混合DNA图谱拆分及分析技术谈.docVIP

混合图谱图分型技术谈 DNA图谱中的峰信号，究竟受到哪些因素的影响？ PCR扩增效率（Amplification efficiency）； 模板量(Template)； 降解系数(Degradation)； 扩增子的分子量(molecular weight)； 等位基因类型（Heterozygote or Homozygote）； 位点特异性（Locus）； 假设有如下图谱，贡献者为2，实际分型如下表 Contributor Locus 1 Locus 2 1 11,11 21,25 2 10,12 22,23 如果不考虑其他因素，分型的图谱应该如下： 模板量：contributor 1contributor 2 降解因素：contributor 1 contributor 2 扩增效率：Locus2 Locus 1 Stutter 模拟结果 STRmix生物模型考虑到了所有相关因素： 如何将生物模型应用在图谱的拆分中？ MCMC（马尔科夫链-蒙特卡罗算法）产生于19世纪50年代早期，是在贝叶斯理论框架下，通过计算机进行模拟的蒙特卡洛方法。 蒙特卡洛方法的实质是通过大量随机试验，利用概率论解决问题的一种数值方法。马尔科夫链是指生成随机数列的一种方法。 MCMC是一种简单有效的计算方法，在很多领域到广泛的应用，如统计生物学、贝叶斯(Bayes)问题、计算机问题等。 P P1P0 接受该组数据 P1P0拒绝该组数据 重新计算新的数据，开始下一个循环 MCMC通过将随机生成的数值与之前的数值进行比较，通过检测是否与正确值更接近，来判断下一步是接受还是重新生成一个随机值，循环往复，最终找到最接近正确值的区域。STRmix将这个过程分为两个部分，pre-burn in 和post-burn in 分别计算10万次和5万次，最终找到正确的解释。 MCMC结合STRmix的生物模型，具体的工作方式如下： 目前STRmix全世界范围已有近100个实验机构投入使用，主要分布在北美、欧洲和大洋洲，是目前国际上最受欢迎的混合图谱分析系统。