基于混合線性模型進(jìn)行遺傳數(shù)據(jù)分析的異常值檢測方法.pdf

1、利用混合線性模型進(jìn)行遺傳數(shù)據(jù)分析對于統(tǒng)計(jì)學(xué)家和遺傳學(xué)家來說都是一種挑戰(zhàn)，因?yàn)闊o論是線性、二次性還是似然估計(jì)方法都會在很大程度上受到自變量或依變量中的異常數(shù)值的干擾。要了解異常值對分析結(jié)果的影響，唯一的方式是通過反復(fù)地?cái)?shù)據(jù)質(zhì)量鑒定和模型優(yōu)化?；谏鲜隹紤]，本研究借助于MINQUE(最小二次范數(shù)無偏估計(jì))和AUP(調(diào)整的無偏預(yù)測)方法(表示為：方法Ⅰ)，提出了利用混合線性模型進(jìn)行遺傳數(shù)據(jù)分析的異常值檢測方法，并將該方法與基于EM算法和BLU

2、P(最佳線性無偏預(yù)測)的方法(表示為：方法Ⅱ)進(jìn)行比較，然后通過兩個(gè)實(shí)例分析來驗(yàn)證方法。 本研究首先利用一個(gè)常用的遺傳模型(包括品種、年份和地點(diǎn))來演示該方法，并引入一組統(tǒng)計(jì)量來評價(jià)異常值對分析結(jié)果的影響程度，如：Cook距離(CD(β))，Andrews-Pregibon統(tǒng)計(jì)量(AP)，Cook-Weisberg統(tǒng)計(jì)量(CW)和方差比例(VR)是用來評價(jià)某個(gè)數(shù)據(jù)點(diǎn)對混合線性模型種固定效應(yīng)的影響；而Cook距離(CD(e))是用

3、來評價(jià)某個(gè)數(shù)據(jù)點(diǎn)對隨機(jī)效應(yīng)的影響。采用C++編程語言編寫了計(jì)算機(jī)模擬程序，通過蒙特卡羅模擬方法產(chǎn)生模擬數(shù)據(jù)，隨機(jī)設(shè)定若干異常值，并運(yùn)用本研究提出的方法來檢測異常值，來檢驗(yàn)方法的有效性和可靠性。結(jié)果表明，利用上述的異常值評價(jià)指標(biāo)，方法Ⅰ和方法Ⅱ都能夠檢測到模擬數(shù)據(jù)中人為設(shè)定的異常值，兩者具有相似的異常值檢測能力。 此外，本研究還運(yùn)用方法Ⅰ和方法Ⅱ?qū)Σ缓挟惓Ｖ档臄?shù)據(jù)進(jìn)行分析，來比較兩種方法的假陽性率。結(jié)果表明，與方法Ⅱ相比，利用方

4、法Ⅰ所得到的異常值評價(jià)指標(biāo)更加平穩(wěn)，因此，方法Ⅰ在異常值檢測方面更加穩(wěn)健。另外，在模擬數(shù)據(jù)中，針對特定品種、年份和地點(diǎn)的組合設(shè)定異常值。大多數(shù)情況下，方法Ⅰ和方法Ⅱ都能檢測到這類異常值，對于有些例子，方法Ⅰ能夠具有更強(qiáng)的檢測能力，而對于另一下例子，方法Ⅱ則表現(xiàn)的更好。主要分析結(jié)果可總結(jié)如下： 1)本研究提出的方法可以較好地檢測出混合線性模型中的異常表型值。如果模型中只存在少量離散的異常觀察值，無論用方法Ⅰ還是用方法Ⅱ，都能檢測到

5、這些異常值。但如果一個(gè)品種在同一地點(diǎn)、同一年份存在多個(gè)異常值，則無法檢測到這些異常值，反正會將正確的觀察值判定為異常值。 2)基于上述方法，本研究采用C++編程語言編寫了一套計(jì)算機(jī)程序，用于混合線性模型的遺傳數(shù)據(jù)分析，檢測異常觀測值，并根據(jù)統(tǒng)計(jì)檢驗(yàn)P值的大小來排列異常值。這套程序也可以提供模型中方差分量的估計(jì)值和隨機(jī)效應(yīng)的預(yù)測值。 3)在常用遺傳模型的分析結(jié)果中，有些值異常值會由于其他異常值的掩蓋而無法被檢測出來，而有些

6、正常的觀察值則會由于其它多個(gè)異常值的影響而被誤認(rèn)為是異常值。 4)在常用遺傳模型的分析實(shí)例中，異常值的存在可能會嚴(yán)重影響固定效應(yīng)的估計(jì)和隨機(jī)效應(yīng)的預(yù)測，而去掉這些異常值之后，則可能在很大程度上改進(jìn)模型的參數(shù)估計(jì)。對于QTL定位數(shù)據(jù)，去除異常值之后，可以檢測到額外的QTL，并能改進(jìn)遺傳率的估計(jì)。兩個(gè)實(shí)例分析的結(jié)果都表明，去除異常值之后，都能改進(jìn)模型的參數(shù)估計(jì)，當(dāng)然，我們并不能武斷地認(rèn)為這些去除異常值完全沒有生物學(xué)意義。 5