An An Interpretable Multi-Omics ElasticNet Pipeline for Alzheimer's Disease Classification

Aya Abdelaziz; Amira Gherboudj; Tunahan Çakir; Salah Eddine Aliouane; Mohamed Abdelhafid Hamidechi

doi:10.5935/jetia.v12i61.4555

Autores

Aya Abdelaziz Departamento de Biologia Aplicada, Universidade Irmãos Mentouri, Constantina, Argélia
Amira Gherboudj Departamento de Biologia Aplicada, Universidade Irmãos Mentouri, Constantina, Argélia
Tunahan Çakir Departamento de Bioengenharia, Universidade Técnica de Gebze, Kocaeli, Turquia
Salah Eddine Aliouane Departamento de Biologia Aplicada, Universidade Irmãos Mentouri, Constantina, Argélia
Mohamed Abdelhafid Hamidechi Departamento de Biología Celular y Molecular, Universidad Abbès Laghrour de Khenchela, Khenchela, Argelia

DOI:

https://doi.org/10.5935/jetia.v12i61.4555

Resumo

Alzheimer’s disease (AD) classification from heterogeneous biomedical data remains challenging because omics feature spaces are high-dimensional, sample sizes are limited, and data integration must remain interpretable. This study developed an interpretable machine learning framwork that integrated biological interpretation tools to distinguish cognitively normal (CN) from AD participants using Alzheimer’s Disease Neuroimaging Initiative (ADNI) data. Peripheral-blood gene expression, genome-wide SNPs, and clinical/MRI variables were analyzed in two cohorts: a complete-data common cohort (n = 290; 150 CN, 140 AD) and a broader union cohort (n = 578; 284 CN, 294 AD). After upstream quality control and preprocessing, transcriptomic and genetic matrices were reduced in a separate cross-validated stability-selection stage which yielded fixed consensus top-5000 features per modality for downstream benchmarking. Five predictive configurations were then evaluated under stratified 5-fold cross-validation: expression-only, SNP-only, clinical-only, omics-only, and multi-omics. In the common cohort, SNP-only achieved the highest discrimination (AUC = 0.936; AP = 0.923), whereas multi-omics provided the best overall balance of performance (AUC = 0.932; accuracy = 0.890; Brier score = 0.099). In the union cohort, multi-omics performed best overall (AUC = 0.960; AP = 0.966; accuracy = 0.913). Biological interpretation identified recurrent AD-related candidate signals, including IQCK, APH1B, PTGS2, and APOE/APOC1.

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

Aya Abdelaziz, Departamento de Biologia Aplicada, Universidade Irmãos Mentouri, Constantina, Argélia

Aya Abdelaziz es estudiante de doctorado en el Departamento de Biología Aplicada de la Universidad Hermanos Mentouri, Constantine, Argelia. Su investigación se centra en la bioinformática, el aprendizaje automático y el análisis de datos multi-ómicos para aplicaciones biomédicas. Está particularmente interesada en los enfoques computacionales interpretables para el descubrimiento de biomarcadores y la clasificación de enfermedades, con especial atención a los trastornos neurodegenerativos como la enfermedad de Alzheimer. Su trabajo implica la integración de datos transcriptómicos, genéticos y clínicos para desarrollar marcos analíticos reproducibles y biológicamente significativos.
Amira Gherboudj, Departamento de Biologia Aplicada, Universidade Irmãos Mentouri, Constantina, Argélia

Amira Gherboudj es Profesora Asociada en la Universidad argelina “Frères Mentouri, Constantine 1”. La Dra. Gherboudj obtuvo su título de doctorado en informática en 2013 en la Universidad “Abdelhamid Mehri, Constantine 2”. Sus intereses de investigación incluyen los dominios de la bioinformática, los métodos de optimización combinatoria y sus aplicaciones para resolver diversos problemas en diferentes áreas.
Tunahan Çakir, Departamento de Bioengenharia, Universidade Técnica de Gebze, Kocaeli, Turquia

O Prof. Associado Tunahan Çakir é vinculado ao Departamento de Bioengenharia da Universidade Técnica de Gebze, Turquia. Ele desenvolve pesquisas em biologia de sistemas centrada no metabolismo para revelar princípios celulares por meio do uso de técnicas computacionais. Isso inclui análises bioinformáticas integrativas de redes celulares e dados ômicos de alto rendimento (metabolômica e transcriptômica) para investigar o efeito de doenças relacionadas ao cérebro sobre o metabolismo e desvendar as estruturas das redes metabólicas de microrganismos. Nesse contexto, ele também trabalha com engenharia reversa de dados ômicos para inferir redes celulares. Além disso, participa do desenvolvimento de uma plataforma web para redes de interações proteína-proteína entre patógenos e humanos, denominada PHISTO. Ele é cofundador da startup PHI Tech Bioinformatics.

Anteriormente, trabalhou em projetos de pesquisa em biologia de sistemas computacional na Universidade Técnica da Dinamarca, no Centro Médico Universitário de Utrecht e na Universidade de Amsterdã. Obteve seus títulos de bacharelado, mestrado e doutorado na Universidade Boğaziçi, Turquia.
Salah Eddine Aliouane, Departamento de Biologia Aplicada, Universidade Irmãos Mentouri, Constantina, Argélia

Salah Eddine Aliouane obtuvo los títulos de licenciatura y maestría en bioinformática en la Universidad Frères Mentouri Constantine 1, Argelia, donde también obtuvo su doctorado en bioinformática. Es un experimentado docente universitario de programación en Python y de conceptos avanzados de aprendizaje profundo. Ha publicado varios artículos sobre predicción de la función enzimática y clasificación de genes. Su experiencia se extiende a la biología computacional, el aprendizaje automático y las soluciones bioinformáticas basadas en datos. Sus intereses de investigación incluyen las aplicaciones del aprendizaje profundo en bioinformática, entre ellas la clasificación de proteínas y la selección de genes relacionados con la enfermedad de Alzheimer.
Mohamed Abdelhafid Hamidechi, Departamento de Biología Celular y Molecular, Universidad Abbès Laghrour de Khenchela, Khenchela, Argelia

Mohamed Abdelhafid Hamidechi es actualmente profesor y microbiólogo, especializado en docencia e investigación. Es investigador académico en las universidades de Constantine y Khenchela, donde forma a estudiantes y contribuye al avance del conocimiento en su campo. Sus intereses de investigación incluyen la biología molecular y la bioinformática, con especial interés en sus aplicaciones al estudio de los microorganismos y a las aplicaciones clínicas. Gracias a su experiencia, participa activamente en proyectos científicos orientados a abordar los desafíos actuales en las ciencias biológicas y biotecnológicas.