[发明专利]性状预测模型制作方法和性状预测方法

说明书

本发明提供一种用于由单核苷酸多态性数据预测性状的表现型的性状预测模型制作方法、以及能够以高的准确率预测性状的性状预测方法。即，一种性状预测模型制作方法，包括：使用在生物的多个个体中使多个单核苷酸多态性与性状对应的单核苷酸多态性数据，将多个单核苷酸多态性分别矩阵表示的工序；将多个单核苷酸多态性基于遗传结构分类为多个类别的工序；对于各个类别，使用矩阵表示和属于类别的单核苷酸多态性的个数计算基因组相似度矩阵的工序；和将基因组相似度矩阵和遗传结构的参数应用于线性混合模型的工序。

技术领域

本发明涉及一种性状预测模型制作方法和性状预测方法。

背景技术

目前，作为使用人基因组信息的表现型预测，着眼于性状感受性多态性，集中研究了仅使用已经被鉴定的感受性多态性预测表现型的方法(V.Lyssenko et al.,N Engl JMed 2008vol.359p.2220-2232；S.Ripatthi et al.,Lanet 2010Vol.376p.1393-1400；C.A.Ibrahim-Verbaas et al.,Stroke 2014vol.45p.403-412)。这些方法具体列举与性状相关的数个到数百个多态性，推定各个多态性的重要性，能够将各个多态性对性状的影响数值化，从这点上说，容易直观地理解。

但是，仅使用感受性多态性这一点是该方法的缺点，是有限度的。这是因为在几乎全部的多因子性状中，在成为实际的原因的感受性多态性中被鉴定的感受性多态性极少。例如，推定能够由遗传因素说明身高的方差中的约80％，但是能够由已知的感受性多态性来说明的方差只不过为5％左右。

因此，非专利文献(D.Speed and D.J.Balding,Genome Research2015vol.24p.1550-1557)中记载了不管是不是感受性多态性都使用网罗性(全基因组)的多态性信息的表现型预测法。即，将多个单核苷酸多态性(Single NucleotidePolymorphism；SNP)分解为多个类别(category)，应用线性混合模型。但是，在该方法中，预测的精度也还不充分。

发明内容

发明所要解决的课题

本发明的目的在于提供一种用于从单核苷酸多态性数据预测性状的表现型的性状预测模型制作方法和能够以高的准确率预测性状的性状预测方法。

用于解决课题的方法

本发明的发明人研究了不管是否为感受性多态性都使用网罗性(全基因组)的多态性信息的统计学处理方法。即，发现：以包含身高或HbAlc检查值的27个量的性状、和包含患有糖尿病或低HDL胆固醇血症的5个质的性状为例，将约100万个多态性作为基因组信息，将性别年龄信息用作调节变量，应用线性混合模型，对性状进行学习而制作预测模型，其结果，该预测与实测值存在高度地相关。这样，我们完成了从基因组信息预测表现型的预测方法。

本发明的一个实施方式为一种性状预测模型制作方法，其使用在生物的多个个体中使多个单核苷酸多态性与性状对应的单核苷酸多态性数据，制作预测多因子性性状的表现型的预测模型，该性状预测模型制作方法包括：将上述多个单核苷酸多态性分别矩阵表示的工序；将上述多个单核苷酸多态性基于遗传结构分类为多个类别的工序；对于各个上述类别，使用上述矩阵表示和属于上述类别的上述单核苷酸多态性的个数计算基因组相似度矩阵的工序；和将上述基因组相似度矩阵和上述遗传结构的参数应用于线性混合模型的工序。上述遗传结构可以为效应量(effect size)和/或等位基因频率(allelefrequency)。