【佳學(xué)基因檢測(cè)】存在顯性的情況下，相較于加法模型，顯性模型在評(píng)估平均效應(yīng)的優(yōu)勢(shì)

人體疾病與表征遺傳方式導(dǎo)讀：

數(shù)量遺傳學(xué)是佳學(xué)基因解碼的方法之一。在數(shù)量遺傳學(xué)中，單個(gè)基因座的平均效應(yīng)可以通過 (A)加性模型或加性加顯性 (AD) 模型來估計(jì)。在存在顯性的情況下，AD 模型預(yù)計(jì)會(huì)更正確，因?yàn)?A 模型錯(cuò)誤地假設(shè)殘差是獨(dú)立且同分布的。佳學(xué)基因解碼的目的是在存在顯性遺傳的情況下，使用單個(gè)基因座 A 模型或 AD 模型，評(píng)估平均效應(yīng) ( α^)的正確性。估計(jì)基于 Hardy-Weinberg 平衡 (HWE) 中大量人口的有限樣本，以及均方根誤差 α^計(jì)算了幾種廣義遺傳力、樣本量和顯性效應(yīng)的大小。結(jié)果表明，對(duì)于 A 模型，基因型頻率與 HWE 頻率的抽樣偏差和等位基因頻率的抽樣偏差都會(huì)導(dǎo)致誤差。使用 AD 模型，只有等位基因頻率的抽樣偏差會(huì)導(dǎo)致錯(cuò)誤，前提是對(duì)所有三個(gè)基因型類別進(jìn)行抽樣。在存在顯性遺傳的情況下，均方根誤差為 α^使用 AD 模型的結(jié)果總是小于使用 A 模型的結(jié)果，即使當(dāng)遺傳力小于 1 時(shí)也是如此。值得注意的是，在沒有顯性遺傳的情況下，采用顯性模型進(jìn)行匹配沒有不足之處。總之，AD 模型可以更正確地估計(jì)有限樣本的平均效應(yīng)，因?yàn)樗?A 模型更能抵抗 HWE 頻率的抽樣偏差。因此，當(dāng)存在顯性時(shí)，包含優(yōu)勢(shì)的遺傳模型比純加性模型產(chǎn)生更高的估計(jì)平均效應(yīng)精度。

基因解碼遺傳模式的建模方式

在佳學(xué)基因開發(fā)的基因解碼的系列分析方法中，數(shù)量遺傳學(xué)是其基本工具之一。在數(shù)量遺傳學(xué)中，顯性是雜合子的基因型值偏離兩個(gè)純合子的平均基因型值的現(xiàn)象。顯性遺傳已被證明存在于人體、牲畜物種和植物作物的性狀、表征和生理特征的遺傳方式中。并且在分析人體的疾病的致病基因中發(fā)揮了重要作用。然而，在家畜遺傳改良中，研究一直集中在平均效應(yīng)的估計(jì)上，因?yàn)槠骄?yīng)涵蓋了所有可遺傳的變異。單個(gè)基因的平均效應(yīng) ( α )，也稱為等位基因替代效應(yīng)，是指基因型值對(duì)等位基因計(jì)數(shù)的線性回歸系數(shù)。在 Hardy-Weinberg 平衡 (HWE) 下，雙等位基因座處的α是基因效應(yīng)的加法 ( a ) 和顯性 ( d ) 部分以及種群等位基因頻率p的函數(shù)：

其中a是兩個(gè)純合子之間基因型值差異的一半，d是雜合子的基因型值與兩個(gè)純合子的平均基因型值之間的差異。使用基因組數(shù)據(jù)，加性 (A) 模型通過等位基因計(jì)數(shù)（即基因型）的表型線性回歸來估計(jì)α 。加性加顯性 (AD) 模型分別估計(jì)加性和顯性基因效應(yīng)，之后 α^可以從等式 1獲得。對(duì)于這兩種模型，未被平均效應(yīng)捕獲的優(yōu)勢(shì)部分稱為優(yōu)勢(shì)偏差。

當(dāng)使用 A 模型時(shí)，優(yōu)勢(shì)偏差沒有被建模，因此成為殘差的一部分。因此，殘差不是獨(dú)立同分布 (IID)，因?yàn)椴煌蛐偷娘@性偏差不同。因此，A 模型可能會(huì)給出不正確的α估計(jì)值，因?yàn)樗e(cuò)誤地假設(shè)殘差是 IID。當(dāng)使用 AD 模型時(shí)，優(yōu)勢(shì)偏差被顯式建模，殘差更可能是 IID。因此，在存在顯性遺傳的情況下，AD 模型可能會(huì)比A型產(chǎn)生更正確的α估計(jì)值。然而，與 A 模型相比，AD 模型需要估計(jì)兩種效應(yīng)而不是一種效應(yīng)（對(duì)于單個(gè)位點(diǎn)），這可能會(huì)降低估計(jì)這些效應(yīng)的正確性。此外，顯性效應(yīng)通常比加性效應(yīng)更小，因此更難估計(jì)。由于這些原因，與 A 模型相比，AD 模型可能需要對(duì)更多個(gè)體進(jìn)行采樣才能正確估計(jì)α。此外，在顯性很少或沒有顯性的情況下估計(jì)顯性效應(yīng)可能會(huì)導(dǎo)致過度擬合。因此，雖然 AD 模型可能在存在顯性的情況下更好地?cái)M合數(shù)據(jù)，但當(dāng)樣本量相對(duì)較小且優(yōu)勢(shì)可以忽略不計(jì)時(shí)，A 模型可能是先進(jìn)。然而，尚不清楚樣本大小和顯性效應(yīng)在優(yōu)勢(shì)效應(yīng)大小使用 A 模型與AD 模型如何影響 α^。

因此，佳學(xué)基因設(shè)立該研究課題的目的是在存在或不存在顯性遺傳效應(yīng)的情況下、在單個(gè)位點(diǎn)使用 A 模型或 AD 模型調(diào)查估計(jì)的均方根誤差 (RMSE) α^。佳學(xué)基因檢測(cè)從單基因座模型的一些理論開始，然后導(dǎo)出α的預(yù)期估計(jì)值，并計(jì)算 RMSE α^用于幾個(gè)廣義遺傳力、顯性效應(yīng)、樣本量和等位基因頻率。然后，計(jì)算等位基因頻率分布的幾個(gè)優(yōu)勢(shì)度的平均 RMSE，并確定 A 模型和 AD 模型之間差異的機(jī)制。

與此內(nèi)容相近的 業(yè)內(nèi)研究文獻(xiàn)：

https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5633389/