文摘

在苏格兰民族党上位是普遍的交互。一些现有方法的重点是构造模型的两个单核苷酸多态性。其他方法只找到一个目标函数的单核苷酸多态性在考虑。在本文中,我们提出一个统一的快速集成框架的自适应蚁群优化算法和多目标函数检测SNP在GWAS上位数据集。我们比较我们的方法使用合成数据集和与其他现有方法该方法适用于晚发性阿尔茨海默病的数据集。我们的实验结果表明,该方法优于其他方法在上位检测,和真实的数据集的结果有助于疾病机制的研究。

1。介绍

伴随着基因组学和基因芯片技术的快速发展,全基因组关联研究(GWAS)预测大规模基因变异有关的复杂特征(1,2]。虽然这种方法取得了巨大的成功。它只能解释一小部分复杂疾病下的机制称为“失传现象”(3]。也就是说,GWAS的边际遗传效应确定单核苷酸多态性(snp)占致病性的一小部分原因。single-locus snp相关疾病(4),GWAS可以识别snp负责疾病特征。然而,复杂疾病常常是由于小的和复杂的大型单核苷酸多态性的影响,如2型糖尿病(5)、前列腺癌和类风湿性关节炎(RA) (6]。越来越多的研究表明,上位存在snp交互。许多单核苷酸多态性相互作用的过程中,影响疾病的特征(7]。有些单核苷酸多态性会影响他人的疾病和主导作用。的关系一个SNP压抑的影响另一个SNP称为上位。在许多复杂的人类疾病,上位在复杂的人类疾病的影响尚不清楚。拟议的SNP相关疾病的方法可能表现不佳,由于未能确定上位。

在过去的十年中,提出了很多方法来检测上位。一些方法集中在两个特定的单核苷酸多态性之间的互动。Zhang et al。8)提出了一种贝叶斯上位eQTL模块划分方法。康等。9]提出了四种不同的模型来衡量两个位点之间上位效应,提出了统计推断策略层次关系。最近,林等。10]报道45 SNP-SNP交互模型通过考虑继承模式和模型结构。尽管这些方法已成功地研究两个单核苷酸多态性之间的上位。GWAS数据高维度数据包含数十万甚至百万单核苷酸多态性;同时,GWAS数据只包含几十个或几百个个体样本数据,例如,少量样本数据和高维度特征;它需要大量的时间来确定每一对之间的交互的单核苷酸多态性(11- - - - - -13]。的计算负担。

越来越多的机器学习方法应用于研究上位。提出了许多方法来模拟上位效应从整体的角度数据。摩尔et al。14]运用回归方法来确定基因表达和上位效应之间的关系。迈克尔et al。15)应用贝叶斯网络来识别网络从最初的单核苷酸多态性数据上位效应。这些方法虽然解决了一些问题,他们仍然没有显示显著影响大规模的全基因组关联研究的数据集由于相同的“高维小样本大小的问题。”快速发展的多目标优化方法和机器学习纪律,蚁群优化(ACO)算法应用于上位的研究。王等人。16]提出AntEpiSeeker;AntEpiSeeker结合蚁群优化的启发式搜索来确定主导其他snp的snp。在真正的类风湿性关节炎数据集的实验结果表明,相对于传统方法,AntEpiSeeker比其他方法好。这种方法的缺点是,其他方法显示不同的性能在不同的疾病模型。张,刘17)开发了贝叶斯推理方法确定上位相互作用的病例对照研究。然而,梁法需要大量的时间在GWAS的数据集。在本文中,我们扩展研究SNP上位的快速自适应蚁群优化算法检测SNP上位。我们搜索SNP上位以供应点和快速自适应蚁群优化功能。

几个实验模拟数据显示我们的方法的良好性能。我们也把我们的方法与基准的方法,包括梁、通用的算法,和AntEpiSeeker。实验结果表明,我们的方法具有更好的性能在GWAS数据集包含上位效应在snp。

2。方法

2.1。蚁群优化

在人工智能的研究和大规模的解决问题,蚁群优化(ACO)算法在本质上是受蚂蚁搜索食物的行为。假设食品搜索路径构成图;蚁群优化算法可以减少时间的搜索路径图(18]。该算法与其他蚁群优化算法是一种群体智能方法,它的成员metaheuristic优化。提出了马克•多日蚁群优化算法在1992年在他的博士论文。GWAS的数据集,数据集通常包含成千数百数以百万计的snp。这不是可行的识别每一对单核苷酸多态性的关系在一个可接受的时间内。ACO算法来减少使用穷举搜索的复杂性。在昆虫王国,在寻找食物的过程中,蚂蚁看起来随机走,来回的寻找食物,蚂蚁会离开路径上的信息素。如果路径是发现的其他蚂蚁,蚂蚁倾向于遵循的路径而不是随机行走;更进一步,如果他们通过这个路径找到食物,他们也将离开信息素;这条路径上的信息素值提高。 Subject to other factors in nature, pheromone value starts to evaporate and the path’s attractive strength starts to decrease. The longer the path is, the more the time the ants are looking for food. As a comparison, the time the ants take to walk through the short path is greatly shortened, and pheromone values will be larger on shorter paths than longer paths. Pheromone evaporation results in dynamic changes in the path. Path dynamic changes can avoid the convergence of solutions to a locally optimal solution. If there is no pheromone values evaporation, the food search path selected by first ants would tend to be the only path or the most attractive path. This phenomenon will lead to limitation of the solution space. The mechanism of pheromone evaporation in ant colony is unclear, but pheromone evaporation is a very important application in artificial intelligence systems. Though the ant colony optimization algorithm has achieved great success in application [19- - - - - -21]。

旅行推销员问题(TSP)是一个问题与一些城市和城市的每一对之间的物理距离。问题是什么是最短的路径旅行推销员拜访每个城市一次,最后回到原点吗?假设有 城市;有 这个问题的解决方案。可行的解决方案将增加指数当城市数量的增加,使得计算不切实际。显然,这是一个np难组合优化的问题。

假设 蚂蚁随机放置在 城市,kth的蚂蚁 th城市;的概率如果蚂蚁选择下一个城市 是 在哪里 表明盈余信息的路径 在时刻t。 表示启发式函数。 表示城市之间的物理距离 和城市j。 表示城市集表示蚂蚁 参观过。 表示的集合城市蚂蚁 可以参观下。

随着时间的推移,后 时刻,蚂蚁完成一个周期;每条路径的信息应该根据调整 在哪里 表示信息的增量路径 在这种循环。 在哪里 表明蚂蚁k在这个循环的路径。 表明蚂蚁的路径长度 在这个周期。需要确定的参数 ;蚂蚁的数量小于或等于城市数量;问是一个大型的合适的号码。ACO总是用于大规模数据问题。然而,缓慢的应用仍然是一个瓶颈大规模搜索优化问题的蚁群算法。信息素更新策略的关键之一是确定收敛速度。

应用蚁群优化过程中的具体问题,应该尽可能大的搜索空间。同时,算法应该考虑时间效率。算法应该平衡的最优解决方案,解决的速度。先前的研究的基础上(22- - - - - -24]。我们只考虑信息素的蒸发因素 和信息素因子重要性 。在(2), 是用来平衡旧信息素值和当前信息素值的影响。当 太小,残留信息素值太多,导致当地最低的解决方案。我们采用自适应 当算法并不能提高当前的最优解 迭代。 在哪里 在实践中= 0.85。 等于1.02作为优化参数。信息素值达到临界值时,信息素重要性因素开始发挥作用。随着信息素的增加因子重要性 ,该算法跳出局部最优解和搜索全局最优解的能力。 在哪里 是一个常数大于一个, 小于或等于5。在计算的过程中,首先,我们遵循标准的蚁群优化算法 迭代。 是预定义的数字。如果不改善当前的最优解 迭代更新参数根据公式(4)和(5)。然后根据更新所有信息素值(2)。

鉴于信息素值和转移规则,我们可以利用蚁群优化算法找到一群单核苷酸多态性影响疾病。假设有 单核苷酸多态性在全球全基因组关联研究的数据集,我们可以构造一个p维对称矩阵 存储每个蚂蚁的信息素值。的元素 的矩阵 表示相关疾病之间的相互作用 th SNP和jSNP。一开始我们的方法,矩阵的每个元素 是分配给一个固定的值 ;等值显示了每一对snp的上位,有平等的可能性单核苷酸多态性与疾病之间的关系。

在最后的信息素迭代,ACO算法获得最优的解决方案,通过选择策略。摘要ACO算法的优点是,结果包含nondominated解决方案的潜在等价的可能性和潜在的与疾病相关的强度最高,省略主导解决方案。

传统的蚁群优化算法的缺点是搜索时间长,容易陷入局部最优解。这种工作模式的缺点是,当前信息素蒸发因素和信息素是预定义的重要因素。作为一种改进策略,我们扩展蚁群优化的“动态自适应策略”。这种策略的优点是收敛速度快,搜索全局优化的解决方案。与传统算法相比,新战略可以提供更准确的结果。

2.2。以供应点函数优化

蚁群优化的结果需要被评估。我们将以供应点的方法来评估最终上位的结果。一般来说,一个以供应点功能结合Akaike信息准则(AIC)评分和逻辑回归函数来衡量表型性状和基因型之间的关系数据;Akaike信息则显示模型的有效性和复杂性(25,26]。在我们的方法中,标准的逻辑回归的基础上,遵循北方et al。27策略,我们使用ADDINT逻辑回归模型来搜索疾病和SNP节点之间的关系。第二个目标函数使用频率测量基于互信息理论模型的基因型数据之间的关系和表型特征从信息理论的角度。第二目标函数用于表示选中的SNP子集可以解释多少信息是关于疾病特征。我们建议的方法获得信息从数据而不是大量的先验信息。上述以供应点功能设计从不同的角度衡量搜索结果的质量,和仿真数据的实验结果表明,以供应点函数比其他方法更好的性能模拟和真实的生物数据集。

为了避免坏的影响高维小样本大小问题,抵抗疾病snp识别被称为启发式优化问题。在我们的方法中,该方法产量最优解是nondominated解决方案;提出了以供应点函数方法实际上是一种多目标优化;该方法利用蚁群优化搜索最优解(28]。

我们建议的快速自适应算法框架包含两个阶段。在第一阶段,我们使用修改后的路径优化算法以供应点功能搜索nondominated SNP子集。生成nondominated SNP子集后,我们应用Fisher精确检验(29日,30.]数据集包含nondominated SNP第一阶段中生成算法。Fisher精确检验将被用来识别疾病和单核苷酸多态性之间的关系。

2.2.1。AIC得分

Akaike信息准则(AIC)是用来测量数据统计模型的质量。AIC从信息理论,估计损失的信息统计模型时用来表达数据生成过程。Akaike信息的机制则是它处理之间的权衡模型的拟合优度和模型的复杂性。AIC的性质的基础上,我们构建AIC模型从GWAS的角度数据集。我们的方法的目的是衡量疾病基因组的基因型数据和表型之间的关系特征。逻辑回归被广泛用于定量分析因变量与自变量之间的相关性。基于上述方法,我们构造AIC评分包含逻辑回归模型和梯度罚函数。逻辑回归计算模型的最大化对数似;k是用来表达自由参数的数量。AIC分数处理之间的权衡的健身效应模型和模型的复杂性。我们遵循精和沈28策略: 在哪里 表示自由参数的数量。

2.2.2。解释分数

在GWAS研究中,两个位点与疾病之间的关系,在SNP的研究中,每个位点有三个值,0、1和2;0意味着主要的等位基因纯合,1是杂合子,和2意味着小等位基因纯合子(31日]。两个位点,有9例组合;疾病相关的SNP位点通常当疾病发生的变化。双轨迹的组合, 意味着的数量 th两个SNP位点的组合,Y意味着案件或控制状态, 意味着状态情况下, 意味着国家控制。两个离散随机变量的潜在关系 和 被定义为 ;轨迹组合和疾病之间的关系是基于测量轨迹的信息频率。 被描述为如下: 在哪里 意味着轨迹组合的总数。为了避免不平衡样本,大小会影响得分。例如,如果数据大小的情况下比控制,我们从案例中提取相同大小的控制数据随机样本。为了避免随机性的影响,我们多次提取样本和平均结果。大的价值 意味着疾病和单核苷酸多态性之间的潜在关联概率大。方程也适用于两个以上位点的组合。我们命名这个分数解释分数。

2.3。帕累托最优的SNP上位检测

帕累托最优定义了这种情况。帕累托最优,提出了解决下列问题,是不可能使所有目标函数值多目标优化的最优值(32,33]。帕累托最优是第一个应用于收入分配和经济领域。现在已经扩展到帕累托最优工程和多目标优化研究。之前提出的方法的基础上,修改后的蚁群优化算法与第一目标函数和第二目标函数,第一个目标函数是AIC与逻辑回归和相关参数;第二个目标函数是解释分数。第一目标函数,目标函数表示的低分数高潜在的疾病表型性状之间的关系和单核苷酸多态性(34]。第二目标函数,得分越高的目标函数表示高潜在的疾病表型性状与单核苷酸多态性之间的关系。快两级蚁群优化算法的目标是找到上位效应中SNP和提取真正的SNP子集对上述提出的方法。

在现实GWAS数据集,确定SNP可能执行最好的子集与其他方法相比的解决方案的一个目标函数,但SNP子集可能表现不佳的另一个目标函数。因此,目标是如何选择更好的SNP子集对两个目标函数。在实际应用程序中,罕见的子集执行比其他解决方案同时满足这两个条件。因此,对于以供应点函数的一个框架,很难甚至不可能计算出全局最优解。先前的研究的基础上(28,34,35),我们采取帕累托最优,找到实际的最优解。我们首先比较两个解决方案,GWAS SNP子集,解决命名 命名,另一个解决方案 ;比较 和 只有两个后果;一个结果是一个解决方案占主导地位;另一个结果是 不占主导地位 ;反过来,解决方案 不占主导地位 。基于帕累托最优的思想,我们考虑 占主导地位 如果他们满足以下两个条件。的值是第一个条件 不高于 对于那些以供应点的功能。第二个条件是目标函数 低于 至少一个目标函数。这个函数 表示目标函数:修改AIC得分目标函数并解释分数目标函数。的 等于1表示第一个目标函数;的 等于2表示第二目标函数。如果解决方案 和 满足上述两个条件,我们说的解决方案 是一个nondominated解决方案;反过来,我们说的解决方案 是一个主导解决方案。基于帕累托最优方法和以供应点功能,以上所有解决方案可以分为两种类型;一个是nondominated组和另一组为主。最后,nondominated集包含许多解决方案和解决方案从我们的方法对以供应点函数;现在我们的目标是找到一套nondominated在一定条件下是最好的。

接下来,我们将使用前面提到的判断规则排序nondominated集找到最优的解决方案nondominated集。具体地说,在第一种情况下, 大于 ;与此同时, 大于 。在第二种情况下, = ;与此同时, 大于 。在第三个案例中, 大于 ;与此同时, = 。

2.4。Fisher精确检验实验结果

Fisher精确检验用于应急表获得统计学意义(36- - - - - -38]。虽然在实践中适用于小尺寸样品,也可以用于所有的样本大小。罗纳德·费雪第一次提出这个方法和Fisher精确检验是一种精确的测试。

GWAS数据集研究文章,的基础上统一的框架包含快速自适应蚁群优化(ACO)算法,Akaike信息准则(AIC)得分,解释分数,和帕累托最优,我们可以获得一套nondominated SNP的最终结果;在本节中,我们将使用Fisher精确检验详尽的搜索上位效应。Fisher精确检验是基于超几何分布;的 Fisher精确检验是准确的价值对于所有个人样本。Fisher精确检验列联表的基础上使用。零假设是确定SNP子集和疾病并不相关。另一种假说是,SNP子集影响疾病的表情当Fisher精确检验的 价值是重要的,当 值小于预定值如0.05或更小的值。我们的方法将识别意义SNP子集。

2.5。功率测试

在前一节中,我们将介绍每个部分我们提出的快速自适应蚁群优化算法检测SNP上位。我们建议统一框架包含快速自适应蚁群优化算法,Akaike信息准则(AIC)得分,解释分数,帕累托最优,修改Fisher精确检验。在本节中,我们介绍如何验证结果的重要性。我们构建100数据集根据同一参数。然后我们使用传统的功率测试测量方法的影响。电源测试定义如下: 在哪里 表示疾病相关的数据集的数量从100年数据集的正确选择。只使用单一测试标准可能不清楚显示结果的质量。我们使用精密召回标准来衡量真正的阳性率和假阳性。已经广泛应用于精密召回标准分类模型评价模型(39,40]。在模式识别和信息检索二进制分类,精度,也称为积极的预测价值,是相关的检索实例的一部分;虽然召回,也称为敏感性,相关实例检索的分数(26]。精度和召回都因此基于相关性的理解和测量。我们使用精密召回标准来确定分类结果是好是坏。精密召回标准可以避免精密召回数量的不平衡问题。在我们的研究中,精度和召回的数量总是大大不同。苏格兰民族党上位的研究而言,精度也被称为积极的预测价值,相当于真正的疾病相关的SNP子集;回忆也被称为敏感性或消极,相当于真正的疾病无关的SNP子集。如果我们只使用一个判断标准,因此假阳性率,单一指标不能明确真正的结果。我们使用假阳性率和真阳性率来衡量真正的结果。这就是为什么我们使用精度和召回。 We also use 分数(也 分数或 回忆测试精度测量)测量精度。的精度和召回将与混淆矩阵(图下1)。


图1
精密召回解释矩阵。

精度,也称为特异性,表示真正的正数比率在结果通过真阳性的数量除以真正数和假正数的总和;精度通常是用来报告假阳性率算法的误报率。召回,也称为敏感性,表示真正积极的配给真阳性和假阴性的总和。SNP的选择问题,回忆值越大,越大的真正的真正的疾病SNP组合可以找到。同时,精度值越大,越大的真正的真正的疾病SNP组合占很大比例的确定了SNP的组合。标准 测量精度和召回的调和平均数,这是一个综合测量精度和召回(41]。

3所示。仿真实验

3.1。相比之下,一个目标函数

在本节中,我们使用模拟数据比较该方法与其他现有方法。为了避免造成数据支持模型,我们采用梁包生成仿真数据集(17]。数据模拟三个遗传模型:( 加性模型, )上位与乘法的交互影响,( )上位相互作用阈值的影响。为了介绍我们的实验中,被称为ADDME添加剂模型。该模型对上位称为EIME与乘法的交互影响。的上位相互作用被称为EITEME阈值的影响。在下一节中,我们将使用短名称显示相应的数据模型。

因为我们的方法是two-objective-based SNP上位的搜索方法,该方法首先,我们比较我们与现有单基于详尽的SNP上位搜索方法来演示以供应点的有效性函数SNP上位子集搜索方法。第二,我们把我们的方法与最近提议方法梁(17)、通用的ACO算法和AntEpiSeeker [16]。在一个目标函数SNP上位搜索方法,目标函数是用来分数每个SNP组合;一般来说,每个SNP的分数组合是不一样的。基于方法的性质,低分表示SNP组合和疾病之间的关系相对较小;高分表明SNP组合和疾病之间的关系相对比较大。然后一个目标函数根据分数排名所有SNP组合。然而,two-objective-based SNP上位搜索方法是找到一组nondominated结果,每个nondominated SNP上位结果的分数是一样的。为了确保公平,对于一个目标函数,我们收集相同数量two-objective-based SNP上位one-objective-based SNP排名最高的搜索方法。比较结果表明,two-objective-based SNP上位搜索方法比one-objective-based SNP上位搜索方法在三个模拟数据模型。两个单的基于目标的SNP上位的搜索方法,结果one-objective-based SNP上位搜索方法与其他类似one-objective-based SNP上位搜索方法。 The simulation data experiment results show the effectiveness of two-objective-based SNP epistasis search method, and the poor experimental results show the insufficiency of one-objective functions. The experiment results are shown in Figure2。图的横坐标2是次要的等位基因频率分配(加),0.1,0.2和0.5。我们生成模拟数据集和研究参数设置后,许多先前的研究17,42- - - - - -44]。为每个模拟数据集参数的组合,我们生成的100数据集包含2000个实验样本(1000例样本和1000控制样本)和1000个snp是模拟。我们通过计算评估算法的性能比实数后确定显著性水平0.01 Bonferroni调整后调整。的参数 将0.3 EIME和EITEME ADDME和0.2。单核苷酸多态性之间的连锁不平衡的参数范围 从0.7到1。


图2
功率测试对比一个目标和以供应点方法在三个不同的模型与加值0.1,0.2和0.5。
3.2。与基准方法相比

后与单目标函数进行比较。我们提出的方法与现有的方法比较。的性能与基准方法相比,我们的方法是评估(45]。在许多先前的研究,作者已经讨论了参数设置问题。在本节中,我们设置的参数根据现有的策略。我们评估FAACOSE的性能与最近的两个方法进行比较,梁,通用的ACO算法,和AntEpiSeeker;以前我们用梁包和参数策略生成模拟数据集。意识到这一事实的通用ACO算法不能选择大SNP集。我们使用模拟数据集介绍部分3.1。我们通过计算评估算法的性能比实数后确定显著性水平0.01 Bonferroni调整后调整。我们产生模拟数据集三个遗传模型:ADDME EIME, EITEME。其他参数数据模拟是有效的大小 衡量边际效应所定义的出面协调等。42),单核苷酸多态性之间的连锁不平衡测量 ,和次要的等位基因频率(加)。 将0.3 EIME和EITEME ADDME和0.2。为 两个值(0.7和1.0)被用于每个模型。加,三个值(0.1,0.2,和0.5)被认为是。梁的参数设置为默认值。AntEpiSeeker的参数设置是大型数据集大小= 6,小数据集大小= 3,算大= 150,算小= 300,上位模型= 2,蚂蚁数= 1000, , , (也可用的软件包文档AntEpiSeeker)。通用ACO算法的参数设置为蚂蚁数= 1000, , , = 100,数(迭代次数)= 900,上位模型= 2。为梁检测能力的比较,遗传算法算法,AntEpiSeeker呈现在图3。结果表明,FAACOSE优于梁各参数设置和通用算法,优于AntEpiSeeker在大多数参数设置。


图3
力量对比现有方法和FAACOSE在三个模型。

在本节中,我们将我们提出的方法和基准的方法。首先,我们使用功率测试来检测有多少真正的SNP子集可以找到与我们提出的方法。其次,我们使用精度,回忆, 分数来评估结果。精度表示总最终确认有多少正确的SNP子集SNP子集。回忆表示对SNP子集的数量确定。 分数是一个用于统计指标来衡量两种分类模型的准确性。它考虑同时分类模型的精度和召回。 分数可以被看作是一个加权平均的精度和召回,最大的是1,最低是0. l。我们展示FAACOSE与其他方法的结果 = 0.7和乘加= 0.2表1。

表1
分数比较FAACOSE和其他方法。

的 得分FAACOSE比其他方法好。我们运行相同的实验数据集具有不同参数的组合。在所有18个数据集FAACOSE最高 得分在15。在真正的GWAS数据集实验中,真实数据集的样本大小是巨大的。方法的效率也要考虑。实验结果表明,我们建议的方法是更有效的方法在现实GWAS数据集。AntEpiSeeker是三种方法中最有效的算法。在不同的数据样本,我们比较运行时AntEpiSeeker FAACOSE。和平均结果,FAACOSE比AntEpiSeeker快30%。

4所示。数据集应用程序真正的SNP

晚发性阿尔茨海默氏症(负载)是阿尔茨海默病的最常见的形式,这是经常发现在人们65岁以上;负载或广告是一种慢性神经退行性疾病通常是不明显的痴呆疾病和缓慢的变化。这是60%到70%的痴呆症病例的原因。最常见的早期症状是很难记住最近发生的事件(短期记忆丧失)。随着疾病的进展,症状包括语言问题,定向障碍(包括容易迷路),情绪波动,失去动力,而不是管理自我保健,和行为问题。负载是一个多因素遗传疾病;其病因和发病机制尚未完全清楚。载脂蛋白(APOE)基因是一个明确的危险因素。APOE基因三种形式。的ε2,ε3,ε4;的影响ε2是正的;ε2能有效预防疾病的发生。已经有研究报告基因变异ε4诱导对疾病的影响。40 - 80%的广告具有至少一个载脂蛋白eε4个等位基因(46]。先前的研究已经报道领域的一些重大snp全基因组关联研究(47]。文献[47)报道,10 GAB2基因的单核苷酸多态性在该地区有一个上位效应与载脂蛋白e4和晚发性阿尔茨海默病的关系。我们应用该方法从网站负载GWAS的数据集https://www.tgen.org/(47]。数据预处理后,真正的生物数据集包含1368个样本(48,49]。其中,836样本识别案例研究;剩下的532个样本是正常的样品(50,51]。每个样本的生物数据集包含309316个snp基因型信息,APOE状态和负载状态(52]。接下来的计算,我们用一个二进制代码APOE基因状态变量;值1表示ε4变种,反过来0的值代表了其他三个变量(53]。一个SNP位点编码为一个四元变量考虑缺失的状态。高潜在负载疾病相关的SNP表所示2。

表2
选择的数量单核苷酸多态性的FAACOSE加载数据集。

5。讨论

在本文中,我们提出了一个新颖的基于蚁群优化的快速搜索方法的发现上位相互作用在现实GWAS大规模数据集。FAACOSE均通过比较现有的三种方法对模拟和实际数据集。FAACOSE采用快速自适应优化过程,是一个修改算法来源于通用算法。以供应点函数,证明快速自适应蚁群优化算法的优点,我们也比较的性能FAACOSE与通用的算法。

在未来的研究中,我们打算找到更多强大的建模方法,蚁群优化算法收敛更快,目标函数可以更好地衡量GWAS数据集的数据结构,更高效的最优SNP子集搜索和识别策略,可以结合起来,灵活地嵌入到我们的SNP上位搜索框架,找到更准确的SNP子集。随着生物信息学的快速发展,越来越多的生物信息识别相关的疾病。越来越多的研究将考虑先验知识。未来一个重要的研究方向,我们将尝试应用专家先验知识GWAS数据集与我们提出的方法,即快速自适应蚁群优化算法检测SNP上位。专家先验知识可以提高上位检测的能力和效率。

的利益冲突

作者宣称没有利益冲突有关的出版。

确认

这项工作在一定程度上是由中国国家自然科学基金(批准号。61520106006,31571364,61732012,61532008,U1611265, 61672382, 61402334, 61472280, 61472173, 61572447, 61672203, 61472282,和61373098)和中国博士后科学基金(批准号。2014 m561513 2015 m580352 m611619 2017和2016 m601646)广西Bagui学者计划专项资金。