心理障碍性疾病基因与环境作用的潜变量建模研究

心理障碍性疾病是一类由多个基因与社会心理等环境因素相互作用的多因子复杂疾病，在我国疾病总负担中排名首位，对社会与家庭产生很多负面影响。本项目紧紧围绕心理障碍性疾病基因与环境作用研究中SNPs（单核苷酸多态性）与社会心理因素以及临床症状等测量数据"高维度，多层次，关系复杂"的特点，提出采用潜变量分析方法，并针对潜变量方法在实际应用中存在的问题进行深入探讨。利用多维度潜在类别或潜在特质模型考察SNPs分布特征与整体效应，评价疾病易感性；采用均值结构模型比较不同群组间的临床症状、人格特征、认知模式与特质应对等；通过考察潜变量增长曲线揭示疾病发展轨迹，指导临床治疗实践；整合类别潜变量与连续潜变量，构造混合潜变量模型综合考察SNPs序列与社会心理因素在疾病发生中的效应。本项目的开展可为心理障碍性疾病预防、医疗与发病机制的研究提供重要线索，在统计技术和应用实践上获得双赢。

本项目围绕心理障碍性疾病基因与环境作用研究中SNPs（单核苷酸多态性）与社会心理因素以及临床症状等测量数据“高维度，多层次，关系复杂”的特点，提出采用潜变量分析方法，并针对潜变量方法在实际应用中存在的问题进行深入探讨。主要取得成果包括：（1）潜在类别模型是作为处理分类潜变量发展起来的一种理论体系。系统阐述了潜在类别模型的原理、方法，并重点地对其分析过程，即模型参数化、参数估计、模型识别、拟合优度评价、潜在分类与结果解释等进行了概括与总结。对抑郁患者单核苷酸多态性SNPs（单核苷酸多态性）检测数据进行潜在类别分析，对7个SNPs数据进行“压缩降维”，考察SNPs的潜在分布。（2）探讨了均值结构模型建模思想，同时实现了均值结构模型的多组比较，并将均值结构模型应用于医学研究中。利用抑郁症病例-对照临床研究中的特质应对方式问卷（TCSQ）、社会支持（SSS）量表进行分组比较。（3）构建潜变量增长曲线模型分析心理行为特质发展变化特征。潜变量增长曲线模型是分析纵向数据的新的统计分析技术，可以从个体和组的水平分析数据，既考虑因子的均值也考虑其方差。分析个体临床症状、特质应对、社会支持等随时间发展变化的趋势以及不同特征发展参数之间的关系。（4）贝叶斯网潜类分析既可以有效地体现单体型和高维SNPs的综合效应，又可以充分发挥贝叶斯网络结构分析的特征，分析SNPs复杂的网络结构关系，是分析大规模基因数据的一种有效的方法，为复杂性状疾病遗传以及基因定位等方面的研究提供新的方法支持。本项目针对抑郁症SNPs和GAW17数据，探讨了贝叶斯网隐变量模型的有关理论，包括模型的可识别性，模型的参数估计，模型的结构学习。（5）混合潜变量模型描述的是既包含分类潜变量又包含连续潜变量的数学模型，它综合了因子分析模型与类别分析模型的思想，可以做探索性研究，也可以用于验证性研究，它的构建拓展了潜变量模型的应用范围。本研究采用混合潜变量模型对GAW17中具有分类特征的SNPs数据和数量性状数据，分别进行潜在类别分析和混合结构方程模型分析。本项目为多基因、多位点的SNPS数据提供了有效的分析工具，对群体遗传学研究提供适用有效的分析方法，也为复杂性状疾病的遗传以及基因定位等方面的研究提供方法支持。