基于馬爾科夫覆蓋的基因交互檢測算法研究.pdf

1、貝葉斯網(wǎng)絡(luò)是一種基于概率推理的圖形化網(wǎng)絡(luò)，貝葉斯網(wǎng)絡(luò)中的馬爾科夫覆蓋則是一種根據(jù)變量間的關(guān)聯(lián)性條件來尋找與目標(biāo)變量相關(guān)集合的方法。研究發(fā)現(xiàn)貝葉斯網(wǎng)絡(luò)中的馬爾科夫覆蓋方法適用于全基因關(guān)聯(lián)分析中的上位性檢測問題。近年來，一系列基于馬爾科夫覆蓋的上位性檢測算法被提出，但是對(duì)于大規(guī)模的全基因組數(shù)據(jù)來說，這些算法依舊存在檢測效率低和假陽性率高等問題。本文將就這些問題對(duì)基于馬爾科夫覆蓋的上位性檢測算法進(jìn)行進(jìn)一步研究。
　　為了提高已有的基于馬

2、爾科夫覆蓋的上位性檢測算法的性能，本文提出了一個(gè)優(yōu)化的基于馬爾科夫覆蓋的上位性檢測算法—OMBED(Optimized Markov Blanket for Epistasis Detection)算法。該算法共分為三個(gè)階段:移除階段、前向階段和后向階段。在移除階段中，根據(jù)條件獨(dú)立判斷移除候選集合中的無關(guān)變量;在前向階段中，利用G2測試值來衡量變量間關(guān)聯(lián)性強(qiáng)度，將關(guān)聯(lián)性強(qiáng)的變量加入到目標(biāo)集合，將關(guān)聯(lián)性較弱的變量移出候選集合，最終得到最小