运用贝叶斯网络方法针对精神分裂症的影像遗传学探究

摘要

精神分裂症是一种复杂的多因素的精神疾病，越来越多的研究表明，精神分裂症是由外部环境和基因所共同作用的，其中遗传因素占有很重要的部分。以往在医学上，对于精神分裂症患者的确诊我们仅能通过患者的临床表现和描述来诊断，有一定的误判率，而影像遗传学是由影像学与遗传学相结合构成的，可以用来研究基因信息与脑图像表型的关系，进而可以利用数学方法研究一些复杂疾病患者的大脑结构关联分析和大脑功能连接分析，做出一些可靠性数学判断，提高患者的确诊率。
　　随着影像遗传学的兴起，国内外许多学者对大脑的功能连接分析方面也做出了许多探究，但在以往的脑结构关联分析中，使用候选脑区和候选基因的方法加入了大量的先验信息，而且全脑全基因组的关联分析方法使结果很难得到显著的信号。
　　首先，本文通过定义热簇，从而选出与精神分裂症关联性高的基因和潜在的病变区域;其次，分别对正常人与精神分裂症患者在这16个热簇上建立贝叶斯网络进行因果关联分析，通过比较病人与正常人热簇连接方式不同，通过对热簇的影响基因功能的分析，我们推断特定热簇间显著连接的不同可能为精神分裂症的患病原因，提供了在脑区水平上区分正常人与病人的一个可能性，希望为精神分裂症的研究和治疗提供一定的参考。

目录

声明

致谢

摘要

1．1 精神分裂症的背景知识

1．2 研究现状及存在的问题

1．3 文章写作思路与文章结构

2 热簇的挑选及过程中运用的数学模型

2．1 数据的预处理流程

2．1．1 实验样本本身的预处理

2．1．2 样本脑图像数据预处理

2．1．3 样本的基因数据处理

2．2 基因数据与脑图像数据的关联分析

2．2．1 模型说明

2．3 热簇的分析

2．3．1 热簇的定义

2．3．2 热簇的筛选流程

2．3．3 统计结果展示

2．4 本章小结

3 运用构建贝叶斯网络方法分析热簇间的因果关系

3．1 贝叶斯网络简介

3．1．1 贝叶斯网络定义及相关概念

3．1．2 通过贝叶斯网络判定条件独立

3．2 Path Consistency(PC)算法简介

3．2．1 PC算法的预备知识和统计原理

3．2．2 PC算法

3．3 构建贝叶斯网络

3．3．1 构建贝叶斯网络的数据描述

3．3．2 构建贝叶斯网络的过程和方法

3．3．3 结论及分析

3．4 本章小结

4 总结与展望

参考文献

作者简历

学位论文数据集