Un quadro statistico per l'integrazione di imaging genomico con biclustering e regressione penalizzata ensemble nella malattia di Alzheimer.

Questo studio propone BRIDGE (Biclustering and ensemble penalized Regression for Integrative Data in Genomics and nEuroimaging), un quadro statistico innovativo per integrare dati di espressione genica e imaging cerebrale funzionale nella malattia di Alzheimer. L'approccio si articola in tre fasi: la prima consiste nella stima accurata delle reti funzionali cerebrali individuali tramite matrici di precisione sparse; la seconda applica un algoritmo di biclustering per identificare moduli regolatori, ossia gruppi di geni la cui espressione co-varia con specifiche connessioni cerebrali; infine, la terza fase applica una regressione logistica penalizzata ensemble, facilitata da una riduzione dimensionale, per classificare soggetti e identificare biomarcatori stabili. Attraverso simulazioni il metodo BRIDGE ha mostrato migliori performance in selezione di caratteristiche e accuratezza nella classificazione rispetto a varianti ablate e metodi concorrenti. Nell'applicazione alla coorte ADNI, il modello ha ottenuto una robusta classificazione out-of-sample e ha identificato moduli biologicamente interpretabili correlati alla malattia. Tuttavia, il sommario disponibile non dettaglia limiti specifici o potenziali bias. Il framework evidenzia così un approccio rigoroso per l'integrazione di dati complessi in imaging genomico, capace di individuare fattori patogenetici senza necessità di conoscenze a priori.