广东药学院公共卫生学院流行病与卫生统计学系(510310)

张俊国　刘　丽　李丽霞　张　敏　郜艳晖△



惩罚广义线性模型在遗传关联研究中的应用及R软件实现*

广东药学院公共卫生学院流行病与卫生统计学系(510310)

张俊国刘丽李丽霞张敏郜艳晖△

【提要】目的遗传关联研究中高维数据与日俱增。本文探讨基于岭估计、LASSO和弹性网的广义线性模型在遗传关联研究的应用及软件实现，为高维关联分析提供方法学参考。方法介绍惩罚广义线性模型原理及软件实现方法，并采用模拟的连锁平衡和连锁不平衡的SNPs关联研究数据，以惩罚logistic模型例证R软件glmnet包对广义线性模型的拟合。结果对连锁平衡和连锁不平衡SNPs模拟数据，LASSO与弹性网均给出稀疏解，较好地选择有关联SNPs而剔除无关联变量；而岭估计把所有变量都保留在模型中，模型复杂度高但相应的解释度未增加。结论LASSO和弹性网可对高维遗传关联数据进行有效降维，筛选变量的同时提供参数估计，从而降低模型的复杂度。R软件的glmnet包灵活拟合各类惩罚广义线性模型，可在高通量遗传关联分析中推广应用。

惩罚广义线性模型遗传关联研究LASSO弹性网glmnet包

近年来随着高通量测序技术在遗传流行病学研究中的应用，大量的高维遗传关联数据不断涌现，如动辄成百上千甚至数以万计的SNPs(single nucleotide polymorphisms)数据呈现高维度的特征，给遗传关联统计分析带来极大挑战[1]。在许多情况下，研究中响应变量的分布非正态，且与高维自变量的关系也非线性，因此统计分析可在广义线性模型(generalized linear model，GLM)框架下实现[2]。……