论文部分内容阅读
全基因组关联研究(genome-wide association study,GWAS)已经被认为是阐明复杂性状遗传关联机制的强有力工具。截止2014年10月底,全球的研究者们累计发现了与1,251种性状(疾病)相关的19,602个单核苷酸多态性(Single Nucleotide Polymorphism,SNP)位点,而具体到某一类性状,只有少数位点可以通过GWAS研究的多阶段严格验证,而这些位点仅能解释很小一部分的遗传变异。大量的研究表明,仅利用已经验证的关联位点进行遗传风险预测效果并不理想,其中的一个主要原因在于这些研究忽略了大量存在的、未被发掘的低效应位点,因此如何充分利用GWAS研究信息成为预测模型成败的关键。近来,主要有两类策略被提出,表现出较好的预测效果:一类是通过设定宽松的假设检验水准,以便纳入一些潜在的关联位点;另一类是借助于混合效应模型将全基因组所有常见变异位点纳入预测模型。本文针对上述两种策略,提出了s GRS和s GRS-LMM方法,旨在探讨其在复杂性状遗传风险预测中的表现。本研究的目的:一是通过与其它方法进行比较来评价s GRS和s GRS-LMM方法的预测准确度;二是探讨影响预测准确度的因素,用以指导预测研究。本研究利用模拟试验,比较BLUP、AM-BLUP、w GRS、RF、s GRS和s GRS-LMM六种方法在高维复杂结构遗传数据中的遗传预测表现,并将这些方法应用到中国人群非小细胞肺癌GWAS数据的遗传风险预测研究。研究内容包括模拟试验和实例分析两个方面:1.基于1号染色体的模拟数据:采用实例GWAS数据的1号染色体基因分型数据,通过设定不同的样本量、遗传度、风险位点个数以及疾病患病率等参数,模拟产生所需的连续性表型和二分类表型,然后应用六种方法进行预测分析。2.实例分析:利用中国汉族人群非小细胞肺癌GWAS数据,将南京研究数据作为训练集,用于建立六种方法的预测模型,北京研究数据作为测试集,用以评价各方法的预测准确度。研究的主要结果:1.模拟数据结果:在绝大多数参数组合情况下,s GRS和s GRS-LMM的预测准确度均优于其它方法;样本量、遗传度、预设风险位点个数以及疾病患病率均是影响各方法预测准确度的因素;连续性表型和二分类表型的结论基本相似。2.实例分析结果:s GRS和s GRS-LMM的预测准确度均优于其它方法,而且s GRS-LMM预测准确度最高,AUC值达到0.735,但与理论预测准确度相比还有一定差距。结论模拟试验和实例分析均表明sGRS和sGRS-LMM可以用于全基因组数据的遗传风险预测研究,总体表现优于同类方法。