基于廣義主成分分析的全基因組生物檢測(cè)模型研究.pdf

1、廣義主成分分析(Generalized principal component analysis，GPCA)是以主成分分析(Principal component analysis，PCA)為基礎(chǔ)發(fā)展起來(lái)的，其思想與主成分分析相同，是用較少的指標(biāo)代替多的指標(biāo)來(lái)反映原來(lái)指標(biāo)的信息.例如，有n個(gè)樣品，每個(gè)樣品測(cè)得p個(gè)指標(biāo)，共有np個(gè)數(shù)據(jù).由于指標(biāo)之間往往互有影響，從p個(gè)指標(biāo)中找出幾個(gè)綜合指標(biāo)并對(duì)其進(jìn)行分析，這樣就可以使用小于p個(gè)指標(biāo)去計(jì)算，

2、卻能得到p個(gè)指標(biāo)計(jì)算出來(lái)的結(jié)果.
　　從海量的單核苷酸多態(tài)性(Single nucleotide polymorphisms，SNPs)中，挑選出與疾病或某些臨床、環(huán)境因素有關(guān)的位點(diǎn)，仍是全基因組關(guān)聯(lián)分析中(Genomewide association study,GWAS)的一個(gè)重要的課題，本文針對(duì)表型-SNP構(gòu)成的二維列聯(lián)表結(jié)構(gòu)，提出了一個(gè)GPCA模型，該模型是同時(shí)對(duì)所有SNPs建立的.具體就是對(duì)該模型的矩陣作奇異值分解(Si