全基因组关联研究中的多水平模型

发布时间：2022-04-23 14:58

　　随着分子生物学检测技术的不断进步,全基因组关联研究已经成为复杂性疾病遗传致病机制研究最重要的研究手段之一。近年来发表的大量GWAS结果,揭示了与人类各种复杂性疾病或性状相关的大量基因组区域或易感基因,为进一步揭示其发病机制奠定了基础。然而,全基因组关联研究也面临着一系列的挑战,尤其是当前以单个位点分析为主的GWAS统计分析策略存在诸多的局限性。如何充分利用各种与疾病相关的生物学信息,挖掘GWAS高维数据中所蕴藏的信息,探索出一套统计分析策略和方法,已成为完善和发展现有GWAS研究策略的一个统计学难题。为此,本研究通过计算机模拟,从统计学性质的角度,系统地评价了利用先验信息的多水平模型在病例对照设计GWAS中的应用效果；并结GWAS实际资料,从实际应用的角度,探讨了多水平模型分析GWAS资料的策略和方法。第一部分,基于不同参数的二项分布先验信息以及实际GWAS数据的生物学先验信息设计了2个模拟试验,评价不同先验信息对多水平模型应用效果的影响,主要结论如下：（1）在GWAS常采用的1E-5或者1E-7检验水准时,当位点与疾病的关联强度较弱时（OR=1.1）,多水平模型的检验效能接近或略高于... 

【文章页数】：179 页

【学位级别】：博士

【文章目录】：
缩略词表
中文摘要
Abstract
前言
第一部分 生物学先验信息
    1.1 研究目的
    1.2 研究思路
    1.3 模拟试验
    1.4 研究小结
第二部分 敏感性分析
    2.1 研究目的
    2.2 研究思路
    2.3 模拟试验
    2.5 研究小结
第三部分 实例研究
    3.1 研究目的
    3.2 研究思路
    3.3 实例分析
    3.4 研究小结
第四部分 研究总结
    4.1 主要研究内容和结论
    4.2 讨论
    4.3 本研究特色
    4.4 需进一步研究的内容
参考文献
文献综述
    参考文献
攻读学位期间发表文章情况
致谢


【参考文献】：
期刊论文
[1]Genome-wide analysis of runs of homozygosity identifies new susceptibility regions of lung cancer in Han Chinese[J]. Cheng Wang,Zhengfeng Xu,Guangfu Jin,Zhibin Hu,Juncheng Dai,Hongxia Ma,Yue Jiang,Lingmin Hu,Minjie Chu,Songyu Cao,Hongbing Shen.  The Journal of Biomedical Research. 2013(03)



本文编号：3647412