length=size(x,2)
pi0=0.4
p0=0.6
q0=0.7
pi=zeros(1,length)
a=zeros(1,length) %mu和xi的乘积
b=zeros(1,length) %1-mu和xi的乘积
p1=zeros(1,length)
p2=zeros(1,length)
mu=zeros(1,length)
for i=1:length%i从1开始
mu(i)=(pi0*(p0.^x(i)))*((1-p0).^(1-x(i)))/((pi0*(p0.^x(i)))*((1-p0).^(1-x(i)))+((1-pi0)*(q0.^x(i)))*((1-q0).^(1-x(i))))
a(i)=mu(i)*x(i)
b(i)=(1-mu(i))*x(i)
end
pi=sum(mu)/length
p1=sum(a)/sum(mu)
p2=sum(b)/sum(1-mu)
大量SNP标记的出现,使以单个标记为中心的关联分析方法逐渐转变成以单倍型为主的关联分析方法。以单倍型为主的分析方法的首要问题是如何获取单倍型。通过实验手段获取单倍型成本较高,利用基因型数据通过单倍型推断获取单倍型是当前首选方法。 针对一般系谱和紧密连锁的SNP标记,本研究提出了一种快速和准确的单倍型推断方法。该方法通过三步六条规则,利用亲子关系确定有序基因型,逐步剔除多余的单倍型,最后通过最大似然法确定单倍型组合。利用SIMPED程序模拟数据验证在不同系谱大小,不同标记数目和不同标记基因型缺失率等参数组合条件下欢迎分享,转载请注明来源:内存溢出
评论列表(0条)