关联分析中的统计方法研究：基因模子选择及稳健检验.pdfVIP

摘 要 摘 要 关联分析是寻找人类疾病易感基因的主要工具，常用的数据采集方法有病 例对照设计、匹配病例对照设计和家系设计。关联分析的一个关键问题是在各 种设计下如何提高统计检验的功效。理想条件下，群体中的基因形态处于哈代一 温伯格平衡律所刻画的稳定平衡态。对平衡态的偏离，即哈代．温伯格不平衡 态，蕴含了变异或与疾病的关联。特别地，等位基因相互作用机制即基因模型的 信息可以由偏离哈代．温伯格不平衡律的模式来决定。本论文研究在不同的设 计下，如何利用偏离哈代．温伯格平衡律的信息估计基因模型，并由此得到各种 稳健和有效的检验方法。 关联分析中常用的统计检验方法有两类：一类为不考虑基因模型的卡方 检验(比如Pearson卡方检验)方法；另一类为考虑基因模型的趋势检验(如 Cochran-A啪itage趋势检验)方法。前者不依赖于基因模型指定，因而比较稳健， 但由于忽略了基因模型，其检验功效可能会有部分损失；后者是针对特定的基因 模型而设计的检验，在基因模型指定正确的条件下具有最大的功效。但是，由于 对复杂疾病的认识有限，在实际应用中真正的基因模型通常无法精确确定，所以 在这种情况下使用错误基因模型所对应的趋势检验