基于混合線性模型進行遺傳數(shù)據(jù)分析的異常值檢測方法.pdf

1、利用混合線性模型進行遺傳數(shù)據(jù)分析對于統(tǒng)計學(xué)家和遺傳學(xué)家來說都是一種挑戰(zhàn)，因為無論是線性、二次性還是似然估計方法都會在很大程度上受到自變量或依變量中的異常數(shù)值的干擾。要了解異常值對分析結(jié)果的影響，唯一的方式是通過反復(fù)地數(shù)據(jù)質(zhì)量鑒定和模型優(yōu)化?；谏鲜隹紤]，本研究借助于MINQUE(最小二次范數(shù)無偏估計)和AUP(調(diào)整的無偏預(yù)測)方法(表示為：方法Ⅰ)，提出了利用混合線性模型進行遺傳數(shù)據(jù)分析的異常值檢測方法，并將該方法與基于EM算法和BLU

2、P(最佳線性無偏預(yù)測)的方法(表示為：方法Ⅱ)進行比較，然后通過兩個實例分析來驗證方法。 本研究首先利用一個常用的遺傳模型(包括品種、年份和地點)來演示該方法，并引入一組統(tǒng)計量來評價異常值對分析結(jié)果的影響程度，如：Cook距離(CD(β))，Andrews-Pregibon統(tǒng)計量(AP)，Cook-Weisberg統(tǒng)計量(CW)和方差比例(VR)是用來評價某個數(shù)據(jù)點對混合線性模型種固定效應(yīng)的影響；而Cook距離(CD(e))是用

3、來評價某個數(shù)據(jù)點對隨機效應(yīng)的影響。采用C++編程語言編寫了計算機模擬程序，通過蒙特卡羅模擬方法產(chǎn)生模擬數(shù)據(jù)，隨機設(shè)定若干異常值，并運用本研究提出的方法來檢測異常值，來檢驗方法的有效性和可靠性。結(jié)果表明，利用上述的異常值評價指標(biāo)，方法Ⅰ和方法Ⅱ都能夠檢測到模擬數(shù)據(jù)中人為設(shè)定的異常值，兩者具有相似的異常值檢測能力。 此外，本研究還運用方法Ⅰ和方法Ⅱ?qū)Σ缓挟惓Ｖ档臄?shù)據(jù)進行分析，來比較兩種方法的假陽性率。結(jié)果表明，與方法Ⅱ相比，利用方

4、法Ⅰ所得到的異常值評價指標(biāo)更加平穩(wěn)，因此，方法Ⅰ在異常值檢測方面更加穩(wěn)健。另外，在模擬數(shù)據(jù)中，針對特定品種、年份和地點的組合設(shè)定異常值。大多數(shù)情況下，方法Ⅰ和方法Ⅱ都能檢測到這類異常值，對于有些例子，方法Ⅰ能夠具有更強的檢測能力，而對于另一下例子，方法Ⅱ則表現(xiàn)的更好。主要分析結(jié)果可總結(jié)如下： 1)本研究提出的方法可以較好地檢測出混合線性模型中的異常表型值。如果模型中只存在少量離散的異常觀察值，無論用方法Ⅰ還是用方法Ⅱ，都能檢測到

5、這些異常值。但如果一個品種在同一地點、同一年份存在多個異常值，則無法檢測到這些異常值，反正會將正確的觀察值判定為異常值。 2)基于上述方法，本研究采用C++編程語言編寫了一套計算機程序，用于混合線性模型的遺傳數(shù)據(jù)分析，檢測異常觀測值，并根據(jù)統(tǒng)計檢驗P值的大小來排列異常值。這套程序也可以提供模型中方差分量的估計值和隨機效應(yīng)的預(yù)測值。 3)在常用遺傳模型的分析結(jié)果中，有些值異常值會由于其他異常值的掩蓋而無法被檢測出來，而有些

6、正常的觀察值則會由于其它多個異常值的影響而被誤認為是異常值。 4)在常用遺傳模型的分析實例中，異常值的存在可能會嚴重影響固定效應(yīng)的估計和隨機效應(yīng)的預(yù)測，而去掉這些異常值之后，則可能在很大程度上改進模型的參數(shù)估計。對于QTL定位數(shù)據(jù)，去除異常值之后，可以檢測到額外的QTL，并能改進遺傳率的估計。兩個實例分析的結(jié)果都表明，去除異常值之后，都能改進模型的參數(shù)估計，當(dāng)然，我們并不能武斷地認為這些去除異常值完全沒有生物學(xué)意義。 5