基于貝葉斯網(wǎng)的潛類分析在基因關(guān)聯(lián)分析中的應(yīng)用.pdf

1、絕大多數(shù)復(fù)雜性狀疾?。╟omplex diseases）都是多基因病（polygenic disorders），隨著人類基因組單型圖（HapMap）的逐步完成，單核苷酸多態(tài)性（single-nucleotidepolymorphisms）與單體型的研究必將在探究復(fù)雜性遺傳疾病的遺傳機(jī)理、患病風(fēng)險與藥物反應(yīng)不同中扮演重要角色，已成為了生物醫(yī)學(xué)許多研究領(lǐng)域的焦點(diǎn)。而與之相適應(yīng)的統(tǒng)計學(xué)方法研究，近年來也成為國際上統(tǒng)計遺傳學(xué)領(lǐng)域的熱點(diǎn)。SNPs

2、 數(shù)據(jù)存在高維性和存在測量誤差的特點(diǎn)，并且研究中容易忽視對基因整體效應(yīng)的評價，導(dǎo)致許多方法在實際應(yīng)用中存在缺陷。為此，本文采用基于Bayesian 網(wǎng)絡(luò)的潛類模型來進(jìn)行高維度全基因組數(shù)據(jù)的分析。貝葉斯網(wǎng)潛類分析既可以有效地體現(xiàn)單體型和高維SNPs的綜合效應(yīng)，又可以充分發(fā)揮貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)分析的特征，分析SNPs 復(fù)雜的網(wǎng)絡(luò)結(jié)構(gòu)關(guān)系，是分析大規(guī)?；驍?shù)據(jù)的一種有效的方法，將為復(fù)雜性狀疾病遺傳以及基因定位等方面的研究提供新的方法支持。

3、　　 本文從貝葉斯網(wǎng)絡(luò)的概念入手，系統(tǒng)的介紹了貝葉斯網(wǎng)隱變量模型的有關(guān)理論，包括模型的可識別性，模型的參數(shù)估計，模型的結(jié)構(gòu)學(xué)習(xí)。模型的可識別性通過引入正則性的概念予以介紹，說明了模型可識別與不可識別的標(biāo)準(zhǔn)；模型參數(shù)估計闡述了最大似然估計，貝葉斯估計和EM算法這三種常用的參數(shù)估計方法，其中EM算法用于處理存在缺失情況的數(shù)據(jù)；模型結(jié)構(gòu)學(xué)習(xí)按照貝葉斯隱變量模型生成的過程，依次介紹了模型的選擇標(biāo)準(zhǔn)—
　　 評分函數(shù)與模型的優(yōu)化算法，評

4、分函數(shù)主要有貝葉斯評分、BIC 評分、AIC 評分、HVL 評分、BICe 評分、CS 評分等，模型的優(yōu)化算法介紹了K2算法和爬山算法，其中爬山算法是本次研究使用的重點(diǎn)算法。本文詳細(xì)介紹了兩種類型的貝葉斯網(wǎng)隱變量模型，即隱類模型和多層隱類模型，指出了兩類模型的區(qū)別與聯(lián)系，并闡述了在當(dāng)前數(shù)據(jù)下，各個模型如何分別得到最優(yōu)模型。
　　 在理論基礎(chǔ)之上，本文應(yīng)用貝葉斯網(wǎng)隱變量模型對實際SNPs 數(shù)據(jù)進(jìn)行了兩個實例分析。實例1應(yīng)用山西醫(yī)科

5、大學(xué)第一醫(yī)院抑郁障礙性疾病的單核苷酸多態(tài)性的檢測數(shù)據(jù)，每位患者分別測量7個SNPs。數(shù)據(jù)分析結(jié)果顯示，人群被分為兩個潛在類別，各類別的概率分別為0.22和0.78。造成兩個類別概率不同的原因主要是由rs11568817和rs130058 造成的。根據(jù)這兩個SNPs 位點(diǎn)，可以對兩個人群的內(nèi)在特征進(jìn)行解釋，其中類別1傾向于雜合子，類別2 傾向于純合子，各類別的概率分布情況由類概率分布直方表和類概率分布直方圖給出。實例2 數(shù)據(jù)是由GAW17

6、 提供的，包含697個個體22 條常染色體的上萬個SNP。
　　 本次研究隨機(jī)挑選出1號染色體上12個基因的29個SNPs作為研究對象，按照累計信息貢獻(xiàn)率達(dá)到95％的原則，模型選出C1S11408、C1S3201、C1S1786等15個與X0互信息量大的SNPs 位點(diǎn)來對研究人群進(jìn)行分類與解釋。人群總體被分為2個類潛在類別，各類別的概率分別為0.68和0.32，其中第一個類別人群在各SNPs 位點(diǎn)上純合和雜合的概率大體相當(dāng)（除C

7、IS3201外），差別不是很大；第二個類別人群在各SNPs 位點(diǎn)上純合與雜合的概率差別特別大（個別位點(diǎn)除外）。實例2 還對兩個類別人群的疾病感染狀況進(jìn)行分析，結(jié)果表明兩個類別人群的疾病感染狀況不一致，第二個類別人群感染率（38.64％）明顯高于第一個類別人群（25.99％），且差別具有統(tǒng)計學(xué)意義（? 2 ? 11.459, P ? 0.001），而這種差別正是用來分類和解釋兩個類別的SNPs 造成的，我們有理由認(rèn)為這些SNPs為可疑致病