基于多目標(biāo)蟻群優(yōu)化算法的全基因組關(guān)聯(lián)分析研究.pdf

1、全基因組關(guān)聯(lián)分析（Genome-Wide Association Studies，GWAS）的目的是在整個(gè)基因組范圍內(nèi)尋找與表型相關(guān)的易感基因位點(diǎn)變異。近年來(lái)，在全基因組關(guān)聯(lián)分析領(lǐng)域涌現(xiàn)了大量的基因及其交互作用檢測(cè)算法，盡管這些算法在領(lǐng)域內(nèi)取得了巨大的成功，但當(dāng)前依然存在著一些難題。、一方面，目前在全基因組關(guān)聯(lián)分析領(lǐng)域已經(jīng)提出的方法在不同的疾病模型上表現(xiàn)差異很大，這可能是因?yàn)楝F(xiàn)有研究方法都是基于單個(gè)模型建模而復(fù)雜疾病模型各異，所以通常單

2、目標(biāo)建模方法不能很好的擬合數(shù)據(jù)，會(huì)導(dǎo)致低精度，高假陽(yáng)性率等各種情況。另一方面，與真實(shí)全基因數(shù)據(jù)的高維特性相比，很多現(xiàn)有方法僅適用于低維度，不能拓展到高維數(shù)據(jù)上，這也限制了其的使用范圍。
　　本文提出構(gòu)建一個(gè)基于蟻群優(yōu)化的多目標(biāo)優(yōu)化算法。本文的創(chuàng)新性主要體現(xiàn)在以下兩方面：在全基因組關(guān)聯(lián)分析領(lǐng)域第一次提出了多目標(biāo)啟發(fā)式優(yōu)化方法，用以解決全基因組關(guān)聯(lián)分析的第一個(gè)難題。在算法中，本文結(jié)合了來(lái)自對(duì)立統(tǒng)計(jì)學(xué)派的邏輯斯蒂回歸和貝葉斯網(wǎng)絡(luò)模型，并