等位基因多态性群体遗传结构的多元非线性分析方法

长期以来 ,对于多维基因多态性数据的多元统计分析 ,如计算遗传距离时所用的聚类分析、分析群体遗传结构时所用的主成分分析、因子分析和典型相关分析等 ,一直应用为无约束条件数据而设计的经典多元线性分析方法 ,并没有注意基因多态性数据的“闭合效应”所带来的问题。从分析基因多态性数据的分布和结构特征入手 ,文中指出了基因多态性分布具有“闭合数据”的特点 ,分析了由于“闭合效应”的影响 ,经典多元线性方法用于群体遗传结构分析所面临的困难。根据成分数据统计分析的理论和方法 ,提出了基因多态性群体遗传结构的多元非线性分析基本方法。并以主成分分析为例 ,通过实例比较和分析了经典线性主成分分析和“对数比”非线性主成分分析的结果 ,证明“对数比”非线性主成分分析方法是研究基因多态性群体遗传结构的良好方法 ,具有特异、灵敏等优点 。

人类群体遗传结构的图论主坐标分析方法

目的:提出基因频率矩阵的图论主坐标分析方法,探讨该法在人类群体遗传结构研究中的应用。方法:从分析基因频率矩阵的结构特征入手,将主坐标分析与图论中的最小生成树有机结合,构建人类群体遗传结构的图论主坐标模型,并以中国26个汉族人群HLA-A位点遗传结构分析为例,验证图论主坐标分析的科学性和适用性。结果:图论主坐标分析的基本步骤可概括为:①对中心化基因频率矩阵进行主坐标分析;②按图论原理求过m维空间n个点的最小生成树;③利用求“颈”法分割最小生成树;④将最小生成树整合到二维主坐标散点图中构建图论主坐标分类图。根据此步骤,对中国26个汉族人群HLA-A位点遗传结构进行了图论主坐标分析,分析结果符合中华民族源与流的客观规律。结论:图论主坐标分类图既可显示各群体的遗传结构特性,又可利用最小生成树的连接关系揭示各群体间的内在联系;图论主坐标分析是分析人类群体遗传结构的一种理想方法。

疾病空间异质性定量分析方法及其应用

目的:探讨疾病空间异质性理论及其定量分析方法。方法:在疾病空间相关-自相关假设下,定义疾病空间化变量,构造疾病空间异质性的变异函数模型,利用该模型将疾病空间异质性分解成各定量组分,进而确定疾病空间异质性程度和变化尺度;定义疾病空间异质性参数的流行病学含义。结果:获得疾病空间异质性的定量分析方法和流行病学参数,并以对肾综合征出血热空间异质性的分析验证方法的科学性。结论:该方法能准确刻画疾病空间异质性特点,解释疾病的地理流行病学机制。

中国多表位疫苗设计的HLA-Ⅰ积累表型频率空间预测系统(英文)

目的 建立HLA Ⅰ积累表型频率(CPF)的空间预测系统,旨在指导中国疫苗学家设计受HLA限制的多表位疫苗(包括DNA疫苗) ,并评价或预测根据不同HLA Ⅰ组合形式设计的多表位疫苗(或DNA疫苗)在中国不同地区的免疫效果。方法 通过构建中国境内人群HLA Ⅰ基因空间数据库,利用“克立格”技术建立CPF空间预测系统。结果 根据疫苗设计目的,设计者可利用该系统预测和估计特定地理位置上人群的CPF ,包括根据单个HLA座位(HLA A或HLA B)上的等位基因而设计的多表位疫苗和根据两个HLA基因座位(HLA A和HLA B)上的等位基因而设计的多表位疫苗在特定地理位置上人群的CPF值,从而估计或预测拟研制的或已研制的多表位疫苗在中国不同地理位置上人群中的免疫效果。结论 该预测系统可用于:①鉴别任何中国群体的期望CPF百分比,为设计疫苗组分提供依据;②在特定地理位置的人群中,预测限制性表位已知的多表位疫苗的理论免疫应答率;③在特定地理位置的人群中,识别因缺乏HLA Ⅰ限制性等位基因而不能对表位疫苗产生免疫应答的个体。

疾病空间分布趋势面模型的共线性偏倚及其测量与控制

目的 探讨趋势面分析中共线性偏倚及其测量与控制方法。方法 以疾病监测资料为基础 ,引用回归诊断方法识别趋势面模型的共线性偏倚 ,进一步用岭回归趋势面模型控制共线性偏倚。结果 趋势面分析往往存在共线性偏倚 ,利用岭回归趋势面分析可以在一定程度上控制共线性偏倚。结论 在作趋势面分析时应当考虑共线性偏倚对结果的影响 ,并设法予以控制。

疾病空间分布趋势面模型阶次确定方法的研究

目的:探讨确定疾病空间分布趋势面模型阶次的方法。方法:通过分析趋势面模型和线性回归模型的关系,评价确定趋势面模型阶次的多种方法的适用性。结果:讨论了趋势面模型与线性回归模型的区别,提出了确定趋势面模型阶次的5种方法:直接判定法、拟合优度判定法、剩余均方判定法、逐次F检验判定法、样本穿插二分判定法。结论:根据疾病地理流行病学原理,应综合应用上述各种判定方法的结果确定趋势面模型阶次。

人类群体遗传结构的协方差阵主成分分析方法

目的:探讨基因频率矩阵的中心化(或均值化)协方差阵主成分分析方法在人类群体遗传结构研究中的适用性和合理性。方法:从基因频率矩阵的结构特征入手,分析中心化、均值化协方差阵主成分分析与标准化相关阵主成分分析在特征根、特征向量以及降维效果等方面的差异,并通过实例比较不同方法在解释群体遗传结构特征上合理性。结果:中心化(或均值化)协方差阵的主成分不仅反映了基因变异程度的“方差信息量权”,而且反映了基因间相互影响程度的“相关信息量权”;标准化相关阵的主成分反映的仅是“相关信息量权”,不包括“方差信息量权”。通过比较中国26个汉族人群HLA-A基因座中心化协方差阵和标准化相关阵2种主成分分析结果,证实中心化协方差阵主成分分析方法在特征根与特征向量、保留主成分的个数和对主成分的群体遗传学解释的合理性等方面均优于标准化相关阵主成分分析方法。结论:在对群体遗传结构进行主成分分析时,应使用中心化(或均值化)变换消除基因频率矩阵中量级的影响,然后在用其协方差阵提取主成分。

线性回归预测模型有效超前期的确定方法

线性回归预测模型是应用线性回归技术，根据历史数据建立回归方程，用此回归方程进行超前预测。然而，建立了一个线性回归模型能否用其做无限期的超前预测呢？显然，一个预测模型的预测精度随着超前期的增加而逐渐降低，即预测误差越来越大。当外推至某一期时，预测误差之...

人类群体遗传结构的双标图模型及其应用

提出了分析人类群体遗传结构的PPG双标图模型的基本原理及其应用。PPG双标图根据人类群体遗传学的基本原理,利用矩阵奇异值分解技术,将多维基因频率矩阵近似为一个能够用双标图表示的二维矩阵,从而实现了人类群体遗传结构的图形化和可视化直观分析。它与聚类分析、主成分分析、对应分析等传统多元统计分析方法相比,具有明显的优越性。PPG双标图通过其几何性质,反映了其丰富的群体遗传学含义;更重要的是,在基因频率矩阵前2项奇异值的累计贡献率足够大的前提下,利用双标图,以辅助线为补充,可以实现人类群体遗传结构的可视化直观定量分析:①比较各群体之间的遗传距离,划分群体类型;②比较各基因的变异性大小;③分析各基因之间的相关性;④比较某基因对各亚群体遗传结构的相对贡献;⑤比较任意2个亚群体遗传结构的差异;⑥分析任意2个基因的差异及其对各亚群体变异性的贡献;⑦分析群体与基因的交互作用及其对群体亚分的贡献。因此,PPG双标图值得在人类群体遗传结构分析中推广应用,但PPG双标图也存在一定的局限性。

人类群体遗传结构的图论主成分分析方法

目的提出基因频率矩阵的图论主成分分析方法,探讨该法在人类群体遗传结构研究中的应用。方法从分析基因频率矩阵的结构特征入手,将主成分分析与图论中的最小生成树有机结合,构建人类群体遗传结构的图论主成分模型,并以中国26个汉族人群HLA-A基因座遗传结构分析为例,验证图论主成分分析的科学性和适用性。结果图论主成分分析的基本步骤可概括为:①对中心化基因频率的协方差矩阵进行主成分分析;②按图论原理求过m维空间n个点的最小生成树;③利用求“颈”法分割最小生成树;④将最小生成树整合到二维主成分散点图中构建图论主成分分类图。根据此步骤,对中国26个汉族人群HLA-A基因座遗传结构进行了图论主成分分析,分析结果符合中华民族源与流的客观规律。结论图论主成分分类图既可显示各群体的遗传结构特性,又可利用最小生成树的链接关系揭示各群体间的内在联系;图论主成分分析是分析人类群体遗传结构的一种较好方法。

疾病空间分布状态的量化统计指标研究与应用

目的 探讨疾病空间分布的量化统计指标在疾病空间分析中的应用价值。方法 在概率模型基础上 ,提出反应疾病空间分布状态的定量统计指标———病例聚集系数、病例平均密度、病例平均聚集度和病例聚灶指数。结果 获得疾病空间分布状态定量统计指标的计算方法和流行病学含义。结论 该统计指标不仅可分析疾病的空间分布特征 。

人类群体遗传空间结构的“克立格”模型(英文)

通过将“克立格”技术应用于人类群体遗传学领域,构建了人类群体遗传空间结构的“克立格”模型,并论 述了其原理和计算方法。以HLA A基因座为例,应用“克立格”模型,定量分析了中国人群HLA A基因座的空间 遗传异质性;对HLA A基因频率的空间数据矩阵进行了主成分分析,进而定义了人类群体遗传结构的综合遗传测 度(SPC),绘制了综合遗传测度和主成分(PC)的“克立格”地图,分析了其群体遗传空间结构特性。与其他空间 插值或平滑方法相比,人类群体遗传空间结构的“克立格”模型具有明显优点:1)“克立格”估计以空间遗传变异函 数模型为基础,在绘制空间遗传结构地图之前,可利用变异函数模型定量分析所研究基因座(或多基因座)的空间 遗传异质性;2)“克立格”插值方法是真正意义上的无偏估计模型,它利用待估区域周围的已知群体遗传调查点数 据,并充分考虑调查点的空间影响范围,给出待估区域的最优估计值;3)“克立格”模型允许估计插值误差,这种插 值误差既可用于评价空间估计效果,又可通过绘制误差地图指导在误差过高的地点增加新的群体遗传调查样本 点,以优化估计效果。然而,人类群体遗传空间结构的“克立格”模型也存在一定缺点:1)若不能用任何理论遗传变 异函数模型拟合观察遗传变异函数?

三维自回归趋势面模型在疾病时空动态分析中的应用

目的 探讨三维自回归趋势面模型技术在疾病时空动态分析预测中的应用价值。方法 在空间相关 自相关假设下 ,提出二维自回归趋势面模型 ,通过加入时间变量t,构造三维自回归趋势面模型。结果 获得三维自回归趋势面模型及其建模方法。结论 该模型不仅可分析疾病的空间趋势 ,而且可分析其空间趋势的时间变化特征。

人类群体遗传空间结构对应分析中的“蹄型效应”及其校正方法

目的探讨人类群体遗传结构对应分析中“蹄型效应”的产生机制、遗传学解释及其校正方法。方法从分析基因频率矩阵的结构特点入手,以实例分析展示对应分析散点图中的“蹄型效应”,解释其原因,用除趋势对应分析对其进行校正,观察校正效果。结果当基因频率矩阵中存在稀有基因时,其对应分析的散点图常呈现明显的“蹄型效应”。“蹄型效应”经常会歪曲潜在遗传结构的真实形态,其产生的主要原因是对应分析中的χ2距离不相似测度高估了稀有基因的作用,除趋势对应分析对“蹄型效应”有明显的校正作用。结论在人类群体遗传结构对应分析中,当出现“蹄型效应”时,需认真分析基因频率矩阵的结构,寻找“蹄型效应”产生原因并给出合理的遗传学解释,以免做出错误结论,并可用除趋势对应分析方法校正“蹄型效应”。

用三维趋势面模型分析预测HFRS的时空动态趋势

目的 探讨三维趋势面模型技术在ＨＦＲＳ时－空动态分析预测中的应用价值。方法 在二维趋势面模型基础，通过加入时间变量ｔ，构造三维趋势面模型。结果 获得三维趋势面模型及其建模方法。结论 该模型不仅可分析ＨＦＲＳ的空间趋势。

中国人群胰岛素依赖性糖尿病HLA-DR基因多态性的Meta分析

目的:综合评价中国人群HLA鄄DR基因多态性与胰岛素依赖性糖尿病穴IDDM雪的关联性。方法:以IDDM组和健康对照组的各HLA鄄DR等位基因频数(基因型频数、单倍型频数)分布的OR值为统计量。全面检索相关文献,应用Meta分析对血清学分型和基因分型研究的结果进行一致性检验和数据合并,并评估发表偏倚。结果:①血清学分型水平上,HLA鄄DR3和DR9等位基因,DR3/DR4和DR3/DR9杂合子是中国人群IDDM的危险基因穴或基因型雪(P<0.05),合并OR值分别为5.08,1.59,26.74和10.74。而HLA鄄DR2,DR5,DR7,DR12是中国人群IDDM的保护基因(P<0.05),合并OR值分别为0.65、0.57、0.52和0.40;②基因分型水平上,HLA鄄DRB1觹0301,DRB1觹04,DRB1觹0404和DRB1觹0405等位基因是中国人群IDDM的危险基因(P<0.05),合并OR值分别为5.53,2.12,2.40和2.33;单倍型DRB1觹0301/DQA1觹0301/DQB1觹0201和DRB1觹0405/DQB18觹0302,基因型DRB1觹0405/DRB1觹0405和DRB1觹0405/DRB1觹04是中国人群IDDM的危险单倍型穴或基因型雪(P<0.05),合并OR值分别为6.57,14.85,8.08和1.90;而HLA鄄DRB1觹0406,DRB1觹0408,DRB1觹06,DRB1觹07,DRB1觹08,DRB1觹1301,DRB1觹14和DRB1觹16是中国人群IDDM的保护基因(P<0.05),合并OR值分别为0.39,0.11,0.17,0.56,0.33,0.14,0.28和0.39。?

疾病空间分布的变异函数模型及其应用

目的 :探讨变异函数模型技术在疾病空间分布状态分析中的应用价值。方法 :在疾病空间相关 自相关假设下 ,定义疾病空间化变量 ,提出疾病空间化变量的二阶平稳性假设 ,构造疾病空间分布的变异函数模型 ,并定义变异函数模型参数的流行病学含义。结果 :获得疾病空间分布变异函数模型及其流行病学含义。结论 :该模型可以准确刻画疾病空间分布特点 ,并解释疾病的地理流行病学机制。

边缘效应偏倚对疾病空间分布趋势面分析结果的影响

目的探讨边缘效应偏倚对趋势面分析结果的影响。方法通过比较基准面和基准面内特定监测区的同阶趋势面模型趋势等值线图的变化趋势,展现边缘效应偏倚对趋势面分析结果的影响,进而应用缘冲区对比法控制特定监测区内趋势面模型的边缘效应偏倚。结果当趋势面模型阶次较高时边缘效应偏倚也较严重,加入缓冲区可有效地控制边缘效应偏倚。结论当趋势面的阶次很低时,可不考虑“边缘效应偏倚”。但当趋势面模型的阶次较高时应当用缓冲区处理;不便于设立缓冲区时,解释研究区域边缘处的结果时要谨慎下结论。

用三维自回归趋势面模型预测HFRS的时空动态趋势

目的 :探讨三维自回归趋势面模型技术在HFRS时 空动态分析预测中的应用价值。方法 :在二维自回归趋势面模型基础 ,通过加入时间变量t ,构造三维自回归趋势面模型。结果 :获得三维自回归趋势面模型及其建模方法。结论 :该模型不仅可分析HFRS的空间趋势 。