Deep variational autoencoders for population genetics: applications in classification, imputation, dimensionality reduction, and novel lossless data compression. In this study we show the power of variational autoencoders (VAEs) for a variety of tasks relating to the interpretation and compression of genomic data. The unsupervised setting allows for detecting and learning of granular population structure and inferring of new informative latent factors, opening up an avenue for applications in dimensionality reduction, data simulation, population classification, imputation, and lossless genomic data compression. The latent spaces of VAEs are able to capture and represent clearly differentiated Gaussian-like clusters of similar genetic composition on a fine-scale with a relatively small number of Single Nucleotide Polymorphisms (SNPs) as input. Furthermore, sequences can be decomposed into latent representations and reconstruction errors (residuals) providing a sparse representation that provides a means for efficient lossless compression. Identifying genetic clusters can be important when performing genome-wide association studies and provides an alternative to self-reported ethnic labels, which are culturally constructed and vary according to the location and individual. A variety of unsupervised dimensionality reduction methods have been explored in the past for such applications, including PCA, MDS, t-SNE, and UMAP. Our proposed VAE can represent the population structure as a Gaussian-distributed continuous multidimensional representation and as classification probabilities providing flexible and interpretable population descriptors. We train our VAE method with several worldwide whole genome datasets from both humans and canids, and evaluate the performance of the different proposed applications with networks with and without ancestry conditioning. Our experiments show that different population groups have significantly differentiated compression ratios and classification accuracies. Additionally, we analyze the entropy of the SNP data, noting its effect on compression across populations and connect these patterns to historical migrations and ancestral relationships.
Autocodificadors variacionals profunds per a la genètica de poblacions: aplicacions en classificació, imputació, reducció de dimensionalitat i innovadora compressió de dades sense pèrdues. En aquest estudi mostrem la potència dels autocodificadors variacionals (VAEs) per a una varietat de tasques relacionades amb la interpretació i compressió de dades genòmiques. El marc no supervisat permet detectar i aprendre l'estructura granular de les poblacions i inferir nous factors latents informatius, obrint la porta a aplicacions en reducció de dimensionalitat, simulació de dades, classificació d'ascendència, imputació i compressió de dades genòmiques sense pèrdues. L'espai latent dels VAEs és capaç de capturar i representar, per a composició genètica semblant, clústers Gaussians clarament diferenciats amb tot detall, utilitzant un nombre de polimorfismes de nucleòtids simples (SNPs) relativament petit com a entrada. A més, les seqüències poden ser descompostes en representacions latents i errors de reconstrucció (residuals) oferint una representació dispersa que permet una compressió eficient sense pèrdues. Identificar clústers genètics pot ser important a l'hora de fer estudis d'associació del genoma complet i ofereix una alternativa per a les etiquetes ètniques autoassignades, que s'han assignat culturalment i varien respecte la localització i l'individu. Antany, s'ha estudiat una varietat de mètodes no supervisats de reducció de dimensionalitat per a aquestes aplicacions, incloent-hi PCA, MDS, t-SNE i UMAP. El VAE proposat pot representar l'estructura de les poblacions com a una representació multidimensional contínua normalment distribuïda i com a probabilitats de classificació oferint uns descriptors de població flexibles i interpretables. Entrenem el nostre VAE amb diversos datasets de genomes complets mundials, tant d'humans com de cànids, i avaluem el rendiment en les diferents aplicacions proposades amb xarxes neuronals amb i sense condicionament d'ascendència. Els nostres experiments mostren que diferents grups d'ascendència tenen ràtios de compressió i precisió en classificació significativament diferenciats. Addicionalment, analitzem l'entropia de les dades de SNP, observant el seu efecte en la compressió per a les poblacions i connectem aquests patrons amb migracions històriques i relacions ancestrals.
