全基因组关联分析中混合模型的原理、优化与应用

全基因组关联分析（genome-wide association study,GWAS）是定位基因组中与性状显著关联的变异位点的有效方法。随着表型记录的完善、高通量基因型分型技术的发展,以及统计方法的改进,全基因组关联分析在人类疾病、动物植物遗传等领域得到了广泛的应用。假阳性是影响全基因组关联分析结果可靠性的重要因素之一。为了控制假阳性,除了校正P值,GWAS模型从最简单的方差分析（或用于质量性状的卡方检验）到加入固定效应协变量的普通线性模型（general linear model,GLM）,再到加入随机效应的混合线性模型（mixed linear model,MLM）持续改进,控制了多种混杂因素导致的假阳性。将个体的遗传效应拟合为由基因组亲缘关系矩阵（genomic relationships matrix,GRM）定义的随机效应是目前常用的方法。由于MLM的参数估计大量消耗计算资源,研究人员不断尝试模型求解优化和GRM的构建优化（GRM的构建优化同时也提高了计算效率）,最终将基于MLM计算的时间复杂度由O(MN3)逐步改进到O(MN),实现了计算速度与统计功效的飞跃。针对质量性状...