MDR多因子降维分析实战

MDR多因子降维法是逻辑回归的一种补充，可以有效进行基因和基因，基因和环境因素之间的相互作用分析，核心算法如下

1. 第一步，将数据集拆分成训练集和测试集，用于交叉验证，其中训练集占90%， 测试集为10%
2. 第二步，提取N个因子，可以是SNP位点，也可以是环境因子，用于后续分析
3. 第三步，对因子之间的组合进行汇总统计，上图中以Locus3和Locus4两个SNP位点为例，共有9种基因型的组合，分别统计每种基因型组合对应的case和control的样本数，左边为case, 右边为control
4. 第四步，计算每种组合下case与control的比值，并根据阈值划分为high risk和low risk为例，上图中阈值为1，大于1为高危，小于1为低危
5. 第五步，计算因子间相互作用的错误率，错误率最小的即为本次分析识别到的最可能的相互作用的因子
6. 第六步，对于上一步提取到的最佳的相互作用因子，用测试数据集进行验证

为了降低分析结果的假阳性，会进行多次交叉验证，然后根据置检验计算对应的p值。MDR对应的软件网址如下

https://sourceforge.net/projects/mdr/

该软件采用了java进行开发，支持图形界面和命令行两种模式。要求的输入文件内容如下

每一行表示一个样本，最后一列表示样本对应的分组，0表示contorl, 1表示case, 其他的列对应一个因子，上述示例中因子为SNP位点，对应的基因型用0,1,2表示，分别对应没有突变，杂合突变和纯合突变。当然因子也可以是环境因素。

准备好输入文件之后，就可以进行分析了。操作很简单，首先导入文件

然后点击Run Analysis按钮，即可开始分析，分析完成的界面如下

有两个部分，第一部分显示了不同数量的因子相互作用中最显著的结果，Acc.CV Training表示训练集中的准确率，Acc.CV Testing表示测试集中的准确率，数字越大，范围为0-1，数值越大，准确率越高，CV Consistency表示交叉验证的一致率，9/10表示10次交叉验证中9次该结果都显著。

点击每一行，可以在第二部分查看详细信息。其中Graphical Model展示了因子组合的频数分布，Entropy展示了因子之间的相互作用网络，有多种布局可以选择，主要有树状结构和网络结构两种，示意如下

当然也可以通过命令行运行，基本用法如下

java -jar mdr_3.0.2.jar \
-table_data=true \
-minimal_output=true \
MDR-SampleData.txt

只需要一个输入文件即可，用法非常的简单，但是相比图形界面，少了可视化的结果。