86、基于多元线性回归的标签SNP选择与最小多色子图问题研究

基于多元线性回归的标签SNP选择与最小多色子图问题研究

在生物信息学领域，标签SNP选择和最小多色子图问题是两个重要的研究方向。标签SNP选择有助于提高基因分型和单倍型分析的效率，而最小多色子图问题则在多重PCR引物集选择和群体单倍型推断中有着广泛的应用。

标签SNP选择方法

• 逐步标签选择算法（STA） ：STA从一个初始标签开始，逐步添加最优标签，直到达到指定大小的标签集合。该算法产生的标签集合具有遗传性，即选择的k个标签包含选择的k - 1个标签。STA的运行时间为O(knmT)，其中T是预测算法的运行时间。对于统计覆盖，STA等同于Carlson等人使用的贪心算法。
• 局部最小化标签选择算法（LMT） ：LMT从STA产生的k个标签开始，迭代地将每个单个标签替换为最佳选择，同时不改变其他标签。这种替换将继续进行，直到预测质量没有显著改善（即改善幅度不超过给定的ϵ%）。LMT的运行时间为O(knmTϵ⁻¹)，因为迭代次数不能超过100/ϵ。

实验数据集

为了评估算法的性能，使用了以下数据集：
| 数据集 | 详细信息 |
| — | — |
| 三个ENCODE区域 | 从HapMap ENCODE项目的30个CEPH家系三人组中获得的三个区域（ENm013、ENr112、ENr113），每个区域的SNP基因分型数量分别为361、412和515。 |
| 两个基因区域 | 从HapMap的30个CEPH家系三人组中获得的两个基因区域STEAP和TRPM8，每个基因区域的SNP基因分型数量分