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。     

人类群体遗传空间结构的"克立格"模型

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值,则不能建立“克立格”模型;2)若理论遗传变异函数的拟合优度很低,则据此建立的“克立格”模型的估计标准差在整个空间范围内会很大,此时“克立格”模型不适用于估计群体遗传空间结构。出现上述两种情形时,应选用不考虑空间相关性的空间随机插值方法绘制群体遗传结构地图,如基因绘图软件中的Cavalli-Sforza方法,反向距离加权法和条样函数插值法等。     

人类群体遗传空间结构对应分析中的“蹄型效应”及其遗传学解释

探讨了人类群体遗传结构对应分析中“蹄型效应”的产生机制及其遗传学解释。从分析基因频率矩阵的结构特点入手,以实例验证和比较了对应分析中散点图的结构特征。发现当基因频率矩阵的结构不同时,其对应分析中散点图的分布模式不同;当基因频率矩阵中存在稀有基因时,其对应分析的散点图则呈现明显的“蹄型效应”。“蹄型效应”经常会歪曲潜在遗传结构的真实形态,其产生主要是因为对应分析中的c2距离不相似测度高估了稀有基因的作用。在人类群体遗传结构对应分析中,当出现“蹄型效应”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。     

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,如计算遗传距离时昕用的聚类分析、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昕面临的困难。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,其结果符合群体遗传学规律。