决策树膜型在冠心病全基因组关联的研究中的应用.pdfVIP

目录 中文摘要……………………………………………………………………………．3 Abstract………………．…．．．．．．．．．．．…………………．．．．…………．………．．．．．．…………．．．4 l!；I言……．………．．．．．．………．．………．．．．．．．．．．……．…．．…．．．．．…………．…．．．．……．．．．5 1．1 问题背景…………………………………………………………………………．5 1．2 GWAS的设计与数据分析方法………………………………………………7 1．3 本论文的研究内容……………………………………………………………9 2决策树方法简介……………………………………………………………10 2．1 基本概念………………………………………………………………………。10 2．2 决策树的构建………………………………………………………………。12 2．3 决策树的剪枝…………………………………………………………………．14 2．4 决策树的评估…………………………………………………………………14 2．5 常用决策树算法……………………………………………………………。15 3 实证分析…………………………………………………………………………．17 3．1 初筛自变量……………………………………………………………………。17 3．2 建立决策树模型………………………………………………………………20 3．3 随机二次抽样…………………………………………………………………。25 3．4 结果比较……………………………………………………………………。26 4总结和讨论………………………………………………………………………．28 参考文献………………………………………………………………………………30 致{射……………………………………………………………………………………………．33 附录……………………………………………………………………………………………．34 万方数据 中文摘要 冠心病是一类由遗传与环境因素相互作用引起的复杂疾病，是世界范围内死 亡和致残的一个重要原因。对冠心病的全基因组关联研究是近年来的研究热点。 以往的冠心病全基因组关联研究大多采用一些经典的统计方法。然而，由于 全基因组数据量大，自变量远多于观测数，使得经典方法往往不适用。 本文分析的是来源于WTCCC的冠心病数据，包含了4864名被试者的 393474个基因位点的信息和被试者是否患病的O．1变量。其中有1926例冠心病 病例和2938名对照，冠心病病例占总观测40％左右。每个位点有三种单核甘酸 形态，为无序属性变量。采用决策树方法来分析这批数据对冠心病GWAS的两 类问题，一是寻找与冠心病相关联的易感位点，二是预测是否患病。决策树对于 这类问题的分析有不少的优点，它是一种非参数方法，所作的先验假设较少：易 于处理离散型的数据；自变量之间的相关对建模及预测的影响不大。我们查阅了 GWAS的有关文献，未找到使用决策树模型的文献。 针对wTCCC的冠心病数据，本文使用决策树模型挑选出了5个与冠心病相关 联的易感位点(自变量)，使用多种评估方法得到的准确率都稳定在74％左右， 这比已有文献报导的预测准确率要高。 关键词：决策树数据挖掘冠心病全基因组关联研究 万方数据 Abstract heart a is diseasethatcausedboth Coronaryartery disease(CAHD)is by comp