导读:本文包含了病例对照关联分析论文开题报告文献综述及选题提纲参考文献，主要关键词:病例对照研究,遗传标记,关联分析
病例对照关联分析论文文献综述
修良昌,覃继恒,赵小蕾,饶绍奇,丁元林[1]（2016）在《病例对照研究中基因型关联分析方法的比较》一文中研究指出在遗传流行病学研究中,常采用病例对照设计分析某个或某些遗传标记与疾病的关联,所用方法有Pearson卡方检验、Cochran-Armitage趋势检验、哈代-温伯格不平衡检验和对遗传模型稳健的检验方法等,这些方法各自有其优势和劣势,该文对它们的原理进行简明扼要地介绍,并比较它们的异同及各自的适用条件。(本文来源于《科技资讯》期刊2016年08期）
李仕良,林栩,王洁,杨发奋,尤燕舞[2]（2010）在《T系膜增生性肾炎与TCRCα基因+1592C/T多态性的病例-对照关联分析》一文中研究指出目的探讨中国汉族人群系膜增生性肾炎与TCRCα基因+1592C/T多态性的相关关系。方法用PCR-RFLP法和PCR产物直接测序法鉴定基因型,采用病例-对照的方法。结果 280例患者中,TCRCα+1592C/T存在叁种基因型,CC基因型为多见,CC∶CT∶TT=213∶65∶2,IgA肾病组与192例正常对照组相比较,不论是基因型还是等位基因,均未发现差异有统计学意义(P>0.05)。结论中国汉族人群中,系膜增生性肾炎可能与TCRCα基因+1592C/T的遗传易感性不相关,TCRCα基因+1592C/T可能不是系膜增生性肾炎的疾病传递不平衡连锁基因碱基位点。(本文来源于《右江医学》期刊2010年04期）
田佳男[3]（2010）在《病例—对照关联分析中的精确检验及其应用》一文中研究指出在基因关联分析中使用MAX检验来检验关联性是目前比较常用的方法。MAX检验即几个自由度为1的CATT检验的最大值,其中这几个趋势检验是基于常见的基因遗传模型,如显性模型、隐性模型及可加模型。MAX检验不仅对于遗传模型归类错误有很好的稳健性,而且比同样具有稳健性的皮尔逊卡方检验的功效更高。MAX检验的显着性可以通过置换方法或者大样本渐近方法得到。其中置换方法可以达到理想的精度但是需要花费很多计算,而渐近方法虽然速度快却往往不够精确。本文中我们提出了计算MAX检验的精确p值的有效算法MaXact,该算法同置换方法一样可以得到精确的p值,但是却更为快速；该算法的速度可以和正态渐近算法相当,而提供出精确的p值。模拟结果和实际数据的应用结果同时表明,样本量适中的情况下,精确的MAX检验所需要的计算花费与皮尔逊卡发检验或者等位基因检验是相当的,比置换次数为n的置换方法有效n倍。本算法已经做成R软件包MaXact',可从CRAN获取。在MaXact的基础上,我们进一步构造控制变量,有效地减少了估计多位点p值所需的模拟次数,该方法可应用于全基因组关联分析。(本文来源于《中国科学技术大学》期刊2010-06-30）
彭倩倩[4]（2009）在《群体病例对照研究设计的整体基因关联分析统计推断方法研究》一文中研究指出复杂疾病,也称为多因子病,是指受多个基因控制,虽然表现出一定的家族聚集倾向性,但并不完全符合孟德尔遗传规律的一类疾病。心血管疾病、非胰岛素依赖型糖尿病、原发性高血压、肥胖及多数恶性肿瘤等众多疾病皆属复杂疾病。随着人类全基因组高精密度序列图谱的完成,越来越多的生物医学研究人员已经将注意力从单基因病的研究转移到对人类健康和社会发展影响最大的复杂疾病的研究。复杂疾病的发生、发展是受多个基因控制的,通常单个致病基因的作用微小,而多个基因之间以及基因与环境之间存在着复杂的交互作用。基于群体的病例对照研究设计的基因定位关联分析的分析策略主要是借助连锁不平衡的原理利用标记SNP检测致病基因所在的区域。另一种分析策略是利用基因与基因之间的交互作用研究复杂疾病的致病机制。目前,用于分析基因与基因之间交互作用的统计检验方法主要有:一是通过分析两基因区域内的两个代表性标记SNP之间的交互作用间接地反应基因与基因之间的交互作用,二是根据单倍域理论推断出各基因区域内的多个标记SNPs组成的单体型,然后通过检验两个基因区域内单体型之间的交互作用,来检验两个基因之间的交互作用。然而,单个SNP位点无法反映整个致病基因的作用(除非所选择的标记SNP恰好是致病位点,此种情况极为罕见)。因此,这两类分析策略存在多重校正、单体型推断不稳定、检验效能不高等问题,使得检验结果可信度不高。为了解决这些问题,本研究提出了“整体基因”的概念。所谓“整体基因(whole gene)”是指一个完整的功能基因,而不是基因上的某个标记SNP。“整体基因”关联性分析是评价基因与疾病表型关联性的重要手段,也是进一步构建遗传交互网络的基础。本研究在“整体基因”的基础上构建了基于主成分分析的booststrap可信区间检验方法(PCA-BCIT)用以检验“整体基因”与疾病表型的关联性,以及基于典型相关理论的U统计量(CCA-U统计量)用以检验“整体基因”之间交互作用的致病效应。在内容安排上,本文分为相对独立的两章。其主要研究内容如下:第一章整体基因与疾病表型关联性检验的PCA-bootstrap可信区间检验方法(PCA-BCIT):本研究将PCA和可信区间检验方法的基本原理有机结合,利用bootstrap统计模拟技术巧妙地构建了PCA-BCIT检验方法。对于基于群体的病例对照研究设计的基因分型数据,即使从同一种矩阵(例如相关系数矩阵)提取主成分,也存在四种不同的提取方法:①从病例组的基因分型相关系数矩阵与对照组的基因分型相关系数矩阵独立的提取主成分(SES);②基于病例组的基因分型相关系数矩阵提取主成分(CAES),并将主成分回归方程分别应用于病例组和对照组计算相应的主成分得分;③基于对照组的基因分型相关系数矩阵提取主成分(COES),并将主成分回归方程分别应用于病例组和对照组计算相应的主成分得分;④将病例组与对照组基因分型数据合并计算相关系数矩阵,从该矩阵提取主成分(CES),然后将主成分回归方程分别应用于病例组和对照组计算相应的主成分得分。本章同时采用了以上四种不同的主成分提取策略,并通过统计模拟和实例分析比较了它们的合理性和有效性。主要研究结论如下:(1)PCA-BCIT检验方法的结果与PCA-LRT检验方法及Armitage趋势检验等方法相比,更加可信、检验效能更高。(2)对于SES,CAES,COES和CES四种不同的主成分提取策略:①SES主成分提取方法的检验效能十分低下,实际中不宜采用。②CES,CAES和COES叁种主成分提取方法均较SES主成分提取方法有效。③相比之下,COES主成分提取方法较CES和CAES两种主成分提取方法更为合理,更符合病例对照研究的基本原理。(3)PCA-BCIT检验方法较其他常规方法及PCA-LRT检验方法具有更高的实际应用价值,值得在关联分析中推广应用。特别是在研究者着眼于分析“整体基因”与疾病表型的关联性,进而构建遗传交互网络时,该方法具有明显的优势。第二章基于典型相关理论的整体基因之间交互作用的统计推断方法研究:本章在“整体基因”的概念基础上,论证了“生物学意义的交互作用”与“统计学意义的交互作用”的辩证统一性,并基于典型相关理论构建了检验整体基因之间的交互作用的CCA-U统计量。经过统计模拟和实例分析,主要结论如下:(1)CCA-U统计量近似服从正态分布,是一种有效的检验整体基因之间的交互作用的统计推断方法。(2)CCA-U统计量的优越性体现在:①与传统的Fisher方法相比,CCA-U统计量基于典型相关理论,着眼于分析两个整体基因之间的交互作用,而不是将基因与基因之间的交互作用笼统地作为两个基因主效应的剩余部分,因此具有更清晰的生物学解析。②与MDR方法、logistic回归分析、基于LD的统计量以及基于熵的统计量相比,CCA-U统计量不是检验单个SNP-SNP之间的交互作用,而是以整体基因为单位检验两整体基因之间的交互作用,有利于在此基础上构建遗传交互网络。③与logistic回归分析、基于LD的统计量以及基于熵的统计量相比,CCA-U统计量采用典型相关分析提取整体基因内的综合信息,有效地降低了自由度,避免了多重校正问题,提高了检验效能。④与基于LD的统计量等方法相比,CCA-U统计量以具有完整功能的整体基因作为单位检验基因之间的交互作用,因而无需考虑标记SNP之间的连锁不平衡现象对基因交互作用的混杂。(3)CCA-U统计量的适用条件:①一般情况下,交互作用量(r_D-r_C)大于0.1时,样本含量在1000之内便可达到可接受的检验效能。②当病例组和对照组中两整体基因之间的相关性r_D和r_C均较大(min(r_D,r_C)＞0.3)时,即使样本含量较小,CCA-U统计量的检验效能也较高。③CCA-U统计量对不同的遗传交互作用模型不敏感,适用于各种遗传交互作用模型。(4)与传统方法相比,CCA-U统计量的分析结果更加有效。对于两个基因之间的交互作用:①当基于LD的统计量或logistic回归分析不能检测出两基因内的任何两两标记SNP之间存在交互作用时,CCA-U统计量仍可以检测到两基因之间存在整体交互作用。②当基于LD的统计量或logistic回归分析检测到两个基因内的标记SNP之间存在交互作用时,CCA-U统计量也可以检测到两基因之间存在整体交互作用。③仅个别情况下,特别是当样本含量小时,CCA-U统计量的检验效能降低。(本文来源于《山东大学》期刊2009-05-20）
彭倩倩,薛付忠[5]（2009）在《permutation-PCA方法在病例对照关联分析中不同遗传模型下的表现》一文中研究指出目的提出一种基于置换检验(permutation test)和主成分分析(PCA)的检验方法-permutation-PCA。探讨在病例对照关联分析中permutation-PCA在不同遗传模型下的表现。方法基于"首吸飘感"对照组数据分别模拟产生7种不同遗传模型下的病例对照基因分型数据,采用permutation-PCA方法对模拟数据进行检验,并进一步用permuta-tion-PCA方法检验"首吸飘感"基因分型实际数据。结果Permutation-PCA方法对7种不同遗传模型假设下的模拟病例对照基因分型数据的检验结果差异均具有统计学意义(P均<0.05)。Permutation-PCA方法对于"首吸飘感"基因分型实际数据的检验结果差异具有统计学意义(P<0.05)。结论Permutation-PCA方法对不同遗传模型假设不敏感,适用于复杂疾病关联分析中病例对照基因分型数据的研究。(本文来源于《山东大学学报(医学版)》期刊2009年03期）
朱文圣,郭建华[6]（2006）在《病例-对照研究中基因型不确定时单倍型关联分析的似然方法》一文中研究指出从荧光强度数据出发研究疾病与单倍型之间的相关性．利用基于混合t 分布的聚类算法得到了每个个体的所有可能的基因型(“基因图谱”),根据所有这些可能的基因型考虑基于单倍型的logistic回归模型,并且给出了一个研究疾病与单倍型之间相关性的似然方法,通过进一步的模拟研究发现该似然方法减小了基因型测量误差给单倍型关联分析带来的影响．(本文来源于《中国科学(A辑:数学)》期刊2006年04期）
黄颐,刘协和,李涛,郭兰婷,孙学礼[7]（2001）在《5-HT 102T/C多态性与Tourette综合征的病例对照及核心家系关联分析》一文中研究指出目的 研究 5 -羟色胺受体 10 2 T/ C多态性是否与 Tourette综合征 (TS)相关联。方法 对15 7个核心家系样本采用病例 -对照关联分析、传递不平衡检验方法、聚合酶链反应及 RFL P等技术 ,根据TS与强迫症 (obsessive compulsive disorder,OCD)的同病现象 ,将 TS划分亚组进行与 5 -羟色胺受体10 2 T/ C多态性的关联分析。结果 合并 OCD的 TS与该位点的基因型 10 2 C/ C(χ2 =8.38,P=0 .0 0 4)及等位基因 10 2 C(χ2 =4.84,P=0 .0 2 8)存在关联 ,进一步采用传递不平衡分析 ,发现合并《美国精神疾病诊断和统计手册 》诊断标准的 OCD的 TS与该位点存在关联或连锁不平衡 (χ2 =5 .12 ,P=0 .0 2 ) ,而在 TS总体样本及单纯 TS样本中未发现与该位点的关联。结论 5 -羟色胺受体 10 2 T/ C多态性与中国人群合并OCD的 TS存在关联 ,合并 OCD的 TS可能是 TS中相对独立的一个亚型(本文来源于《中华医学遗传学杂志》期刊2001年01期）
病例对照关联分析论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的探讨中国汉族人群系膜增生性肾炎与TCRCα基因+1592C/T多态性的相关关系。方法用PCR-RFLP法和PCR产物直接测序法鉴定基因型,采用病例-对照的方法。结果 280例患者中,TCRCα+1592C/T存在叁种基因型,CC基因型为多见,CC∶CT∶TT=213∶65∶2,IgA肾病组与192例正常对照组相比较,不论是基因型还是等位基因,均未发现差异有统计学意义(P>0.05)。结论中国汉族人群中,系膜增生性肾炎可能与TCRCα基因+1592C/T的遗传易感性不相关,TCRCα基因+1592C/T可能不是系膜增生性肾炎的疾病传递不平衡连锁基因碱基位点。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
病例对照关联分析论文参考文献
[1].修良昌,覃继恒,赵小蕾,饶绍奇,丁元林.病例对照研究中基因型关联分析方法的比较[J].科技资讯.2016
[2].李仕良,林栩,王洁,杨发奋,尤燕舞.T系膜增生性肾炎与TCRCα基因+1592C/T多态性的病例-对照关联分析[J].右江医学.2010
[3].田佳男.病例—对照关联分析中的精确检验及其应用[D].中国科学技术大学.2010
[4].彭倩倩.群体病例对照研究设计的整体基因关联分析统计推断方法研究[D].山东大学.2009
[5].彭倩倩,薛付忠.permutation-PCA方法在病例对照关联分析中不同遗传模型下的表现[J].山东大学学报(医学版).2009
[6].朱文圣,郭建华.病例-对照研究中基因型不确定时单倍型关联分析的似然方法[J].中国科学(A辑:数学).2006
[7].黄颐,刘协和,李涛,郭兰婷,孙学礼.5-HT102T/C多态性与Tourette综合征的病例对照及核心家系关联分析[J].中华医学遗传学杂志.2001