[发明专利]高阶SNP致病组合数据检测方法、系统、计算机设备

权利要求书

1.一种高阶SNP致病组合数据检测方法，其特征在于，所述高阶SNP致病组合数据检测方法包括：

数据预处理，利用Plink从VCF文件中读取出PED，MAP格式数据，整理成样本矩阵；

算法参数设置，根据数据中SNP位点和样本量的大小，设置搜索算法参数；

数据读取，将SNP样本数据读入，开始准备第一阶段搜索；

利用混合差分演化算法进行高阶SNP致病组合位点筛选，将和声搜索策略与差分演化算法相结合，旨在有效增强算法的全局搜索能力；该算法中，采用了四个独立的种群，并使用了四个具有互补性的关联性评价函数进行SNP组合的关联性评价；

开始进行优化迭代，直到达到最大迭代次数，算法终止；

迭代过程结束后，合并4个种群的个体，作为第一阶段的筛选结果；

采用改进的G-test统计检验方法进行差异显著性检验，进一步去除不显著的SNP组合；

通过G-test检验的SNP组合被认为是可能的高阶SNP致病组合。

2.如权利要求1所述的高阶SNP致病组合数据检测方法，其特征在于，所述高阶SNP致病组合数据检测方法的算法参数设置有最大进化代数MaxT，种群大小，交叉概率CR，缩放因子F，和声记忆库选择概率HMCR。

3.如权利要求1所述的高阶SNP致病组合数据检测方法，其特征在于，所述高阶SNP致病组合数据检测方法利用混合差分演化算法进行高阶SNP致病组合位点筛选包括：将和声搜索策略与差分演化算法相融合，随机初始化4个大小相同的种群，对其中每个个体，采用四个新型的且互补的关联性评价函数进行关联强度评价，评价函数的定义如下：

(1)互熵：ME(X)＝H(X)+H(y)-H([X,y])；n_i表示该SNP组合的样本中，第i个基因型的数量，n表示所有样本的总数量；

(2)贝叶斯网络：其中，I表示该SNP组合中基因型的数量，J表示疾病状态的数量；n_i表示第i个基因型的总数量，n_ij表示第i个基因型在具有疾病j的样本数量；

(3)正则化联合熵：

表示第i个基因型在正常样本中的数量，表示第i个基因型在疾病样本中的数量；和分别表示X中第j个SNP的第S个基因型在正常样本和疾病样本中的数量；

(4)卡方值的倒数：O_i表示第i个基因型的样本数量，E_i表示第i个基因型的期望数量，采用卡方值而不是卡方检验P-Value，是因为卡方值能够更好地比较解得优劣性，而P-value在样本量较少时，很容易产生假阳性错误。

4.如权利要求3所述的高阶SNP致病组合数据检测方法，其特征在于，所述高阶SNP致病组合数据检测方法采用四个关联性评价函数：互熵，贝叶斯网络，正则化联合熵和卡方值；四个关联性评价函数的值越大表示SNP组合X与疾病状态的关联强度越强。

5.如权利要求1所述的高阶SNP致病组合数据检测方法，其特征在于，所述高阶SNP致病组合数据检测方法采用混合的差分演化搜索策略，该搜索策略采用将两个群体智能优化算法和声搜索与差分演化相结合，增强算法的全局搜索能力。

6.如权利要求1所述的高阶SNP致病组合数据检测方法，其特征在于，所述高阶SNP致病组合数据检测方法采用多种群和多目标函数评价方法，其中，多种群能够保持种群的多样性，增强算法检测多个高阶SNP致病组合的能力；多个关联性评价函数，可以增强算法的通用性，降低对致病模型的偏好性。