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基于馬爾科夫覆蓋的上位性檢測算法進行進一步研究。
　　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)性強度，將關(guān)聯(lián)性強的變量加入到目標(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