随机森林方法在致病SNPs检测中的应用.PDFVIP

第３４卷 第４期 世界科技研究与发展 Ｖｏｌ．３４ Ｎｏ．４ 　 　 ２０１２年８月 ６１３－６１６页 ＷＯＲＬＤＳＣＩＴＥＣＨＲ＆Ｄ Ａｕｇ．２０１２ ｐｐ．６１３－６１６ 随机森林方法在致病 ＳＮＰｓ检测中的应用 姚俊杰　骆嘉伟 （湖南大学信息科学与工程学院，长沙４１００８２） 摘　要：通过全基因组关联研究发现了大量复杂疾病相关变异，近来关注的焦点又集中在了如何利用单核苷酸多态性数据进行深 入分析，期待发现更多复杂疾病的易感基因。随机森林是一种新型的集成分类决策器，可以在对样本分类的同时，计算预测变量 的重要性值。该文将随机森林方法应用于全基因组数据，实验结果表明该方法可以作为致病ＳＮＰｓ检测的有效参考方法。 关键词：随机森林；ｒａｎｄｏｍｊｕｎｇｌｅ；单核苷酸多态性；全基因组关联研究 中图分类号：ＴＰ３９１　　　文献标识码：Ａ　　　 ＩｍｐｌｅｍｅｎｔａｔｉｏｎｏｆＲａｎｄｏｍＦｏｒｅｓｔｓｆｏｒＣａｕｓａｌＳＮＰｓＤｅｔｅｃｔｉｏｎ  ＹＡＯＪｕｎｊｉｅ　ＬＵＯＪｉａｗｅｉ （ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＨｕｎａｎＵｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ４１００８２） Ａｂｓｔｒａｃｔ：Ｇｅｎｏｍｅｗｉｄｅａｓｓｏｃｉａｔｉｏｎｓｔｕｄｉｅｓ（ＧＷＡＳ）ｈａｖｅｙｉｅｌｄｅｄａｎｕｎｐｒｅｃｅｄｅｎｔｅｄｎｕｍｂｅｒｏｆｃｏｍｐｌｅｘｄｉｓｅａｓｅｓａｓｓｏｃｉａｔｅｄｖａｒｉａｎｔｓ．Ｒｅ ｃｅｎｔｌｙ，ｓｃｉｅｎｔｉｓｔｓｈａｖｅｆｏｃｕｓｅｄｏｎｐｅｒｆｏｒｍｉｎｇｆｕｒｔｈｅｒａｎａｌｙｓｉｓｂｙｕｔｉｌｉｚｉｎｇｔｈｅｇｅｎｏｍｅ－ｗｉｄｅｇｅｎｏｔｙｐｉｎｇｄａｔａｔｏｉｄｅｎｔｉｆｙｍｏｒｅｓｕｓｃｅｐｔｉｂｉｌｉｔｙ ｇｅｎｅｓｏｆｃｏｍｐｌｅｘｄｉｓｅａｓｅｓ．ＲａｎｄｏｍＦｏｒｅｓｔｓｉｓａｃｏｍｂｉｎａｔｉｏｎｏｆｔｒｅｅｐｒｅｄｉｃｔｏｒｓ，ｖａｒｉａｂｌｅｉｍｐｏｒｔａｎｃｅｉｓｍｅａｓｕｒｅｄｗｈｅｎｔｈｅｆｏｒｅｓｔｇｒｏｗ．Ｗｅｕｓｅｄ ＲａｎｄｏｍＦｏｒｅｓｔｓｔｏａｎａｌｙｓｉｓｔｈｅＧＷＡｄａｔａｓｅｔ，ｔｈｅｒｅｓｕｌｔｓｈｏｗｎｔｈｅｖａｌｉｄｉｔｙｏｆｔｈｅｍｅｔｈｏｄｆｏｒｃａｕｓａｌＳＮＰｓｄｅｔｅｃｔｉｏｎ． Ｋｅｙｗｏｒｄｓ：ｒａｎｄｏｍｆｏｒｅｓｔｓ；ｒａｎｄｏｍｊｕｎｇｌｅ；ＳＮＰｓ；ＧＷＡＳ ［１３］ 软件包 ，采用将ＧＷＡ数据先压缩，然后再应用ＲＦ算法的 １　引言 方式，虽然节约了内存，但增加了计算的耗时。ＲａｎｄｏｍＪｕｎ 全基 因组关联研究 （Ｇｅｎｏｍｅｗｉｄｅａｓｓｏｃｉａｔｉｏｎｓｔｕｄｙ， ［１４］ ｇｌｅ（ＲＪ） 是ＲＦ方法的最新应用程序，是专门为分析大规 ＧＷＡＳ）近年来取得了很大的成果，通过生物标记的单点关 模数据集而设计的，计算和内存使用效率大幅提高，可以用 ［１］ ［１５