贝叶斯错误发现率在分子流行病学中的应用*

齐齐哈尔医学院公共卫生学院流行病与卫生统计学教研室(161006)

葛 杰 贾月辉 韩云峰 谢志平 王 琪 郑 毅 李继媛 杨晓蕾△

【提 要】 目的 探讨贝叶斯错误发现率(bayesian false-discovery probability，BFDP)在分子流行病学研究中的应用。方法 从理论和实际应用的角度说明BFDP的优势及不足，采用R阐述BFDP的计算方法。结果 BFDP同时考虑了单核苷酸多态性的最小等位基因频率及其与疾病的关联强度，其相对于假阳性报告率(false positive report probability，FPRP)而言具有计算简单、应用信息全面、方法学合理等优势。结论 BFDP可以应用于SNP的筛选，但结果与真实情况可能存在一定的偏差，尚需进一步进行功能验证以揭示SNP与疾病关联的真实性。

随着高通量测序技术的发展，分子流行病学研究中涌现了大量的基因组数据，因此一些复杂疾病的关联性分析中需要进行假设检验的次数随之增加。显然这样的多重比较会从统计学角度增大假阳性错误的发生概率。为了尽量控制这种假阳性错误又不至于损失数据信息而漏掉一些有意义的结果，目前常用错误发现率(false discovery rate，FDR)、假阳性报告率(false positive report probability，FPRP)，或采用Bonferroni校正以减少假阳性错误的发生[1-3]。但有学者提出这些方法在对全基因组关联(GWAS)数据进行分析时存在一定的弊端，而贝叶斯错误发现率(bayesian false-discovery probability，BFDP)则考虑了数据间的关联性，且相对于FPRP而言具有计算简单、应用信息全面、方法学合理等优势，在分子流行病学研究中日益得到学者的重视和应用[4-5]。

BFDP的定义

在研究遗传变异与疾病的关联研究中，频率论者一般认为无效假设H0是非随机的，因此在计算H0的概率时需采用贝叶斯理论及方法。……