[发明专利]一种基因组遗传分层联合分析方法及系统

说明书

本发明公开了一种基因组遗传分层联合分析方法及系统，包括：获取基因数据样本，所述基因数据样本中包括二元疾病性状平均值；通过目标广义线性混合模型的第一层次结构模型对所述基因数据样本进行处理，得到连续易患性的基因育种值和基因组遗传性；通过所述目标广义线性混合模型的第二层次结构模型对所述基因育种值与单核苷酸多态性的广义线性回归处理，得到单核苷酸多态性的遗传效应；其中，所述第一层次结构模型为广义线性混合模型，第二层次结构模型为连续基因育种值的线性回归模型。本发明提出了考虑随机多个基因效应的广义线性混合模型，以提高对病害性状检测性数量核苷酸的定位能力，提升了基因组遗传分析的准确性。

技术领域

本发明涉及生物信息技术领域，特别是涉及一种基因组遗传分层联合分析方法及系统。

背景技术

线性混合模型是一种应用广泛且功能强大的全基因组关联研究方法。一般情况下，线性混合模型假设表型呈正态分布，适用于连续的数量性状。线性混合模型利用排除被检测标记的随机多基因效应来纠正群体分层和隐亲和等混杂因素，可以有效地控制假阳性率，并提供数量性状核苷酸的检测能力。由于线性混合模型需要高计算强度，且对于以二元表型表达的复杂疾病性状，全基因组混合模型关联不能提供可解释和可预测的绘图结果。

由于数量性状的存在，复杂疾病被认为是由许多位点控制的，每个位点对表型有很小的影响。与线性回归模型不同，广义线性模型中的逻辑回归也被用于分析二元疾病表型中利害相关的标记物之间的关联。尽管对固定效应协变量进行了校正，逻辑回归仍然产生了关键检验统计量的膨胀，降低了基因组遗传分析的准确性。

发明内容

针对于上述问题，本发明提供一种基因组遗传分层联合分析方及系统，提高了对病害性性状检测性数量核苷酸的定位能力，提升了基因组遗传分析的准确性。

为了实现上述目的，本发明提供了如下技术方案：

一种基因组遗传分层联合分析方法，包括：

获取基因数据样本，所述基因数据样本中包括二元疾病性状平均值；

通过目标广义线性混合模型的第一层次结构模型对所述基因数据样本进行处理，得到连续易患性的基因育种值和基因组遗传性；

通过所述目标广义线性混合模型的第二层次结构模型对所述基因育种值与单核苷酸多态性的广义线性回归处理，得到单核苷酸多态性的遗传效应；

其中，所述第一层次结构模型为广义线性混合模型，第二层次结构模型为连续基因育种值的线性回归模型。

可选地，所述通过目标广义线性混合模型的第一层次结构模型对所述基因数据样本进行处理，得到连续易患性的基因育种值和基因组遗传性，包括：

通过目标广义现象混合模型的第一层次结构模型利用灵敏度估计基因遗传力或者育种值的处理方式来预测基因育种值。

可选地，所述通过所述目标广义线性混合模型的第二层次结构模型对所述基因育种值与单核苷酸多态性的广义线性回归处理，得到单核苷酸多态性的遗传效应，包括：

通过所述目标广义线性混合模型的第二层次结构模型从整个基因组标记中随机选取单核苷酸多态性标记估计一般关系模型；

分析由不同数量的数量性状核苷酸控制的遗传力的表型；

基于所述遗传力的表型与所测的单核苷酸多态遗传效应的线性关系，确定单核苷酸多态性的遗传效应。

可选地，所述方法还包括：

创建目标广义线性混合模型，包括：

获取基因数据样本中的目标数据，所述目标数据包括二元疾病性状的平均值、被测单核苷酸多态遗传效应，以及每一疾病的发病率矩阵和不包括测试的单核苷酸多态性的n个随机多基因效应的向量；

基于所述目标数据，构建基因组的逻辑回归混合模型；

根据不包括单核苷酸多态性的固定效应和目标残差，确定被测核苷酸多态性的回归项；