本文關鍵詞：基于全基因組關聯(lián)研究的復雜性狀遺傳風險預測研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：全基因組關聯(lián)研究(genome-wide association study,GWAS)已經被認為是闡明復雜性狀遺傳關聯(lián)機制的強有力工具。截止2014年10月底,全球的研究者們累計發(fā)現(xiàn)了與1,251種性狀(疾病)相關的19,602個單核苷酸多態(tài)性(Single Nucleotide Polymorphism,SNP)位點,而具體到某一類性狀,只有少數位點可以通過GWAS研究的多階段嚴格驗證,而這些位點僅能解釋很小一部分的遺傳變異。大量的研究表明,僅利用已經驗證的關聯(lián)位點進行遺傳風險預測效果并不理想,其中的一個主要原因在于這些研究忽略了大量存在的、未被發(fā)掘的低效應位點,因此如何充分利用GWAS研究信息成為預測模型成敗的關鍵。近來,主要有兩類策略被提出,表現(xiàn)出較好的預測效果:一類是通過設定寬松的假設檢驗水準,以便納入一些潛在的關聯(lián)位點;另一類是借助于混合效應模型將全基因組所有常見變異位點納入預測模型。本文針對上述兩種策略,提出了s GRS和s GRS-LMM方法,旨在探討其在復雜性狀遺傳風險預測中的表現(xiàn)。本研究的目的:一是通過與其它方法進行比較來評價s GRS和s GRS-LMM方法的預測準確度;二是探討影響預測準確度的因素,用以指導預測研究。本研究利用模擬試驗,比較BLUP、AM-BLUP、w GRS、RF、s GRS和s GRS-LMM六種方法在高維復雜結構遺傳數據中的遺傳預測表現(xiàn),并將這些方法應用到中國人群非小細胞肺癌GWAS數據的遺傳風險預測研究。研究內容包括模擬試驗和實例分析兩個方面:1.基于1號染色體的模擬數據:采用實例GWAS數據的1號染色體基因分型數據,通過設定不同的樣本量、遺傳度、風險位點個數以及疾病患病率等參數,模擬產生所需的連續(xù)性表型和二分類表型,然后應用六種方法進行預測分析。2.實例分析:利用中國漢族人群非小細胞肺癌GWAS數據,將南京研究數據作為訓練集,用于建立六種方法的預測模型,北京研究數據作為測試集,用以評價各方法的預測準確度。研究的主要結果:1.模擬數據結果:在絕大多數參數組合情況下,s GRS和s GRS-LMM的預測準確度均優(yōu)于其它方法;樣本量、遺傳度、預設風險位點個數以及疾病患病率均是影響各方法預測準確度的因素;連續(xù)性表型和二分類表型的結論基本相似。2.實例分析結果:s GRS和s GRS-LMM的預測準確度均優(yōu)于其它方法,而且s GRS-LMM預測準確度最高,AUC值達到0.735,但與理論預測準確度相比還有一定差距。結論模擬試驗和實例分析均表明sGRS和sGRS-LMM可以用于全基因組數據的遺傳風險預測研究,總體表現(xiàn)優(yōu)于同類方法。
【關鍵詞】：全基因組關聯(lián)研究 遺傳風險預測 遺傳風險得分 混合效應模型 非小細胞肺癌
【學位授予單位】：南京醫(yī)科大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：R394;R734.2
【目錄】：

• 中文摘要7-9
• Abstract9-11
• 1 前言11-13
• 2 背景方法介紹13-21
• 2.1 風險預測評價指標13
• 2.2 遺傳方差與遺傳度估計13-18
• 2.3 遺傳風險預測方法18-20
• 2.4 統(tǒng)計軟件20-21
• 3 模擬試驗21-39
• 3.1 模擬試驗目的21
• 3.2 模擬試驗設計21-23
• 3.3 模擬試驗結果23-39
• 3.3.1 連續(xù)性表型23-31
• 3.3.2 二分類表型31-39
• 4 實例分析—非小細胞肺癌39-44
• 4.1 資料來源39
• 4.2 研究對象39
• 4.3 基因分型與質量控制39-40
• 4.4 遺傳方差分析40
• 4.5 風險預測策略與結果40-42
• 4.6 實例討論42-44
• 5 討論44-47
• 5.1 關于復雜疾病的遺傳風險研究44
• 5.2 遺傳風險預測方法評價44-46
• 5.3 遺傳方差與遺傳度估計46-47
• 6 總結47-50
• 6.1 研究結論47
• 6.2 研究特點47-48
• 6.3 研究局限48-49
• 6.4 研究展望49-50
• 參考文獻50-54
• 綜述目錄54-55
• 文獻綜述55-72
• 參考文獻69-72
• 攻讀碩士學位期間發(fā)表論文情況72-73
• 致謝73-74

【相似文獻】

中國期刊全文數據庫 前10條

1 鄭興華,嚴明良,周曾奎,唐勇,吳震,馮民學;洪水風險預測業(yè)務系統(tǒng)[J];氣象;1999年12期

2 王t@;李巧萍;;國際減災術語(2009年版)[J];防災博覽;2010年02期

3 黃銳;;基于神經網絡與灰色系統(tǒng)模型的巨項目風險預測[J];價值工程;2012年03期

4 趙耀文;基于專家經驗神經網絡的高技術投資風險預測和評價方法研究[J];技術經濟;2002年07期

5 胥悅紅,劉嘉X;馬氏鏈在國際工程投標風險預測中的應用[J];華僑大學學報(自然科學版);1999年04期

6 陳峗;聶波;;高速公路經營主體行為風險預測[J];工業(yè)技術經濟;2005年09期

7 李艷;吳介軍;寇曉東;韓志兵;;基于PCA-RBF網絡的高校保密項目風險預測[J];科技管理研究;2011年05期

8 吳皓;秦新東;黃亞;;炮兵武器裝備全壽命周期風險預測研究[J];科技情報開發(fā)與經濟;2009年04期

9 王珂;邵宏成;;基于VAR理論的ARMA(1,1)—GARCH(1,1)法的股指期貨的風險預測[J];商場現(xiàn)代化;2009年15期

10 胡勝;任高飛;;淺述信用風險附加模型與信貸組合模型[J];山東紡織經濟;2011年05期

中國重要會議論文全文數據庫 前3條

1 郜燁;董國麗;張潔;郜華萍;胡學偉;史建武;;黃磷生產危險因子及環(huán)境風險預測[A];第十六屆中國科協(xié)年會——分3環(huán)境污染及職業(yè)暴露與人類癌癥學術研討會論文集[C];2014年

2 周焯華;艾林;張宗益;;基于專家規(guī)則的遺傳算法對商業(yè)銀行操作風險預測[A];中國優(yōu)選法統(tǒng)籌法與經濟數學研究會第七屆全國會員代表大會暨第七屆中國管理科學學術年會論文集[C];2005年

3 朱玉梅;胡佳哲;劉小立;周繼昌;;高敏C-反應蛋白在預防醫(yī)學中的應用價值[A];2012深圳市預防醫(yī)學會學術研討會論文匯編[C];2012年

中國重要報紙全文數據庫 前10條

1 朱虎、李培楊、靳建坤 李林、楊帆 特約記者 陳桂峰;依據法規(guī)管 盯著弱項抓[N];人民武警;2009年

2 鄭軒;海西推行社會穩(wěn)定風險預測評估制度[N];青海日報;2007年

3 邵云　李永剛 倉p

本文編號：268874