Privacy preserving protocol for detecting genetic relatives using rare variants

文章

Hormozdiari F, Joo J W J, Wadia A, et al. Privacy preserving protocol for detecting genetic relatives using rare variants[J]. Bioinformatics, 2014, 30(12): i204-i211.
cited 19

主要贡献

提出了一种新的编码机制，实现亲属检测，与2013年文章可以检测到更远的亲属关系（5代）。
主要采用新编码方法和列表解码

使用方法

模糊加密

模糊加密与传统加密的区别在于，只需要解密密钥之间的汉明距离小于预定义的阈值“t”，就可以解密成功。
模糊加密的密钥一非常长的稀疏向量存在，允许计算汉明距离。

1.基本原理

每个基因草图中有k个元素，每个元素m位，则共有2^m种可能，私钥长度为2^m的二进制向量，解密阈值为2k-t（t为两个个体集合中相同元素的个数），海明距离<2k-t，则至少有t个元素相同，个体相关。阈值中t由训练得到。

2.基因草图构建

将每个个体的两个单倍型转化为一个集合，每个单倍体与参考基因组进行比较，不同的位置标为1，相同的位置标为0，以此转换为二进制。每个基因组都转换成长度为30000的二进制串。

利用抗冲突哈希函数，将二进制串转换为基因草图

由于基因草图会泄露信息，使用Juels-Sudan构造，通过哈希检查生成安全草图，用作个人公钥。
上述编码每个个体由包含24位元素的集合表示

3.安全性证明

熵可以用来衡量信息量，模糊加密中熵以t²/s为界限（t为公共元素个数，s为每个集合元素数），若人类基因组中熵远大于公钥（安全基因草图）中的熵，该方法就是安全的，2013年He等人已证明人类基因组中的近似熵远高于t²/s。

实验结果

使用来自1000个基因组数据的LWK群体中的一组无关个体作为创始人。图（A）显示了本文使用罕见变体检测不同个体之间相关性的方法，图（B）显示了He等人（2013）提出的方法的结果。因此，利用罕见的变异，本文可以检测到高达五级的近亲，而不是三级的近亲。