生物信息中的統(tǒng)計模型及其仿真與應(yīng)用.pdf

1、本文主要介紹了生物統(tǒng)計中的部分統(tǒng)計模型，以及這些模型在生物信息中的相關(guān)應(yīng)用。對一種統(tǒng)計模型提出了兩種改進(jìn)方法。近年來，通過統(tǒng)計模型對生物信息進(jìn)行分析的方法越來越流行。本文主要研究如何確定疾病相關(guān)的變異位點的問題，通過統(tǒng)計模型來達(dá)到這一目的。
　　本文第一章是緒論，介紹了研究背景與研究意義，分析了國內(nèi)外的研究現(xiàn)狀。重點介紹了全基因組關(guān)聯(lián)分析研究的研究進(jìn)展。第二章對生物學(xué)基礎(chǔ)知識進(jìn)行了介紹，并對線性混合模型進(jìn)行了詳細(xì)講解，為第三章做鋪

2、墊。第三章對線性混合模型進(jìn)行的仿真。將最基本的線性混合模型進(jìn)行擴(kuò)展，以使得擴(kuò)展后的線性混合模型可以在各種實際情形下得以應(yīng)用。同時對這些應(yīng)用進(jìn)行了實驗仿真，驗證了模型的可行性。
　　第四章提出對整合模型的改進(jìn)。整合模型建立在每個變異位點的 p值數(shù)據(jù)基礎(chǔ)之上，同時利用附加信息，對模型參數(shù)進(jìn)行求解。這些 p值是通過前面所提到的線性模型做回歸所得到的。本文改進(jìn)了原有的整合模型，將GWAS數(shù)據(jù)信息與附加信息之間的關(guān)聯(lián)性考慮進(jìn)模型中，通過它們

3、之間的關(guān)聯(lián)性來更好的估計模型中的參數(shù)。本文使用 EM算法對模型進(jìn)行參數(shù)求解，通過仿真驗證了模型的合理性。
　　針對改進(jìn)后的模型在處理高密度附加信息上的缺點，第五章提出可擴(kuò)展的整合模型來解決此問題。擴(kuò)展后的模型可以利用大量的附加信息來對模型參數(shù)進(jìn)行估計，進(jìn)而通過顯著性水平指標(biāo)來篩選出重要的突變位點。
　　通過仿真實驗，改進(jìn)的整合模型和可擴(kuò)展的整合模型均可以將FDR指標(biāo)控制在預(yù)設(shè)的值，AUC和統(tǒng)計功效等指標(biāo)的表現(xiàn)均優(yōu)良。將模型應(yīng)