属性】
技术研发人员：姚旭峰，吕玉婷，韩立婷，任哲，
申请(专利权)人：上海健康医学院，
类型：发明
国别省市：