Künstliche neuronale Netze als gerichtete Graphen zur Modellierung von Gen-Gen- und Gen-Umwelt-Interaktionen in Studien der genetischen Epidemiologie
Beschreibung
- Die Untersuchung komplexer Erkrankungen spielt in der genetischen Epidemiologie eine wichtige Rolle. In die Ätiologie komplexer Erkrankungen sind eine Vielzahl von Risikofaktoren involviert, die zudem in komplexen Wechselbeziehungen zueinander stehen können. Die Modellierung und Identifizierung dieser Interaktionen bereitet den klassischen statistischen Methoden allerdings bisher Probleme.
In dem DFG-Projekt wurden künstliche neuronale Netze auf ihre Fähigkeiten hin untersucht, Gen-Gen- und Gen-Umwelt-Interaktionen zu modellieren und identifizieren. Aufbauend auf die sehr gute implizite Modellierung von unterschiedlichen Interaktionsmodellen mit sowohl diskreten als auch stetigen Variablen wurden verschiedene Kriterien für die lokale und globale Anpassungsgüte untersucht. Zusätzlich wurden im Hinblick auf die Interpretation der Parameter Möglichkeiten der Kantenreduktion geprüft und die verallgemeinerten Synapsengewichte betrachtet.
Neuronale Netze haben sich hinsichtlich ihrer Modellierung als überlegen gegenüber den Standardmethoden der logistischen Regressionsmodelle und der Multifactor Dimensionality Reduction (MDR) gezeigt. Mehrschichtige Perzeptronen erwiesen sich somit als sehr nützliches statistisches Instrument für explorative Analysen, die vor allem dann in Auswertungen genetisch-epidemiologischer Studien eingesetzt werden sollten, wenn wenig oder gar nichts über die Art der Wirkzusammenhänge zwischen unabhängigen und abhängigen Variablen bekannt ist.
Die verwendete Software wurde neu programmiert und als R-Paket neuralnet dem Comprehensive R Archive Network (CRAN) zur Verfügung gestellt.
Förderzeitraum
- Beginn: August 2006
Ende: Juli 2009
Förderer
- Deutsche Forschungsgemeinschaft (DFG)
Kontaktperson
Ausgewählte Veröffentlichungen zum Projekt
- Günther F, Bammann K, Pigeot I. Using a reduced topology of an artificial neural network to identify biological interaction in genetic epidemiology for two-locus disease models. JP Journal of Biostatistics. 2012;7(2):61-76.
- Günther F, Pigeot I, Bammann K. Artificial neural networks modeling gene-environment interaction. BMC Genetics. 2012;13:37.
https://doi.org/10.1186/1471-2156-13-37 - Günther F, Fritsch S. neuralnet: Training of neural networks. R Journal. 2010;2(1):30-38.
https://journal.r-project.org/archive/2010/RJ-2010-006/index.html - Günther F, Wawro N, Bammann K. Neural networks for modeling gene-gene interactions in association studies. BMC Genetics. 2009;10:87.
https://doi.org/10.1186/1471-2156-10-87 - Günther F, Bammann K, Pigeot I. Kantenreduktion bei künstlichen neuronalen Netzen. In: Foraita R, Ziegler A, Hemmelmann C, Herausgeber. Biometrische Aspekte der Genomanalyse IV, Schwerpunkt: Epigenetik. Aachen: Shaker Verlag. 2009. S. 74-81
- Günther F, Wawro N, Bammann K. Neural networks for modelling gene-environment interactions. Workshop "Statistical Methods for the Analysis of Gene-Environment Interactions" der Arbeitsgruppe Genetische Epidemiologie der Deutschen Gesellschaft für Epidemiologie (DGEpi) und des Deutschen Krebsforschungszentrums (DKFZ), 15.-16. März 2010, Heidelberg.
- Günther F, Bammann K, Pigeot I. Kantenreduktion bei künstlichen neuronalen Netzen. 55. Biometrisches Kolloquium, 17.-19. März 2009, Hannover.
- Günther F, Bammann K, Pigeot I. Kantenreduktion bei künstlichen neuronalen Netzen. Workshop der Arbeitsgruppe Populationsgenetik und Genomanalyse der Internationalen Biometrischen Gesellschaft (IBS-DR) und des Arbeitskreises Humangenetik der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (GMDS), 16.-17. Februar 2009, Rauischholzhausen.
- Günther F, Wawro N, Bammann K. Using generalized weights of neural networks to identify gene-gene interactions. EUROEPI 2009, European Congress "Epidemiology for Clinical Medicine and Public Health", 26.-30. August 2009, Warsaw, Poland.
- Bammann K, Günther F. Künstliche neuronale Netze zur Modellierung von Gen-Umwelt-Interaktionen. 3. Jahrestagung der Deutschen Gesellschaft für Epidemiologie (DGEpi), 24.-27. September 2008, Bielefeld.
- Günther F, Bammann K, Wawro N. Neural networks modeling gene-gene-interactions. Lifestat 2008, Gemeinsame Tagung der Deutschen Region (IBS-DR), der Region Österreich/Schweiz (IBS-ROeS) und der polnischen Gruppe (IBS-Polen) der Internationalen Biometrischen Gesellschaft (IBS), 10.-13. März 2008, München.
- Bammann K, Günther F, Wawro N. Identifying complex causal pathways with artificial neural networks: a simulation study. Joint Meeting of the UK Society for Social Medicine (SSM) & the International Epidemiological Association (IEA Europe), 12-14 September 2007, Cork, Ireland. (Abstract published in: The Journal of Epidemiology and Community Health. 2007;61(Suppl.1):A16)
- Günther F, Bammann K, Wawro N. Modellierung von Gen-Gen-Interaktionen mit neuronalen Netzen. Workshop "Genetische Epidemiologie". Treffen der norddeutschen Zentren zu genetischer Epidemiologie Lübeck, Kiel, Bremen, 9. Juli 2007, Lübeck.
- Günther F, Bammann K, Wawro N. Neuronale Netze zur Identifizierung von Gen-Gen-Interaktionen. Kongress "Medizin und Gesellschaft. Prävention und Versorgung innovativ-qualitätsgesichert-sozial". Gemeinsame Jahrestagung der DGEpi, DGSMP, GMDS, DGMS, MDK Bayern, bayer. Landesgesundheitsamt, 17.-21. September 2007, Augsburg.
- Bammann K, Foraita R, Pigeot I, Suling M, Günther F. Modelling gene-gene- and gene-environment-interactions with directed graphs. IEA-EEF European Congress of Epidemiology 2006, Epidemiology and Health Care Practice. 28.Juni - 1.Juli 2006, Utrecht, The Netherlands.
- Günther F, Bammann K, Pigeot I. Kantenreduktion bei künstlichen neuronalen Netzen. 3. Jahrestagung der Deutschen Gesellschaft für Epidemiologie (DGEpi), 24.-27. September 2008, Bielefeld.
- Fritsch S, Günther F. neuralnet: Training of neural networks. R package. (Online); 2012.
http://cran.r-project.org/web/packages/neuralnet/index.html