22333.單倍型的分布估計和關(guān)聯(lián)分析

1、中國科學(xué)技術(shù)大學(xué)博士學(xué)位論文單倍型的分布估計和關(guān)聯(lián)分析姓名：章寒申請學(xué)位級別：博士專業(yè)：概率論與數(shù)理統(tǒng)計指導(dǎo)教師：楊亞寧201106摘要估計偏差并獲得更小的均方誤差。考慮到群體中通常只包含少數(shù)幾種單倍型，本文通過在混合基因型數(shù)據(jù)的前兩階矩和單倍型分布間的線性約束下極大化單倍型分布的稀疏性度量，提出了一種統(tǒng)一的算法—CSPOOL。該算法與壓縮感知理論中的典型方法存在緊密聯(lián)系。壓縮感知理論的主要目標(biāo)是設(shè)計有效的解碼算法從欠定線性采樣中精確地

2、重建稀疏原始信號。由于個體基因定型設(shè)計可以看成是混合基因池中僅包含一位實驗個體時的特殊的混合DNA設(shè)計，且CSPOOL的性能僅僅依賴于基因型數(shù)據(jù)的前兩階矩的估計精度，從而CSPOOL可以同時應(yīng)用于混合DNA設(shè)計和個體基因定型設(shè)計。此外，通過引入近親系數(shù)，CSPOOL還能夠應(yīng)用于哈代—溫伯格平衡律失效時的情形。在個體基因定型設(shè)計中，當(dāng)樣本量相對較小時，模擬研究顯示CSPOOL能夠在均方誤差和有效累積概率方面一致地優(yōu)于金標(biāo)準(zhǔn)算法PHASE。

3、當(dāng)樣本量較大時，CSPOOL可以獲得與PHASE相似的精確估計，同時CSPOOL的計算復(fù)雜度與樣本量無關(guān)，而PHASE的計算復(fù)雜度隨著樣本量的增加而快速增大。在混合DNA設(shè)計中，當(dāng)樣本量較大時，CSPOOL的性能優(yōu)于PoooL而與近似EM算法的性能相當(dāng)。當(dāng)樣本量相對較小時，由于基因型數(shù)據(jù)的連鎖不平衡系數(shù)矩陣在這時通常是病態(tài)的，PoooL和近似EM算法都會失效，而CSPOOL仍然能夠正常工作，并且模擬結(jié)果顯示混合DNA設(shè)計能夠在實驗成本和

4、統(tǒng)計效率兩個方面均優(yōu)于個體基因定型設(shè)計。通過采用logistic回歸模型刻畫單倍型與疾病的關(guān)聯(lián)性，本文提出了一種匹配病例—對照設(shè)計中的基于回溯似然的單倍型—疾病關(guān)聯(lián)分析方法NHAPF。NHAPF適用于多種遺傳機制，也可以用于檢驗單倍型與環(huán)境因子間的交互效應(yīng)。由于近親系數(shù)的引入，模擬研究表明，對于具有中等或較低發(fā)病率的遺傳疾病，NHAPF在單倍型分布偏離哈代—溫伯格平衡律時較為穩(wěn)健，同時NHAPF能夠獲得近似無偏的參數(shù)估計，由此構(gòu)造的檢驗