SNP数据仿真及关联分析算法的比较

论文摘要

单核苷酸多态性（Single Nucleotide Polymorphism）是指在基因组水平上由单个核苷酸的变异引起的一种DNA序列多态性，它改变了基因原来的结构和连锁率，增加了个体的患病率。目前已有很多检测SNP与复杂疾病关联关系的算法，但缺少大量的具有先验知识的SNP数据来验证这些检测算法的有效性。本文在了解SNP真实数据的MAF和LD特性的基础上，建立了一个SNP数据仿真系统，该系统仿真的SNP数据具有MAF（Minor Allele Frequency）和LD（Linkage Disequilibrium）信息，且人为的嵌入了已知的疾病模型以供关联分析算法来查找，本文从三方面通过八组实验数据对SNP仿真数据进行了有效性验证，包括互信息验证、经典关联分析算法MDR验证和haploview软件验证；除了构建SNP数据仿真系统，本文还对几种经典的关联性分析算法的性能进行了简单的比较，有BOOST算法，AntEpiSeeker算法，SNPRuler算法，这些算法性能的比较是基于上述仿真系统产生的七组SNP仿真数据，通过三组实验阐述了产生SNP仿真数据时三个重要参数对算法性能的影响，给出了三种算法的性能比较。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 SNP 背景知识的介绍
• 1.1.1 SNP 概念
• 1.1.2 SNP 数据特点
• 1.1.3 SNP 的研究意义
• 1.2 本文的主要工作
• 1.3 本文的结构
• 第二章 典型 SNP 仿真算法的介绍与比较
• 2.1 典型仿真算法简介
• 2.1.1 后向（溯祖）仿真算法
• 2.1.2 前向仿真算法
• 2.1.3 重采样仿真算法
• 2.1.4 三种仿真算法的比较与总结
• 2.2 仿真数据类型简介
• 2.2.1 Family-based dataset
• 2.2.2 Case-control dataset
• 2.3 本章小结
• 第三章 SNP 数据仿真系统
• 3.1 要仿真的信息：MAF 和 LD
• 3.1.1 次等位基因频率（Minor allele frequency）
• 3.1.2 连锁不平衡性（Linkage disequilibrium）
• 3.2 疾病模型简介
• 3.2.1 单位点疾病模型
• 3.2.2 多位点疾病模型
• 3.2.3 模型之间的关系
• 3.3 SNP 数据仿真系统的实现
• 3.4 本章小结
• 第四章 SNP 仿真数据有效性验证
• 4.1 仿真数据集的介绍
• 4.1.1 嵌入的致病模型
• 4.2 互信息验证
• 4.2.1 互信息的概念
• 4.2.2 实验数据
• 4.2.3 互信息验证算法应用于仿真数据的实验结果
• 4.2.4 本节小结
• 4.3 MDR 算法对仿真数据的验证
• 4.3.1 MDR 算法简介
• 4.3.2 MDR 在真实数据上的查找结果
• 4.3.3 实验数据
• 4.3.4 MDR 算法应用于仿真数据的实验结果
• 4.3.5 本节小结
• 4.4 Haploview 验证 LD 信息
• 4.4.1 Haploview 软件介绍
• 4.4.2 实验数据
• 4.4.3 Haploview 应用于仿真数据的实验结果
• 4.4.4 本节小结
• 4.5 本章小结
• 第五章 关联分析算法性能比较
• 5.1 关联分析算法介绍
• 5.1.1 AntEpiSeeker[27]关联性分析算法
• 5.1.2 BOOST[28]关联性分析算法
• 5.1.3 SNPRuler[29]关联性分析算法
• 5.2 性能评价准则标准
• 5.2.1 几种性能评价标准
• 5.3 实验与结果
• 5.3.1 实验数据
• 5.3.2 Marginal Effect Size 对关联分析算法性能的影响
• 5.3.3 Population Prevalence 对关联分析算法性能的影响
• 5.3.4 样本量对关联分析算法性能的影响
• 5.4 本章小结
• 第六章 总结与展望
• 致谢
• 参考文献