罕见遗传变异关联性分析的统计方法研究

项目名称： 罕见遗传变异关联性分析的统计方法研究

项目编号： No.81402765

项目类型： 青年科学基金项目

立项/批准年度： 2014

项目学科： 医药、卫生

项目作者： 曾平

作者单位： 徐州医学院

项目金额： 23万元

中文摘要： 随着下一代测序技术的发展和应用，越来越多的证据表明罕见变异与复杂疾病密切相关，发展合适的罕见变异关联性分析方法成为现阶段研究热点。负荷检验和SKAT是现有的两种主要方法；然而，前者假设条件过强统计效能低，后者无法量化罕见变异与疾病的效应。本研究借助混合效应模型，提出在核机器学习框架下进行罕见变异关联性分析的设想，通过representer定理和贝叶斯观点，将关联性分析转化为随机效应方差成分的假设检验，并导出似然比和限制性似然比核机器学习方法，同时完善相应统计理论；通过核函数分析罕见变异与疾病之间的复杂关系，利用方差成分量化罕见变异效应。在此基础上，还将整合常见和罕见变异及其交互作用，以提高复杂疾病遗传关联分析的统计功效。本项目将通过实际数据和数值模拟评价新提出的方法，并与负荷检验和SKAT对比。本研究将发展高效新颖的罕见变异关联性分析方法，为深入理解疾病遗传基础和解释遗传缺失提供统计工具。

中文关键词： 罕见变异；测序数据；似然比检验；机器学习；全基因关联性研究

英文摘要： With advances and applications of next-generation sequencing technologies, there is increasing evidence that shows rare variants also play very important roles in many complex diseases and disorders. Developing appropriate statistical association approach

英文关键词： Rare variants；Sequencing data；Likelihood ratio test；Machine learning；Genome-wide association study