[发明专利]一种整合图像空间信息的基于体素点全基因组关联分析方法

权利要求书

1.一种整合图像空间信息的基于体素点全基因组关联分析方法，其特征在于，包括以下步骤：

(1)收集图像数据和基因数据；

(2)整合图像数据的空间信息：即对目标对象的图像数据进行平滑处理获得整合了图像空间信息的图像数据；

(3)对基因数据和图像数据进行FVGWAS分析，具体包括，

(3.1)对图像数据和基因数据构建回归模型，对给定的显型使用检验统计的方法来检验每个位点上无关联的空假设；

(3.2)对所有基因数据，计算全局Wald型检验，然后对全局Wald型检验的p值进行排序，选出前N0个位点作为候选显著关联位点，以筛掉含“噪声”的位点，N0为自然数；

(3.3)执行基于bootstrap的检测过程，分别用来检测显著的基因-体素点对和显著的基因-团对。

2.根据权利要求1所述的整合图像空间信息的基于体素点全基因组关联分析方法，其特征在于，

所述步骤(1)收集图像数据和基因数据，具体包括：

(1.1)图像预处理过程，包括：(a)前联合和后联合校正；(b)去除脑壳以及去除小脑；(c)图像灰度不一致校正；(d)图像分割，将脑图像数据分成四种不同组织：灰质、白质、脑侧室和脑脊液；(e)对所有的图像配准到一个公共模板中；以及(f)用变形场来产生RAVENS映射图，以量化整个大脑和每一部份分割出来组织类型间的局部容积差异；

(1.2)对基因型数据执行以下几步质量控制过程，包括：(a)性别检查；(b)人口分层；(c)兄弟姐妹对检查；(d)对每个个体以及每个SNP标记进行调用率检查；(e)去除次要等位基因频率；(f)遗传平衡测试；

根据以下条件来筛选出适合的SNPs：(a)缺失值小于或等于5％；(b)次要等位基因频率大于或等于95％；以及(c)遗传平衡p值大于或等于10^-6，其余缺失的基因型数据根据最频繁出现的值来取代。

3.根据权利要求2所述的整合图像空间信息的基于体素点全基因组关联分析方法，其特征在于，

步骤(2)具体采用高斯平滑的方法处理，包括：

(2.1)对每幅图像数据，选定一个大小为N×N的窗宽，在窗宽大小范围内计算邻域内的像素点对中央体素点的欧式距离矩阵，N为自然数；

(2.2)将步骤(2.1)计算得到的邻域体素点的欧式距离矩阵值作为相对中央体素点的权重值，来对中央体素点进行加权平均运算，运算得到的加权平均值替换原始的中央体素点值作为新的中央体素点值，从而将中央体素点周围邻域点的体素信息整合到中央体素点上；

(2.3)按照从左到右、从上往下的方式滑动窗口，遍历整幅图像数据，使整幅图像体素点值更新为对邻域体素点求加权平均后的值。

4.根据权利要求3所述的整合图像空间信息的基于体素点全基因组关联分析方法，其特征在于：

步骤(2.1)首先对图像数据进行二维高斯平滑，对每幅图像数据，选定一个大小为N×N的窗宽，在窗宽大小范围内计算邻域内的像素点对中央体素点的欧式距离矩阵。

5.根据权利要求4所述的整合图像空间信息的基于体素点全基因组关联分析方法，其特征在于：选定高斯平滑的窗宽为25×25。

6.根据权利要求4或5所述的整合图像空间信息的基于体素点全基因组关联分析方法，其特征在于，

步骤(2.1)采用的高斯平滑方法如下：

二维的高斯核为：

在式(1)中，H是归一化常数，v_t和v_l分别是图像邻域内第t和第l个体素，h是标准方差，t和l均为自然数。

7.根据权利要求6所述的整合图像空间信息的基于体素点全基因组关联分析方法，其特征在于，h的范围为(N’-1)/6≤h≤(N’-1)/4，其中，N’是平滑窗的尺寸大小。