基于贝叶斯统计遗传连锁分析方法.pdfVIP

基于贝叶斯统计的遗传连锁分析方法 汤在祥徐辰武 (扬州大学数量遗传研究室。江苏扬州225009) 摘要统计分析在遗传学研究领域有着广泛的应用。然而，大多数的研究人员都使用经典 的统计分析方法，包括：假设检测、参数的点估计和区间估计等。这些经典方法在多数情况 是十分有效的。然而，近年来贝叶斯统计以其鲜明的特点和独到的分析方法，已逐渐引起了 斯方法能够很好实现。对侧重于统计应用的研究者来说，它能为一些问题提供更直接的解决 方法并可将先验信息综合其中；同时，贝叶斯方法对结果的解释更加直观。特别是在复杂的 遗传学问题或者经典的统计方法无法解决的问题上，贝叶斯统计已得到迅速发展，并日益得 到遗传学家的广泛应用。 遗传图谱在遗传学的诸多领域，如QTL分析，图位克隆方面起着重要作用。而图谱的 构建有赖于基因座位问的遗传重组率或遗传距离的估计，这是遗传学研究中的经典问题，也 是基因组分析的基础。本文从简单的两点和三点分析出发，探讨了贝叶斯理论和MCMC模 型在连锁分析和遗传图谱构建方面的应用。 在本文两个位点的连锁分析中，如何选取合适的先验分布是一个重要问题，因为先验的 选取对后验分布影响很大。而选取p分布作为遗传重组率分布的先验分布，这是因为两个位 点的遗传重组率的参数，．在以往的诸多研究中很容易获得，如果现在获得了一个观察数据， 要得到基于这个观察数据的重组率，它显然有一个客观、合理的先验分布，就是一个p分布。 选取这样的分布符合贝叶斯先验分布选取的基本原则，同时Gelman等人也建议使用户分布 作为遗传重组率分布的先验分布。导出，．的先验分布后就可获得其后验分布，采用Gibbs抽 样方法在其后验分布中抽取大量样本，并进行统计分析，这样即可得到遗传重组率的后验平 均值和标准差。 然而，构建连锁图谱首先需要测验两个标记或基囚位点是否在同一连锁群上。因此，对 于上面获得的遗传重组率需要进行假设检验。这里可以求得相应贝叶斯因子，作为两个标记 或基因位点连锁与否的判别标准。由此，推广到多个位点情况，就可以确定一个连锁群。 确定连锁群后，需要对连锁群上所有位点进行排序。本文以简单的三个位点情况进行分 析。以p分布作为遗传重组率分布的先验分布，在约束符合系数在0到l的情况下，采用基 最可能的排序，并计算各位点间的遗传距离，从而构建相应的遗传图谱。 本文虽然只是研究了两点和三点的情况，但这完全可以推广到一个连锁群的情况，实现 基于贝叶斯统计的遗传连锁图谱的构建。为说明该方法的有效性和实用性，我们编制了相应 的SAS程序，将模拟研究和实例分析的结果与极大似然法进行了比较，结果表明贝叶斯方 法显然是有效而实用的。 关键词 贝叶斯统计：遗传重组率；Gibbs抽样；MCMC；先验分布；后验分布 通讯作者；徐辰武(1965·)，教授．E-mail：qtls@yzu．cdu．en；Tel．：0514-7979358． 9