基于聚類的單核苷酸多態(tài)性位點(diǎn)質(zhì)量控制方法研究.pdf

1、單核苷酸多態(tài)性(SNP)是第三代遺傳標(biāo)記物，已被廣泛應(yīng)用于生物及醫(yī)學(xué)研究中。全基因組關(guān)聯(lián)研究(GWAS)利用SNP為標(biāo)記進(jìn)行病例-對(duì)照關(guān)聯(lián)分析，以期發(fā)現(xiàn)影響復(fù)雜性疾病及生物性狀的遺傳特征，進(jìn)而為疾病的早期診斷、個(gè)性化治療、新藥研發(fā)等提供依據(jù)。SNP數(shù)據(jù)的質(zhì)量是GWAS取得成功的關(guān)鍵因素。事實(shí)上，由于受到實(shí)驗(yàn)過程中硬件或者軟件等因素的限制，采集到的SNP數(shù)據(jù)不可避免地存在誤差。因此，對(duì)SNP位點(diǎn)數(shù)據(jù)的質(zhì)量控制是十分必要的。
　　

2、本文主要的研究工作是尋求更有效的SNP位點(diǎn)的質(zhì)量控制方法，使其更好地服務(wù)于GWAS。衡量SNP數(shù)據(jù)質(zhì)量的基本參數(shù)有三個(gè):基因分型率、次等位基因頻率以及哈溫平衡檢測(cè)值，現(xiàn)有的質(zhì)量控制方法采用的是“有監(jiān)督”的專家過濾器，人為設(shè)置參數(shù)閾值。針對(duì)這一問題，本文設(shè)置了更為嚴(yán)格的質(zhì)量參數(shù)，并利用重置后的參數(shù)，提出了兩種基于聚類的SNP質(zhì)量控制算法:
　　 (1)基于加權(quán)模糊核聚類算法的質(zhì)控方法。SNP數(shù)據(jù)集有多個(gè)屬性，數(shù)據(jù)集對(duì)于正常SNP聚

3、類與噪聲SNP聚類存在屬性不平衡現(xiàn)象。針對(duì)這一問題，本文引入加權(quán)模糊核聚類算法，通過動(dòng)態(tài)計(jì)算屬性間的不平衡性，分別將正常的SNP位點(diǎn)與噪聲位點(diǎn)劃分到兩個(gè)類中。對(duì)于高維非團(tuán)狀數(shù)據(jù)集，該算法比傳統(tǒng)的聚類算法有更好的效果。實(shí)驗(yàn)結(jié)果表明加權(quán)模糊核聚類算法對(duì)于SNP質(zhì)量控制問題是有效可行的。
　　 (2)基于SNN聚類算法的質(zhì)控方法。針對(duì)SNP數(shù)據(jù)的高維度特點(diǎn)，SNP位點(diǎn)的篩選可分兩步進(jìn)行。首先運(yùn)用主成分分析法對(duì)數(shù)據(jù)進(jìn)行降維，并將每個(gè)位點(diǎn)