南-北方汉族人、韩国人和日本人遗传划分机器学习模型优化方案

中国汉族人、韩国人和日本人作为东亚主体人群,其中中国汉族人呈现由北向南的梯度混合,在遗传结构上存在不同程度的差异。为实现对中国南-北方汉族人、韩国人和日本人的高分辨率遗传划分,本研究收集和分析了文献报道和实验室前期数据筛选出的1185个东亚人群祖先信息性SNPs (ancestry informative SNPs,AISNPs),应用softmax与随机森林两种机器学习算法构建族群遗传划分模型,然后利用系统发育树、STRUCTURE和主成分分析方法进一步评估不同模型AISNPs位点组合的族群分类效果,最终筛选出234-AISNP的最优组合,softmax模型准确率为92%,实现了南方汉族人、北方汉族人、韩国人和日本人的高精度区分。本研究测试的两种机器学习算法模型为近距离人群的高分辨率划分提供了重要参考,可作为法医DNA族群推断体系位点开发的重要工具。     

基于高密度SNP数据的东亚人群遗传结构研究

目的 东亚疆域辽阔,民族众多,有着广泛多样的语言。中国34个省级行政区可划分为7个地理分区,人群主要分属世界七大语系。已有研究主要集中在东亚人群的起源、迁徙、融合等遗传历史。本文基于5 147份世界人群个体的高密度单核苷酸多态性（SNP）数据,从地域及语言两个角度研究东亚人群尤其是中国人群与世界其他人群的遗传关系,研究中国人群的遗传关系和遗传结构。方法 收集了5 147份世界人群个体的高密度SNP数据,并对其进行质控、合并。通过频率差异分析方法对最终获得的32 789个SNP进行统计学检验,并进一步使用主成分分析、系统发育树、祖先成分分析和D检验统计等方法,对东亚人群与世界其他人群的遗传关系,以及中国人群的遗传关系和遗传结构进行研究。结果 研究发现东亚人群与非洲、美洲和欧洲人群存在显著差异。中国人群可分为7个亚群,不同人群间的遗传聚类与其地理分布、语系语族和族源历史有很强的相关性。结论 本文研究了中国人群与世界人群的遗传关系和差异,并系统研究了中国人群的遗传亚结构。这将丰富东亚人群的群体遗传学、法医遗传学等研究基础,为个体化医疗等工作提供数据支撑。     

东亚三族群SNP高分辨推断模型构建与效能评估

单核苷酸多态性(single nucleotide polymorphism,SNP)是法医遗传学个体识别和族群推断常用的遗传标记.本研究集合文献和公共库中祖先信息SNP位点(ancestry informative SNPs,AISNPs),应用softmax回归、支持向量机和随机森林3种算法,研究东亚北方的3个主体...     

30个祖先信息位点的筛选及应用

摘要：目的 筛选一组祖先信息SNPs位点（AIMs,Ancestry Informative Markers）,构建复合检测体系,用于东亚、欧洲和非洲人群遗传成分描述及个体种族来源推断。方法 以HapMap数据库9个人群的658份样本的分型数据为基础,从30个表型相关基因总共282个SNPs位点中筛选出30个AIMs位点,基于微测序-通用芯片技术构建复合检测体系,并建立人群等位基因频率数据库。使用这组位点分析HapMap数据库中658份人群样本,初步验证位点的区分效能;然后,使用研究构建的体系检验收集的5个人群194份无关个体的DNA样本。最后,通过Structure软件分析获取人群的成分构成以及个体的遗传成分,对个体样本进行种族来源推断。 结果 筛选的30个AIMs位点符合哈迪温伯格平衡（p>0.01）,位点之间没有连锁（r2<0.1）, 658份HapMap数据库样本和194份实验样本的祖先成分分析结果与已知结果完全一致。 结论 本文筛选并建立的30个AIMs位点复合检测体系,能够有效实现东亚、欧洲、非洲人群及混合人群的成分构成和个体遗传成分的分析,有效控制遗传连锁分析中由于人群分层现象带来的误差,也可以用于法医DNA检验中个体祖先来源推断。     

基于IBS算法预测亲缘关系准确性研究

目的 评估基于状态一致性(identity-by-state,IBS)算法预测个体间亲缘关系的准确性.方法 采用Illumina GSA芯片对253份样本进行全基因组检测,基于高密度单核苷酸多态性(single nucleotide polymorphism,SNP)数据计算两两个体间IBS共享统计量预测亲缘关系.通过...     

基于高密度单核苷酸多态性的共祖远亲缘关系预测算法准确性研究

目的 研究构建基于共祖（identity-by-descent，IBD）片段算法预测远亲缘关系分析流程并评估预测准确性。方法 采用高密度单核苷酸多态性（single nucleotide polymorphism，SNP）芯片对253份家系样本进行检测，研究基于IBD片段算法的分析流程进行两两个体间亲缘关系预测，评估预测准确性。随机减少SNP位点，评估位点数对算法预测准确性的影响。结果 IBD片段算法预测1~7级亲缘关系平均置信区间准确率为94.72%，预测可信度为99.77%，6级及以上亲缘关系预测时出现假阴性。随着SNP数量减少，预测准确性会出现一定程度的下降。结论 IBD片段算法可用于7级以内亲缘关系的预测，该算法在群体遗传学、法医遗传学等领域有重要应用价值。