贝叶斯网潜变量模型在抑郁患者单核苷酸多态性(SNPs)研究中的应用

摘要：

目的 采用基于贝叶斯(Bayesian)网络的潜类模型进行高维度SNPs数据的分析,为复杂性状疾病遗传以及基因定位等方面的研究提供新的方法支持.方法 采用Bayesian网络潜类模型对一组抑郁障碍性疾病的单核苷酸多态性SNPs检测数据进行分析,每个研究对象分别测量7个SNP,一共检测了801个个体.结果 按照累计信息贡献率达到95％的原则,应用贝叶斯网络潜变量模型选出rs11568817和rs130058两个SNPs位点将研究对象分为2个潜在类别,各类别的概率分别为0.216和0.784,其中一类倾向于杂合子,一类倾向于纯合子.结论 两个类别人群不同特征正是由于分类和解释两个类别的SNPs造成的,从而为进一步的研究SNPs是否为可疑致病位点提供依据.

关键词：贝叶斯网、潜变量模型、单核苷酸多态性

所属期刊栏目：29

分类号：R19;R74

资助基金：国家自然科学基金资助项目31071156,30972553

在线出版日期：2013-01-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：673-676