【摘要】：傳統(tǒng)基于單位點的全基因組關聯(lián)研究存在重復性低、難以解釋性等缺陷,而采用基于機器學習的上位性分析中面臨計算復雜度高、預測準確度不足等問題.本文提出一種分析全基因組上位性的新方法,該方法采用二階段框架的上位性分析方法,它包含特征過濾階段以及上位性組合優(yōu)化階段,在特征過濾階段提出了多準則融合策略,從多個不同角度評價遺傳變異位點,以保證易感的弱效位點能被保留,然后采用多準測排序融合策略剔除與疾病狀態(tài)關聯(lián)程度低的遺傳變異,進一步在上位性組合優(yōu)化階段采用貪婪算法啟發(fā)式地搜索組合空間,以降低時間復雜度,最后采用支持向量機作為上位性評價模型.實驗中采用不同的連鎖不平衡參數與經典算法SNPruler與ACO的性能進行對比,實驗結果表明:本文方法能有效保留弱效位點,一定程度上提高了疾病預測的正確度.
[Abstract]:The traditional genome association research based on unit points has some shortcomings such as low repeatability and difficult to explain. However, the epistatic analysis based on machine learning is faced with the problems of high computational complexity and low prediction accuracy. In this paper, a new method is proposed to analyze the epistasis of the whole genome. This method uses the two-stage framework of epistasis analysis, which includes the stage of feature filtering and the phase of epistatic combination optimization. In the stage of feature filtering, a multi-criteria fusion strategy is proposed to evaluate the genetic variation sites from different angles to ensure that the susceptible weak sites can be preserved. Then the multi-quasi-test ranking fusion strategy is adopted to eliminate the genetic variation with low correlation with disease state, and then the greedy algorithm is used to heuristically search the combination space in the stage of epistatic combinatorial optimization, so as to reduce the time complexity. Finally, support vector machine is used as the epistatic evaluation model. In the experiment, different linkage disequilibrium parameters are compared with the performance of the classical algorithms SNPruler and ACO. The experimental results show that the proposed method can preserve the weak sites effectively and improve the accuracy of disease prediction to a certain extent.
【作者單位】： 湖南大學信息科學與工程學院;湖南工學院計算機科學與信息學院;
【基金】：國家自然科學基金資助項目(61672223) 湖南省自然科學基金資助項目(2016JJ4029)~~
【分類號】：Q811.4;TP18

【相似文獻】

相關期刊論文 前10條

1 余四斌,李建雄,徐才國,談移芳,高友軍,李香花,張啟發(fā),M.A.SaghaiMaroof;上位性效應是水稻雜種優(yōu)勢的重要遺傳基礎[J];中國科學C輯:生命科學;1998年04期

2 廖春燕,吳平,易可可,胡彬,倪俊健;不同遺傳背景及環(huán)境中水稻(Oryza sativa L.)穗長的QTLs和上位性分析[J];遺傳學報;2000年07期

3 鄭康樂,莊杰云,樊葉楊,吳建利;雜交水稻產量性狀的上位性效應及雜合性與雜種優(yōu)勢的相關性[J];云南大學學報(自然科學版);1999年S3期

4 曹鋼強,朱軍,何慈信,高用明,吳平;水稻穗長上位性效應和QE互作效應的QTL遺傳研究(英文)[J];浙江大學學報(農業(yè)與生命科學版);2001年01期

5 曹鋼強,朱軍,何慈信,高用明,吳平;水稻株高上位性效應和QE互作效應的QTL遺傳研究(英文)[J];遺傳學報;2001年02期

6 任德勇;何光華;凌英華;桑賢春;楊正林;趙芳明;;基于單片段代換系的水稻穗長QTL加性及其上位性效應[J];植物學報;2010年06期

7 陳劍;鄭維敏;王永縣;;基因(有效因子)模型及其辨識[J];生物工程學報;1990年04期

8 余四斌,李建雄,徐才國,談移芳,高友軍,李香花,張啟發(fā);水稻株高和抽穗期的QTL定位及其上位性效應分析[J];遺傳;1998年S1期

9 程君奇;吳建國;石春海;朱軍;;三倍體胚乳性狀遺傳模型的上位性分析(英文)[J];浙江大學學報(農業(yè)與生命科學版);2007年01期

10 王偉;葉志云;鄭景生;黃育民;黃榮裕;王侯聰;江良榮;;稻米粒形的QTL定位及上位性和QE互作分析(英文)[J];西北植物學報;2010年07期

相關會議論文 前1條

1 江良榮;鄭景生;黃育民;王偉;黃建勛;王侯聰;;水稻粒形性狀的上位性和QE互作效應分析[A];全國植物分子育種研討會摘要集[C];2009年

相關博士學位論文 前9條

1 何小紅;應用遺傳交配設計檢測數量性狀上位性QTL方法的研究[D];南京農業(yè)大學;2010年

2 朱智宏;遺傳分析方法和軟件開發(fā)及其應用[D];浙江大學;2012年

3 高用明;復雜上位性及其與環(huán)境互作的QTL定位方法和雜種優(yōu)勢預測研究[D];浙江大學;2002年

4 任光俊;水稻重要性狀的遺傳基礎分析[D];四川農業(yè)大學;2001年

5 沈圣泉;水稻（Oryza sativa L.）若干重要性狀的QTL主效應、上位性效應及GE互作效應分析[D];浙江大學;2004年

6 楊劍;復雜性狀遺傳分析方法研究及其軟件開發(fā)[D];浙江大學;2008年

7 興旺;干旱脅迫下粳稻產量及相關性狀的QTL定位及互作研究[D];東北農業(yè)大學;2014年

8 邢永忠;用分子標記剖析水稻重要農藝性狀的遺傳基礎[D];華中農業(yè)大學;1999年

9 陳偉;用分子標記剖析油菜重要農藝性狀的遺傳基礎[D];華中農業(yè)大學;2008年

相關碩士學位論文 前10條

1 李珊珊;QTL與環(huán)境互作的完備區(qū)間作圖方法研究[D];中國農業(yè)科學院;2015年

2 余塵;基于E-bayes的胚乳性狀QTL上位性的研究[D];福建農林大學;2015年

3 周智慧;全基因組關聯(lián)分析中上位性識別算法的研究及其并行化設計[D];吉林大學;2015年

4 程君奇;三倍體胚乳性狀遺傳模型的上位性分析[D];浙江大學;2006年

5 劉艷蘭;全基因組關聯(lián)研究中的上位性檢測算法研究[D];湖南大學;2012年

6 杜月;巢式關聯(lián)分析新方法及其應用[D];南京農業(yè)大學;2012年

7 萬素琴;F_（2：3）設計多QTL定位新方法研究[D];南京農業(yè)大學;2008年

8 江寶月;水稻抗UV-B的QTLs效應、上位性效應及其與環(huán)境互作效應分析[D];福建農林大學;2007年

9 楊蓋宇;近等基因系群體的Ghd7和Qph1上位性分析[D];華中農業(yè)大學;2010年

10 張秋;普通小麥遺傳圖譜構建及重要農藝性狀的QTL定位[D];山東農業(yè)大學;2012年

，

本文編號：2247126