[发明专利]基于多变量高斯分布的缺失eQTL统计量推断方法

权利要求书

1.基于多变量高斯分布的缺失eQTL统计量推断方法，其特征在于，该方法包括以下步骤：

(1)获取eQTL总结统计量数据，数据的每个条目至少包括染色体编号、基因标识符、基因组位置、参考等位基因、变异的替代等位基因和Z值统计量，使用基因组位置、参考等位基因和替代等位基因从参考基因组数据中唯一标识变异；其中Z值统计量为参考相同类型的等位基因对基因表达的影响下的结果；

(2)基因组局部区域缺失eQTL统计量推断，具体步骤为：

21)假设基因G转录起始位点上下游1Mbp范围LD区间内存在n+m个变异，其中m个变异与基因G eQTL的Z值统计量已知，表示为Z_k|G＝(y₁，...，y_m)^T，n个变异与基因G eQTL的Z值统计量缺失，表示为Z_u|G＝(x₁，...，x_n)^T；LD区间内全部的SNPs与基因G的Z值统计量表示为Z|G＝(x₁，...，x_n，y₁，...，y_m)^T；

22)利用多变量高斯分布对Z|G进行建模，即其中在零假设下，即SNP和组学特征之间不存在相关性，μ＝0，长度为n+m；∑表示n+m个SNPs之间的协方差矩阵，其中∑_i，j代表SNP_i和SNP_j之间的LD相关系数r值；

23)将Z_k|G和Z_u|G的均值期望分别表示为E(Z_u|G)＝μ_u＝0和E(Z_k|G)＝μ_k＝0之后，得到μ＝(μ_u，μ_k)^T；将协方差矩阵∑根据两组变异类型划分为四个子矩阵，如公式(3)所示，其中

24)根据Z_k|G，求Z_u|G的条件概率，表示为(Z_u|Z_k)|G，计算(Z_u|Z_k)|G的期望和协方差矩阵，分别如公式(4)、公式(5)所示；

25)根据以下公式(6)计算需要推断的Z_u|G；

2.根据权利要求1所述的基于多变量高斯分布的缺失eQTL统计量推断方法，其特征在于，步骤(1)中，对于使用线性回归模型的eQTL研究，通过衡量基因型对基因表达的线性影响，得到效应量β和标准误差se，通过公式(1)转换为Z值统计量；

3.根据权利要求1所述的基于多变量高斯分布的缺失eQTL统计量推断方法，其特征在于，步骤(1)中，对于使用Spearman秩相关的xQTL研究，通过计算基因型和基因表达之间的Spearman相关系数r，得到eQTL相关关系，Spearman相关系数r通过公式(2)转换为t值，其中n是样本量，然后，通过逆正态分布将t值转换为Z值统计量；

4.根据权利要求1所述的基于多变量高斯分布的缺失eQTL统计量推断方法，其特征在于，步骤(1)中，所述eQTL总结统计量数据还包括一个标注每个基因在基因组中坐标的注释文件。

5.根据权利要求4所述的基于多变量高斯分布的缺失eQTL统计量推断方法，其特征在于，该方法还包括基因组全尺度范围缺失eQTL统计量推断，具体包括以下步骤：

S1、将eQTL总结统计量数据中所有出现的基因按照其基因组物理位置顺序排列在基因组上，并划分为多个片段，且片段尺度100Mbp；

S2、对于每一个片段，根据该片段上基因的顺序关系，分别以基因为中心，设置滑动窗口，按照步骤(1)-(2)进行缺失eQTL统计量推断。

6.根据权利要求5所述的基于多变量高斯分布的缺失eQTL统计量推断方法，其特征在于，S2中，所述窗口是以基因中心点或转录起始位点为原点，向两侧延展500kb，当进行到第i步窗口内的推断后，通过建立一个动态LD矩阵保存窗口内所有SNPs之间的LD相关系数；当从第i个窗口滑动到第i+1步时，如果两个窗口存在重叠情况，则只计算尚未计算过的LD相关系数。