结构方程混合模型在SNP分析中的应用

摘要：

采用结构方程混合模型(SEMM)对实际SNP数据进行分析,为遗传统计学提供一种新的有效的分析方法.本研究的数据是由GAW17提供的,包含697个个体的22条常染色体的上万个SNP和根据这些SNP所模拟的697个个体的性状特点.随机挑选了l号染色体上的4个SNP和3个定量性状作为研究变量,分别进行潜在类别分析和结构方程混合模型分析.根据4个SNP数据,人群被分为3个潜在类别,概率分别为0.53,0.34,0.13.潜在类别l、2和3中的因子均值Q分别为-4.029、-2.052和0,潜在类别l、2的因子均值均低于3(＜0.001).研究表明:结构方程混合模型(SEMM)综合了结构方程模型和潜在类别模型的思想,形成了自己的优势,可用于处理同时包含分类潜变量和连续潜变量的数据.

关键词：结构方程混合模型(SEMM)、单核苷酸多态性(SNP)、连续潜变量、分类潜变量

所属期刊栏目：11

分类号：Q343.1+5(遗传学分支学科)

资助基金：国家自然科学基金资助项目31071156

在线出版日期：2013-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：146-149