核心家系中数量性状遗传方差分量模型的研究

目的 研究核心家系中带协变量的数量性状的遗传方差分量模型 ,探索数量性状的遗传因素和环境因素作用大小的分析方法。方法 将线性混合模型应用于核心家系资料 ,根据核心家系成员的遗传关系建立遗传方差分量模型 ,运用SAS软件中的Mixed模块和WinBUGS软件进行参数估计 ,分析各影响因素作用大小。结果 模拟研究表明REML法和MCMC法都可得到近似无偏的参数估计。REML法计算耗时较少 ,但该法对各参数的区间估计具有一定的局限性 ,而MCMC法可方便地得到各参数的可信区间。结论 该模型可应用于实际家系资料 。

REML法和MCMC法在数量性状核心家系遗传方差分量模型中参数估计的比较

目的 比较限制性最大似然估计(REML)和马尔可夫链蒙特卡罗(MCMC)方法在数量性状遗传方差分量模型中参数估计的偏差和精度。方法 计算机模拟50个数量性状核心家系数据集,运用SAS软件中的PROC MIXED程序和WinBUGS软件进行参数估计,比较不同样本含量时两法参数估计结果。结果 在本试验参数指定条件下,对固定效应参数,两法估计的相对偏差低于2％;对随机效应,估计偏差较高。小样本时,MCMC法估计结果比REML法更接近真值。结论 在模拟数量性状方差分量模型时,大样本家系资料可根据实际情况选用两法;小样本家系资料,MCMC法可得到比REML法更稳健的估计,推荐使用。

原发性肝癌发病年龄的遗传方差分量模型研究

目的HBV感染对原发性肝癌的家庭聚集性有很重要的影响,本研究控制HBV感染的同时,研究原发性肝癌发病年龄的遗传方差分量。方法家系资料来自2001～2002年江苏泰兴的一次原发性肝癌的病例对照家系调查,利用Cox遗传方差分量模型,分析满足方差分量模型要求的178个肝癌核心家系和184个肝癌扩展家系资料,MCMC方法用于协变量回归系数和随机效应方差分量的估计。结果不包含家庭共享环境方差的简化模型最终收敛。核心家系和扩展家系资料的遗传方差分量模型得到相似的参数估计结果,扩展家系结果显示HBsAg阳性对肝癌发病年龄的HR值为12.13（95%CI：6.94-23.03）;遗传加性效应方差分量为0.076（95%CI：0.002-0.291）,遗传显性效应方差分量为0.301（95%CI：0.010-1.067）。结论除HBV感染的作用外,原发性肝癌发病年龄的家庭相关还有遗传因素的作用,包括遗传加性效应和遗传显性效应/同胞共享环境因素影响肝癌的发病年龄。

核心家系中质量性状遗传方差分量模型的研究

目的研究核心家系中带协变量的质量性状的遗传方差分量模型,定量地评价遗传因素和环境因素对质量性状的作用。方法将广义线性混合模型应用于核心家系资料建立遗传方差分量模型,运用MCMC方法进行参数估计。结果模拟研究表明大样本时MCMC法可得到近似无偏的参数估计。结论该方法可应用于家系资料,分析遗传因素和环境因素对质量表型的影响大小。

基于Weibull回归模型的遗传方差分量模型研究

目的研究家系资料中生存时间资料的遗传方差分量模型,评价环境因素和遗传因素对删失性状的影响。方法将单随机效应的Weibull回归模型扩展到多个随机效应,建立遗传方差分量模型,运用MCMC的方法进行参数估计,通过模拟研究说明参数估计的准确性。结果模拟研究表明该方法可得到近似无偏的参数估计。结论基于Weibull回归模型的遗传方差分量模型可用于家系资料,研究生存时间资料的遗传和环境因素的作用。

核心家系中删失性状遗传方差分量模型的研究

目的研究核心家系资料中删失性状的遗传方差分量模型,评价环境因素和遗传因素对删失性状的影响。方法应用多变量脆弱模型研究删失性状的遗传方差分量,基础模型选用Cox比例危险模型,MCMC方法用于参数估计,原发性肝癌核心家系发病年龄资料的分析说明了该方法的实际应用。结果实例分析结果符合专业解释,该模型对生存时间分布没有要求因而有更广泛的适用性。结论基于Cox回归模型的遗传方差分量模型可用于家系资料,研究生存时间资料的遗传和环境因素的作用。

WOMBAT—A tool for mixed model analyses in quantitative genetics by restricted maximum likelihood (REML)

WOMBAT is a software package for quantitative genetic analyses of continuous traits, fitting a linear, mixed model; estimates of covariance components and the resulting genetic parameters are obtained by restricted maximum likelihood. A wide range of models, comprising numerous traits, multiple fixed and random effects, selected genetic covariance structures, random regression models and reduced rank estimation are accommodated. WOMBAT employs up-to-date numerical and computational methods. Together with the use of efficient compilers, this generates fast executable programs, suitable for large scale analyses. Use of WOMBAT is illustrated for a bivariate analysis. The package consists of the executable program, available for LINUX and WINDOWS environments, manual and a set of worked example, and can be downloaded free of charge from http：//agbu. une.edu.au/-kmeyer/wombat.html