背景隨著高通量測序技術(shù)的快速發(fā)展,產(chǎn)生了大量外顯子測序（whole exome sequencing,WES）和全基因組測序（whole genome sequencing,WGS）數(shù)據(jù),為研究者們探索與復(fù)雜疾病/性狀關(guān)聯(lián)的常見變異（common variance,CV）或稀有變異（rare variance,RV）提供了更多機會。但面對快速涌現(xiàn)的遺傳數(shù)據(jù),雖然已有很多遺傳關(guān)聯(lián)研究的方法被提出,但由于檢驗功效的缺乏,從海量變異中發(fā)現(xiàn)與復(fù)雜疾病關(guān)聯(lián)的致病變異依然是有限的,統(tǒng)計方法依然面臨巨大挑戰(zhàn)。近年來有研究者提出,提高遺傳變異檢驗效能的一種方法是將SNPs（Single Nucleotide Polymorphisms）的生物學(xué)信息以先驗形式結(jié)合到統(tǒng)計模型中并用于遺傳關(guān)聯(lián)研究中。而且,隨著生物信息學(xué)技術(shù)的發(fā)展,大量公共生物信息功能數(shù)據(jù)庫的出現(xiàn),為遺傳變異提供了多種生物信息先驗。因此,本研究鑒于目前遺傳關(guān)聯(lián)研究效能低的問題,將生物信息先驗評分結(jié)合到貝葉斯壓縮模型來識別SNPs,并應(yīng)用于遺傳關(guān)聯(lián)研究中,與常規(guī)統(tǒng)計方法比較,為提高復(fù)雜疾病關(guān)聯(lián)SNPs的發(fā)現(xiàn)率提供方法學(xué)支持。方法本研究采用結(jié)合... 

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【文章目錄】：
縮略詞中英文對照表
摘要
abstract
第一章 前言
第二章 模型原理與方法
    2.1 廣義線性模型
    2.2 貝葉斯壓縮模型
        2.2.1 模型原理
        2.2.2 模型擬合和算法
    2.3 生物信息數(shù)據(jù)庫
        2.3.1 PolyPhen-2 數(shù)據(jù)庫
        2.3.2 SIFT數(shù)據(jù)庫
        2.3.3 RegulomeDB數(shù)據(jù)庫
        2.3.4 CADD數(shù)據(jù)庫
第三章 實例研究
    3.1 GAW19 數(shù)據(jù)簡介
    3.2 GAW19 數(shù)據(jù)預(yù)處理
        3.2.1 連續(xù)型表型數(shù)據(jù)集
        3.2.2 二分類表型數(shù)據(jù)集
    3.3 生物信息先驗的評分檢索
    3.4 生物信息先驗的評分轉(zhuǎn)換
    3.5 研究策略
        3.5.1 統(tǒng)計分析策略
        3.5.2 方法評價指標(biāo)和分析結(jié)果判定
        3.5.3 壓縮參數(shù)設(shè)置和最優(yōu)壓縮范圍的確定
    3.6 統(tǒng)計軟件
第四章 結(jié)果
    4.1 連續(xù)型結(jié)局變量
        4.1.1 無壓縮參數(shù)
        4.1.2 固定壓縮參數(shù)
        4.1.3 變異特異性壓縮參數(shù)
    4.2 二分類結(jié)局變量
        4.2.1 無壓縮參數(shù)
        4.2.2 固定壓縮參數(shù)
        4.2.3 變異特異性壓縮參數(shù)
第五章 討論
第六章 結(jié)論
參考文獻
綜述 遺傳關(guān)聯(lián)研究中生物信息先驗的應(yīng)用現(xiàn)狀
    參考文獻
附錄
致謝
攻讀碩士學(xué)位期間發(fā)表的文章



本文編號：3654250