首页 > 遗传 > SNP密度对亲缘关系推断效能的影响及IBS算法的机器学习优化

SNP密度对亲缘关系推断效能的影响及IBS算法的机器学习优化

SNP density impact on kinship inference and IBS-machine learning optimization

二维码有效期 120s

摘要近年来,法医遗传领域报道了多个包含不同数量单核苷酸多态性(single nucleotide polymorphism,SNP)组合(panel)用于亲缘关系推断,但 SNP 位点数量对推断效能的影响及机器学习算法的应用缺乏系统探索.为此,本研究评估了 SNP 位点数量对亲缘关系推断效能的影响及机器学习方法对状态一致性(identity-by-state,IBS)算法的优化效果.首先,构建位点数量在 15,476～20,838 范围内的多个 SNP panel,基于模拟家系评估似然比法和 IBS 算法在不同位点数量下的亲缘关系推断效能.在筛选出最优 SNP panel 后,利用真实家系进行验证,并进一步将 IBS 算法与机器学习方法结合以提升推断效能.结果显示,似然比法在六级和七级亲缘关系推断中的灵敏度与位点数量呈显著正相关.IBS 算法四至七级亲缘关系推断的灵敏度虽然与位点数量呈显著正相关,但实际提升幅度有限(仅提升 0.5%～2.2%).基于上述结果,本研究确定了包含 20,838 个 SNP 位点的最优 panel(21K panel).21K panel 基于似然比法可准确推断六级以内亲缘关系(六级亲缘关系推断灵敏度为 93.65%);基于 IBS算法可准确推断三级以内亲缘关系(三级亲缘关系推断灵敏度为 86.79%).IBS 算法结合机器学习后,四级亲缘关系推断灵敏度从69.10%提升至87.66%,五级和六级亲缘关系推断灵敏度分别从38.03%和21.41%提升至48.75%和 37.80%.