Künstliche neuronale Netze als gerichtete Graphen zur Modellierung von Gen-Gen- und Gen-Umwelt-Interaktionen in Studien der genetischen Epidemiologie
Zusammenfassung der Projektergebnisse
Die Erforschung komplexer und multifaktorieller Krankheiten spielt in der genetischen Epidemiologie eine große Rolle und es wird eine große Anzahl von Variablen als mögliche Einflussfaktoren betrachtet. Dabei wird auch den Interaktionen zwischen einzelnen Genen oder zwischen Genen und Umweltvariablen in der Entstehungsgeschichte einer Krankheit eine große Bedeutung zugemessen. Diese Interaktionen zu entdecken bereitet vielen statistischen Instrumenten wegen der Diskrepanz zwischen biologischer und statistischer Interaktion allerdings Probleme. Eine beobachtete statistische Interaktion lässt nicht notwendigerweise Rückschlüsse auf eine tatsächlich vorliegende biologische Interaktion zu. Dieses Vorhaben hatte zum Ziel, künstliche neuronale Netze zu nutzen und so zu erweitern, dass Gen-Genund Gen-Umwelt-Interaktionen bei komplexen Erkrankungen modelliert und identifiziert werden können. Es sollte neben der Theorieentwicklung ein entsprechendes Software-Paket für das Training neuronaler Netze entwickelt werden. Die Ergebnisse des Projekts zeigen, dass neuronale Netze in vielerlei Hinsicht das Potenzial besitzen, ein sehr gut nutzbares und vielseitig einsetzbares Tool zur Modellierung von komplexen Erkrankungen zu werden. Die gute Modellierungskapazität bezüglich Gen-Gen-Interaktionen und vor allem bezüglich der Gen-Umwelt-Interaktionen unterstreicht dies. Dem gegenüber stehen Schwierigkeiten in den Bereichen der Bewertung der lokalen Anpassung und der Interpretation der Parameter. Der Ansatz der gezielten Kantenreduktion, der im dritten Projektjahr verfolgt wurde, war zur Lösung des Interpretationsproblems nicht zielführend. Die Bootstrap-Konfidenzintervalle für die verallgemeinerten Synapsengewichte können aufgrund der hohen Rechenzeiten nur in Einzelfällen durchgeführt werden. Insgesamt sind neuronale Netze aber als zusätzliches einzusetzendes exploratives Verfahren durchaus geeignet, neue Erkenntnisse aus Daten zu gewinnen Die entwickelte Software neuralnet wurde dem CRAN zur Verfügung gestellt und steht damit als Public Domain zur Verfügung. Das Paket bietet die Möglichkeit zum Training und zur Prognosewertberechnung beliebig aufgebauter neuronaler Netze und zusätzlich zwei sehr komfortable Möglichkeiten zur Darstellung einmal von Netzwerk-Strukturen und zum zweiten von den verallgemeinerten Synapsengewichten nach Intrator und Intrator (1993). Es wurde im zweiten Förderabschnitt um zwei sehr nützliche Eigenschaften erweitert und steht mittlerweile in der Version 1.2 zur Verfügung.
Projektbezogene Publikationen (Auswahl)
- Kantenreduktion bei künstlichen neuronalen Netzen. In: Foraita R, Ziegler A, Hemmelmann C (Hrsg.). Biometrische Aspekte der Genomanalyse IV, Schwerpunkt: Epigenetik. Statistik. Shaker Verlag, Aachen: Shaker Verlag: 74 – 81
Günther F, Bammann K, Pigeot I
- Modeling gene-gene and gene-environment-interactions with directed graphs. Vortrag auf dem IEA-EEF European Congress of Epidemiology, 28. Juni - 1. Juli 2006, Utrecht/Niederlande
Bammann K, Foraita R, Pigeot I, Suling M, Günther F
- Modellierung von Gen- Gen- und Gen-Umwelt-Interaktionen mit gerichteten Graphen. Poster auf der 1. Jahrestagung der Deutschen Gesellschaft für Epidemiologie (DGEpi), 21. - 23. September 2006, Greifswald
Bammann K, Foraita R, Pigeot I, Suling M, Günther F
- Identifying complex causal pathways with artificial neural networks: A simulation study. Vortrag auf dem Joint Meeting der Society for Social Medicine und der International Epidemiological Association (European Federation) (SSM/IEA), 12. - 14. September 2007, Cork/Irland
Bammann K, Günther F, Wawro N
- Interaktion in der Epidemiologie. Vortrag auf dem Treffen der norddeutschen Methodenzentren genetische Epidemiologie, 9. Juli 2007, Lübeck
Bammann K, Günther F
- Modellierung von Gen-Gen-Interaktionen mit neuronalen Netzen. Vortrag auf dem Treffen der norddeutschen Methodenzentren genetische Epidemiologie, 9. Juli 2007, Lübeck
Günther F, Bammann K, Wawro N
- Neuronale Netze zur Identifizierung von Gen-Gen-Interaktionen. Vortrag auf dem 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
Günther F, Bammann K, Wawro N
- Kantenreduktion in künstlichen neuronalen Netzen. Poster bei der 3. Jahrestagung der Deutschen Gesellschaft für Epidemiologie (DGEpi), 24. - 27. September 2008, Bielefeld
Günther F, Bammann K, Pigeot I
- Künstliche neuronale Netze zur Modellierung von Gen-Umwelt-Interaktionen. Vortrag bei der 3. Jahrestagung der Deutschen Gesellschaft für Epidemiologie (DGEpi), 24. - 27. September 2008, Bielefeld
Bammann K, Günther F
- Neural networks modeling gene-geneinteractions. Vortrag auf der Tagung “Statistik in den Lebenswissenschaften: Perspektive und Herausforderung“. 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
Günther F, Bammann K, Wawro N
- neuralnet: Training of neural networks (2008). R package Version 1.2
Günther F, Fritsch S
- Kantenreduktion bei künstlichen neuronalen Netzen. Vortrag auf dem 55. Biometrischen Kolloquium, 17. - 19. März 2009, Hannover
Günther F, Bammann K, Pigeot I
- Kantenreduktion in künstlichen neuronalen Netzen. Vortrag auf dem Workshop der Arbeitsgruppe Populationsgenetik und Genomanalyse der Internationalen Biometrischen Gesellschaft (DR der IBS) und der Arbeitsgruppe Humangenetik der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie (GMDS), 16. - 17. Februar 2009, Rauischholzhausen
Günther F, Bammann K, Pigeot I
- Using generalized weights of neural networks to identify gene-gene interactions. Vortrag auf dem IEA-EEF European Congress of Epidemiology, 26. - 30. August 2009, Warschau/Polen
Günther F, Wawro N, Bammann K
