單體型是染色單體上一組緊密連鎖的位點(diǎn),通常會共同遺傳給后代,可以視作多個位點(diǎn)組成的“超級等位基因”。單體型信息在全基因組關(guān)聯(lián)分析,連鎖分析,遺傳表現(xiàn),流行病學(xué),群體遺傳學(xué)中都有重要的作用。大部分生物,包括人類都是二倍體,常規(guī)的新一代測序技術(shù)只能獲得兩條單體型復(fù)合得到的基因型序列信息,而每條染色體上各自的序列信息(又稱為相型信息)無法被直接觀測。此外,將來自不同個體DNA混合測序的混合基因池設(shè)計(jì)方法,由于具有成本低廉等優(yōu)點(diǎn),也被廣泛應(yīng)用在全基因組關(guān)聯(lián)分析(GWAS)的第一階段中。因此,如何從不完全的基因型數(shù)據(jù),或是混合基因型數(shù)據(jù)中,重建個體的相型信息,推斷出群體中真實(shí)存在的單體型以及估計(jì)對應(yīng)的頻率,是基因組學(xué)研究中的基礎(chǔ)問題,已經(jīng)得到了廣泛關(guān)注。本文梳理了文獻(xiàn)中單體型分析的主要算法框架發(fā)展歷史,并且提出了基于壓縮感知的單體型頻率估計(jì)算法CSHAP以及用于分型的基于近似溯祖先驗(yàn)的廣義EM算法(GEM)。大量模擬研究表明,CSHAP算法在單體型頻率估計(jì)問題上有優(yōu)秀的表現(xiàn)和極高的計(jì)算效率。我們的算法支持個體設(shè)計(jì)和混合設(shè)計(jì),并且無論當(dāng)哈代-溫伯格平衡定律成立與否均可以給出穩(wěn)健估計(jì)。從模擬試驗(yàn)的表...

【文章頁數(shù)】：118 頁

【學(xué)位級別】：博士

【部分圖文】：

圖１．１?ＳＲＡ數(shù)據(jù)庫測序總量的增長??注：數(shù)據(jù)來源于?ＮＣＢＩ?（ｈｔｔｐｓ：／／ｔｒａｃｅ．ｎｃｂｉ．ｎｌｍ．ｎｉｈ．ｇｏｖ／Ｔｒａｃｅｓ／ｓｒａ／）

萬對喊基對（ｂａｓｅ?ｐａｉｒ，ｂｐ）和６０６條ＤＮＡ序列，隨后以每１８個月翻一番的速??度持續(xù)指數(shù)增長（Ｂｅｎｓｏｎ?ｅｔａｌ．，２００９），截止２０１９年２月，己經(jīng)收錄了超過３０００??億對ｂｐ和２億條ＤＮＡ序列。圖１．１展示了美國國家生物技術(shù)信息中心（ＮＣＢＩ）??中ＳＲＡ....

圖３．３混合池設(shè)計(jì)下，ＰｏｏｏＬ，?ＡＥＭ和ＣＳＨＡＰ算法對ＡＧＴ頻率估計(jì)的精度??注：ｒ代表樣本量（混合基因池的個數(shù)），ｎ代表池的容量（每個基因池內(nèi)的個體??數(shù)）

雜合位點(diǎn)數(shù)最高達(dá)到了?３７，并且各自的相型由Ｒｉｅｄｅｒ?ｅｔ?ａｌ．?（１９９９）中的Ｆｉｇｕｒｅ?２給??出。在假設(shè)ＨＷＥ成立的條件下，我們分別生成了：Ｔ?＝?５０，１００，２〇０，?５〇０，１０００，２０００??個體，并且測試了?３．３．１節(jié)中的所有方法，重復(fù)試驗(yàn)的平均精度....

圖４．３存在不同程度的缺失時(shí)，ＰＨＡＳＥ，?ｆａｓｔＰＨＡＳＥ，ＣＳＨＡＰ，?Ｓｈａｐｅ－ＩＴ和ＰＬ－ＥＭ算法對??ＡＧＴ頻率估計(jì)的精度??注：樣本量ｒ?＝?１００，缺失率ａ從５％到３０％不等

ＣＳＨＡＰ算法的各項(xiàng)誤差比ＰＨＡＳＥ還要低。這充分體現(xiàn)了?ＣＳＨＡＰ算法對于缺失??數(shù)據(jù)的穩(wěn)健性。??對于Ｇ６ＰＤ數(shù)據(jù)，不同算法的結(jié)果匯總于圖４．４�？梢�，當(dāng)數(shù)據(jù)存在缺失時(shí)，??ＰＬ－ＥＭ精度估計(jì)的表現(xiàn)較差。同時(shí)注意到Ｓｈａｐｅ－ＩＴ錯誤的估計(jì)了更多不存在的??單體型，導(dǎo)致了較高....

圖５．１隱馬爾可夫模型方法示意圖（Ｌｏ，?２０１１），??注：這個例子中，有ｇ?＝?４個位點(diǎn)上的ＪＶ?＝?４條模板單體型（藍(lán)圈）

第一條單體型是第２０個模板單體型；�。玻�，第二條單體型則是第１００個模板單體??型九１００。??圖５．１是隱馬爾可夫模型方法的一個示意圖，圖中有ｇ?＝?４個位點(diǎn)上的Ｎ?＝?４??條模板單體型，紅色箭頭代表隱藏的狀態(tài)轉(zhuǎn)移序列，虛線代表觀測到的基因型。??ｉ?ｉ?ｉ?ｉ??ｉ?ｉ?ｉ....

本文編號：3893831