[发明专利]一种基于经验贝叶斯与孟德尔随机化融合的基因识别方法

权利要求书

1.一种基于经验贝叶斯与孟德尔随机化融合的基因识别方法，其特征是：包括以下步骤：

步骤1：采用经验贝叶斯元信息分析全基因组关联分析数据，得到分析结果；

步骤2：基于经验贝叶斯的综合层次元信息分析，修正全基因组中的每个SNP的统计值；

步骤3：基于孟德尔随机化的全基因组关联分析数据分别与eQTL和mQTL数据整合，得到孟德尔随机化的全基因组关联分析数据与eQTL和mQTL数据整合结果；

步骤4：根据孟德尔随机化的全基因组关联分析数据与eQTL和mQTL数据整合结果的重叠部分，得到基因识别结果。

2.根据权利要求1所述的一种基于经验贝叶斯与孟德尔随机化融合的基因识别方法，其特征是：所述步骤1具体为：

采用经验贝叶斯元信息分析全基因组关联分析数据，全基因组关联分析数据包含SE和Beta值，SE值表示每个SNP的标准误差确定每个Beta值的权重，通过下式表示每个Beta值的权重：

w_i＝1/SE_i² (1)

其中，w_i为每个Beta值的权重，SE_i代表每个SNP的标准差，w_i代表Beta值的权重.

通过下式表示元信息分析后的Beta值为：

其中，β为元信息分析后的Beta值，β_i表示第i次实验的Beta估计值；

根据每个Beta的权重来计算元信息分析后的结果，通过下式表示元信息分析后的结果：

其中，SE为元信息分析后的结果。

3.根据权利要求1所述的一种基于经验贝叶斯与孟德尔随机化融合的基因识别方法，其特征是：所述步骤2具体为：

步骤2.1：根据元信息分析后的结果确定总体Z统计量，通过下式确定总体Z统计量：

Z＝β/SE (4)

步骤2.2：将多个全基因组关联分析数据集汇总为一个数据集，采用经验贝叶斯整合整个基因组水平的所有Z统计值，令Z统计值服从方差是1的分布，确定有偏Z统计值，通过下式表示有偏Z统计值：

其中，为有偏Z统计值，Z_i为真实Z统计量，N为方差分布；

真实Z统计量Z_i服从正态分布，通过下式表示的正态分布、边缘分布和后验分布：

其中，式(6)至式(8)分别表示的正态分布、边缘分布和后验分布，B为经验贝叶斯的正态分布参量，σ为正态分布的标准差，θ为正态分布的均值；

通过的平均值估计正态分布的均值θ：

根据反卡方分布的性质：

通过经验贝叶斯估计确定B，因此，B的经验贝叶斯估计通过下式表示

其中，S为SNP序列，χ²为反卡方分布；

将式(15)带入式(8)中，完成了元信息分析，并修正整个基因组中每个SNP的统计值，通过下式表示修正后的真实Z的统计值