<thead id="vt393"><font id="vt393"></font></thead>
      <sub id="vt393"></sub>

        <big id="vt393"><progress id="vt393"><font id="vt393"></font></progress></big>

        <meter id="vt393"><menuitem id="vt393"><b id="vt393"></b></menuitem></meter>

        <sub id="vt393"></sub>

          <progress id="vt393"></progress>

            <meter id="vt393"></meter>

            首页技术服务技术资讯

            混合DNA图谱分型技术谈-图谱中的峰信号,究竟受到哪些因素的影响?

            2018-08-20

            1. PCR扩增效率(Amplification efficiency);
            2. 模板量(Template);
            3. 降解系数(Degradation);
            4. 扩增子的分子量(molecular weight);
            5. 等位基因类型(Heterozygote or Homozygote);
            6. 位点特异性(Locus);

            假设有如下图谱,贡献者为2,实际分型如下表

            如果不考虑其他因素,分型的图谱应该如下:

            1. 模板量:contributor 1>contributor 2

            2. 降解因素:contributor 1> contributor 2

            3. 扩增效率:Locus2 > Locus 1

            4. Stutter

            5. 模拟结果

            STRmix生物模型考虑到了所有相关因素:

            如何将生物模型应用在图谱的拆分中?

                   MCMC(马尔科夫链-蒙特卡罗算法)产生于19世纪50年代早期,是在贝叶斯理论框架下,通过计算机进行模拟的蒙特卡洛方法。

                   蒙特卡洛方法的实质是通过大量随机试验,利用概率论解决问题的一种数值方法。马尔科夫链是指生成随机数列的一种方法。

                   MCMC是一种简单有效的计算方法,在很多领域到广泛的应用,如统计生物学、贝叶斯(Bayes)问题、计算机问题等。

                     MCMC通过将随机生成的数值与之前的数值进行比较,通过检测是否与正确值更接近,来判断下一步是接受还是重新生成一个随机值,循环往复,最终找到最接近正确值的区域。STRmix将这个过程分为两个部分,pre-burn in 和post-burn in 分别计算10万次和5万次,最终找到正确的解释。

                     MCMC结合STRmix的生物模型,具体的工作方式如下:

                     目前STRmix的客户数量已经近100个,主要分布在北美、欧洲和大洋洲,成为目前最受欢迎的混合图谱分析系统。


             

             

            晋城礁塘货运代理有限公司