高效准确的基因分析方法:从群体分层到重组检测
在基因研究领域,群体分层问题和重组检测是两个至关重要的研究方向。群体分层的准确识别对于疾病关联研究有着深远的影响,而重组检测则是推断系统发育关系的关键前置步骤。下面将为大家详细介绍相关的研究方法和成果。
群体分层检测方法对比
在群体分层检测中,主要有GRAPH - TRIPLETS和STRUCTURE两种方法。研究发现,GRAPH - TRIPLETS产生的错误比STRUCTURE返回的分类结果更少。STRUCTURE有两种不同的模式(有相关性和无相关性),在处理不同数量的单核苷酸多态性(SNPs)时,两种模式的表现有所不同:
- 当使用少量SNPs(1000、2000或4000)时,相关模式似乎表现更好。
- 当使用更多SNPs(8000个SNPs,2000或4000次迭代)时,STRUCTURE的“无相关”模式更优。
从效率上看,GRAPH - TRIPLETS明显优于STRUCTURE。具体来说,对于1000个SNPs,GRAPH - TRIPLETS的运行时间大约快300倍;对于8000个SNPs,大约快1000倍。
下面是不同群体使用STRUCTURE和Triplets方法的错误数量及Triplets p值对比表格:
| 群体 | structure错误数 | Triplets错误数 | Triplets p值 |
| — | — | — | — |
| 中欧人, CEU | 21 | 2 | 0.01 |
| 约鲁巴非洲人, YRI | 26 | 20 | 0.75 |
| 中国人, CHB | 17 | 16 | 0.267 | <
超级会员免费看
订阅专栏 解锁全文
676

被折叠的 条评论
为什么被折叠?



