基于GWO算法在GWAS数据上检测与复杂疾病相关SNP组合的方法

专利主权项内容

1.一种基于GWO算法在GWAS数据上检测与复杂疾病相关SNP组合的方法，其特征在于，包括以下步骤，且以下步骤顺次进行：步骤S1：载入全基因组关联分析Genome-wide association study ，GWAS数据到内存使用与Boolean Operation-based Screening and Testing，BOOST算法类似的基于二进制的存储方式；步骤S2：根据数据中的样本数计算最大上位性阶数和列联表最大长度步骤S3：初始化狼群初始化狼群中的狼，狼的数目由用户通过参数指定，每一只狼是一个长度为mo的整型向量，向量上的每一个数字代表GWAS数据中某一个single-nucleotide polymorphism ，SNP的索引下标，而每一只狼对应的就是一个SNP组合；步骤S4：更新变异率变异率的计算方式如式(3)所示，它是0到最大变异率mr之间的一个值；
(3)其中，vr是变异率，ns是狼群中所有SNP去重之后的数目，代表了狼群的复杂性，nw是狼群中狼的数目，mr是算法可以接受的最大的变异率，mr变量的值由用户通过参数指定；步骤S5：计算狼群中所有狼的K2、CE、Gini目标函数的值
(4)
(5)
(6)其中，X代表一个SNP组合，Y代表疾病状态，k2(, )是SNP组合X与疾病状态Y之间的K2值，XG是SNP组合的组合基因型集合，YG代表疾病状态的集合，对于GWAS研究，通常样本的状态只有患病与正常，因此YG通常为{0, 1}，一般用0代表正常样本，1代表患病样本，m是样本中组合基因型为x的样本的数目，m是样本中组合基因型为x并且样本状态为y的样本数目；ce(, )是X与Y之间的CE值，p(, )是SNP组合基因型为x并且样本状态为y的样本的数目与样本总数的比例，p(x)是SNP组合基因型为x的数目与样本总数的比例；(, )是X与Y之间的值，p(|)是在所有SNP组合基因型为x的样本中，样本状态为y的样本的占比；XYxx, yXYxyginiXYGiniyx步骤S6：根据K2、CE、Gini目标函数的值以及每匹狼的头狼次数选取三匹头狼，并更新头狼次数；步骤S7：在三匹头狼上检测与疾病相关的SNP组合在每一次狼群中选出三匹头狼之后，针对每一匹头狼，基于K2值反复移除头狼中的噪声SNP，直到不存在噪声，如果最后剩余的SNP的数目大于1，则算法找到了一个SNP组合，并且这个组合中的SNP彼此联系且与疾病状态相关；步骤S8：狼群向三匹头狼移动狼是一个长度为mo的整型向量，每一个整数代表了GWAS数据中一个SNP的下标，检测完三匹头狼之后，对于狼群中其它的狼，向三匹头狼移动，以达到狼群寻优的目的；步骤S9：移动狼群中的每一匹头狼之外的狼，从而完成了一次狼群的移动，而后判断灰狼算法的迭代次数，如果迭代次数到达最大迭代次数，则算法执行完成，将算法记录的结果输出到结果文件，如果未达到最大迭代次数，更新变异率，进入下一次循环。