1、“.....张敬言，宋禹昕，张姮妤，张莹，杨润清间断性状关联分析中复杂群体分层的数目。在后续的研究中可以以研究不同群体矫正群体分层的最优主成分数目为目标再拓展该方法的实用性。方法虽然借助软件，但是保持计算内存消耗不大的优势下，又比其自带多协变量回归速度上也极大提高。同时主成分是实现亲缘关系矩阵普分解得到的特征向量，实现亲缘关系矩阵的计算方法有很多，在后续研究中亲缘关系矩阵计算上也可以寻求简化算法。同时从模拟中发现，提出的两种方案在仅仅包含主成分作为协变量时差别不大，这是由于主成分和表型值间的关系不大，但是假如协变量和表型值间的回归系数远大于时会极大的影响自带的考虑主成分作为协变量的广义线性模型分析时，随着同时考虑的主成分增加，虽然内存占用没有增多，但方法所需时间会随之大大增加。新方法即使同时考虑个协变量......”。

2、“.....比自带功能速度快多倍。因为底层程序逻辑不同，语言的程序慢于语言编写的软件，所以表中没有对比这种方案和软件的速度。表不同方法在关联分析人的个所需的计算时间和峰值内存讨论通过以上的研究，展示了快速的广义线性模型的主成分回归法可以很好的矫探讨间断性状关联分析中如何矫正群体分层代数论文性心脏病疾病使用个主成分作为协变量的模型法的曼哈顿图与图图使用广义线性模型法分析类风湿关节炎疾病群体时的统计量膨胀在图上的体现，左图为右图浅红色区域的放大图类风湿关节炎疾病使用个主成分作为协变量的模型图使用广义线性模型法分析型糖尿病疾病群体时的统计量膨胀在图上的体现，左图为右图浅红色区域的放大图型糖尿病疾病使用个主成分作为协变量的模型的曼哈顿图与图图使用广义线性模型法分析型糖尿病疾病群体时的统计量膨胀在图上的体现......”。

3、“.....表基于矫正协变量的模型算法在组数据定位值超过阈值潜在的个数冠状动脉粥样硬化性心脏病疾病群体结果在冠状动脉粥样硬化性心脏病疾病群体中，采用个作为协变量明显的矫正了检验统计量的膨胀，这令我们的结果的基因组控制值十分接近。类风湿关节炎结果类风湿关节炎群体中，检验统计量膨胀不如冠状动脉粥样硬化性心脏病疾病群体明显，但是采用个主成分作为协变量仍然无法完全矫正群分别等于，和，这两点表明群体内存在明显的群体分层需要矫正。而后种方法的图几乎完全致的重合且前端都很好的贴合理论线，基因组控制值也都在附近，这说明这几种方法均没有出现明显的假阳性或者假阴性。在检测效力上除了在模拟个时扩展矫正协变量的模型算法的蓝色会有极其微小的提高外其他情况种方法均完全重合，这说明了只采用主成分作为协变量时......”。

4、“.....且在只有主成分作为协变量时，我们提出的两种方案结果模拟的基因型数据集是来自康奈尔大学的株玉米群体，经过质量控制后有位点，模拟由对系谱中的每个个体，在定长度的染色体片段上，按照重组率生成中等密度和高密度的遗传标记基因型，同时，在给定多个或标记的位置和对数量性状的效应值剩余多基因永久环境和误差方差组分的条件下，随机产生个体目标性状的表型值。由于试验主要研究在的位置和遗传效应发生变化时，新方法的性能如何在每轮的模拟过程中，模拟基因组遗传力固定为不变，保持固定的样本发病率比例为，的数目分别设定为个个和个个水平，不同数目的简单线性回归样会受到群体分层导致检验统计量的膨胀的影响。是个被广泛使用分析复杂疾病数据软件，虽然版本的绝大多数情况都是分析数据高效而稳定，但当使用上百个主成分矫正分层时，计算速度大大下降同时在水平很多的分类协变量时，需要转换为多个进制虚变量......”。

5、“.....最后如果分析的协变量和表型值之间相关极大时，的回归模型中协变量的回归系数会远大于，这导致标记的效应的估计值降低。针对这些问题描述了种回归能够同时修正大量协变量的高效算法，我们扩邦大国家血液服务机构招募的献血者。其中总样本包含人，其中名男性，名女性，名患病个体和名对照个体。经过质量控制，关联分析了个。探讨间断性状关联分析中如何矫正群体分层代数论文。采用推断卡方统计量，推断与疾病性状关联此处，赞是被检验标记的回归项，这个统计量服从自由度为的卡方分布。考虑多个协变量快速基因组广义线性模型考虑群体分层时，通常以亲缘关系矩阵的前个特征向量∶作为模型的协变量去矫正由群体分层导致的分层效应，基因组广义线性模型变为由于特征向量间相互独立，量之间的尺度不同，无法简单估计疾病表型的剩余误差，这就需要将广义线性模型中的回归用于这类性状的全基因组关联分析......”。

6、“.....回归仍然和简单线性回归样会受到群体分层导致检验统计量的膨胀的影响。是个被广泛使用分析复杂疾病数据软件，虽然版本的绝大多数情况都是分析数据高效而稳定，但当使用上百个主成分矫正分层时，计算速度大大下降同时在水平很多的分类协变量时，需要转换为多个进制虚变量，这也无形的增加了需要同时分析的协变量数目。最后如果分析的协的遗传标记基因型，同时，在给定多个或标记的位置和对数量性状的效应值剩余多基因永久环境和误差方差组分的条件下，随机产生个体目标性状的表型值。由于试验主要研究在的位置和遗传效应发生变化时，新方法的性能如何在每轮的模拟过程中，模拟基因组遗传力固定为不变，保持固定的样本发病率比例为，的数目分别设定为个个和个个水平，不同数目的被随机地放置在模拟基因组的全部多态上，而且从形状和尺度参数分别为和的伽马分布中，随机抽取每个模拟的遗传效应......”。

7、“.....抗病和异常行为是探讨间断性状关联分析中如何矫正群体分层代数论文展了功能，让它可以高速实现。材料和方法材料试验数据群体研究的核心包括的种疾病，有冠心病类风湿性关节炎型糖尿病和型糖尿病。每种疾病的病例样本都是从英国各地随机选择的人群。这些试验的控制组有两个来源份是年英国出生队列的代表性样本，份是英国联邦大国家血液服务机构招募的献血者。其中总样本包含人，其中名男性，名女性，名患病个体和名对照个体。经过质量控制，关联分析了个。探讨间断性状关联分析中如何矫正群体分层代数论文关性，。许多动植物的这类性状可以以数量性状的形式定量统计和描述，例如玉米对赤霉素感染的抗性可以用接种节间感染面积占总面积的比例表示，而水稻对稻瘟病菌感染的抗性则通过病损植株的数目占总植株的比例表示。然而大部分元响应变量的性状无法定量表示这类性状，与正态分布的数量性状用剩余误差作为矫正的表型不同......”。

8、“.....无法简单估计疾病表型的剩余误差，这就需要将广义线性模型中的回归用于这类性状的全基因组关联分析。即使校正了些临床固定效应协变量，回归仍然和的模型算法，自带的矫正协变量的模型算法，基于矫正协变量的模型算法和扩展矫正协变量的模型算法。从图上半部分的图可以看出直接运行的模型算法的黄色线明显从起始位置就开始上扬，并且平均基因组控制值分别等于，和，这两点表明群体内存在明显的群体分层需要矫正。而后种方法的图几乎完全致的重合且前端都很好的贴合理论线，基因组控制值也都在附近，这说明这几种方法均没有出现明每个协变量的回归系数可以分别估计为赞∶。不像正态分布的数量性状那样用剩余误差作为矫正的表型，因为自变量和因变量之间的尺度不同无法估计疾病表型的剩余误差。因此，我们把∶赞∶作为已知的协变量，只需要用∶赞∶去代替后......”。

9、“.....间断性状如复杂疾病，抗病和异常行为是基因定位的重要目标性状，尽管这类可遗传的性状表型值由进制或不连续的数字表示，但它们的遗传并不能通过简单的孟德尔遗传解释，基因定位时同样应考虑除检测标记外的群体分层，家系结构和亲缘量和表型值之间相关极大时，的回归模型中协变量的回归系数会远大于，这导致标记的效应的估计值降低。针对这些问题描述了种回归能够同时修正大量协变量的高效算法，我们扩展了功能，让它可以高速实现。材料和方法材料试验数据群体研究的核心包括的种疾病，有冠心病类风湿性关节炎型糖尿病和型糖尿病。每种疾病的病例样本都是从英国各地随机选择的人群。这些试验的控制组有两个来源份是年英国出生队列的代表性样本，份是英国联基因定位的重要目标性状，尽管这类可遗传的性状表型值由进制或不连续的数字表示，但它们的遗传并不能通过简单的孟德尔遗传解释，基因定位时同样应考虑除检测标记外的群体分层......”。