技術(shù)特征：

1.一種改進(jìn)的阿爾茨海默病發(fā)病風(fēng)險預(yù)測方法，其特征在于，包括如下步驟：

(1)獲取阿爾茨海默病疾病個體和正常對照個體的基因型數(shù)據(jù)；

對于阿爾茨海默病，首先對大量阿爾茨海默病病人和正常人的常染色體進(jìn)行基因測序，得到阿爾茨海默病病人和正常人的原始SNP基因型數(shù)據(jù)；對原始的SNP基因型數(shù)據(jù)進(jìn)行質(zhì)量控制，剔除最小等位基因頻率MAF小于0.02、不滿足哈迪-溫伯格平衡檢驗、分型成功比小于75％、及位于連鎖不平衡區(qū)域的SNP基因型數(shù)據(jù)；樣本所對應(yīng)的所有SNP的分型成功率需在75％以上，否則，再從SNP基因型數(shù)據(jù)中剔除不滿足樣本的基因型缺失比控制的樣本；對滿足條件的SNP基因型數(shù)據(jù)保留下來，用于進(jìn)一步分析；

(2)剔除不滿足控制條件的SNP基因型數(shù)據(jù)后，對保留的SNP基因型數(shù)據(jù)進(jìn)行評分；根據(jù)SNP基因型數(shù)據(jù)中含有的高風(fēng)險等位基因的個數(shù)，對于SNP基因型數(shù)據(jù)進(jìn)行0，1，2評分，采用0，1，2分來表示相應(yīng)的SNP基因型數(shù)據(jù)；

對于SNP基因型數(shù)據(jù)，規(guī)定有兩個高風(fēng)險等位基因的純合子記為2分，有一個高風(fēng)險等位基因雜合子記為1分，有兩個低風(fēng)險等位基因的純合子記為0分；

(3)與阿爾茨海默病關(guān)聯(lián)性水平p＜0.05的SNP被認(rèn)為是與該病顯著相關(guān)；篩選出與阿爾茨海默病顯著相關(guān)的SNP以及SNP之間的相互作用對疾病有顯著相關(guān)的SNP-SNP對；

將患阿爾茨海默病病人用1表示，正常人用0表示；通過單因素logistic回歸算法得到校正年齡、性別后與阿爾茨海默病顯著相關(guān)的SNP，同時利用Lasso多重回歸方法得到Bonferroni校正后與阿爾茨海默病顯著有關(guān)的SNP-SNP對；

(4)得到阿爾茨海默病獨(dú)立影響的SNP以及SNP之間的相互作用對疾病有獨(dú)立影響的SNP-SNP對；

比值比OR值表示疾病與暴露之間關(guān)聯(lián)強(qiáng)度的指標(biāo)，指暴露者的疾病危險性為非暴露者的倍數(shù)；對顯著相關(guān)的SNP和SNP對進(jìn)行多因素logistic回歸算法分析，得到對阿爾茨海默病獨(dú)立影響的SNP、SNP-SNP對、相應(yīng)的比值比OR值、95％置信區(qū)間以及l(fā)ogistic回歸的常量項α，對每一個SNP和SNP-SNP對的比值比OR值取自然對數(shù)，得到每個SNP和SNP-SNP對的權(quán)重值β；

(5)利用阿爾茨海默病獨(dú)立影響的SNP以及SNP-SNP對，建立改進(jìn)的的wGRS模型；把每個SNP及SNP-SNP對都當(dāng)作變量S，根據(jù)得到的每個SNP和SNP-SNP對的權(quán)重值β，于是改進(jìn)的wGRS模型表示為各變量與自己的權(quán)重乘積之和，即其中n為SNP及SNP-SNP對的數(shù)量，β_i表示第i個變量的權(quán)重值，S_i表示第i個變量；

對阿爾茨海默病獨(dú)立影響的SNP及SNP-SNP對的OR值取自然對數(shù)得到相對應(yīng)的權(quán)重β_i；把阿爾茨海默病獨(dú)立影響的SNP及SNP-SNP對全部納入wGRS模型，則得到阿爾茨海默病發(fā)病風(fēng)險的模型為logit P(D＝1|G)＝α+wGRS，其中D＝1表示一個人患病，G表示一個人的SNP基因數(shù)據(jù)，P(D＝1|G)為一個人根據(jù)自己SNP基因數(shù)據(jù)計算出可能患阿爾茨海默病的概率，α為logistic回歸的常量項；其中n為SNP及SNP-SNP對的數(shù)量，β_i表示第i個變量的權(quán)重值，S_i表示第i個變量；

(6)阿爾茨海默病風(fēng)險預(yù)測；

對一個人進(jìn)行阿爾茨海默病風(fēng)險預(yù)測，只需測定該人的基因型數(shù)據(jù)，利用步驟(5)中的阿爾茨海默病發(fā)病風(fēng)險的模型就可以計算出該人患阿爾茨海默病的風(fēng)險大小。

2.如權(quán)利要求1所述的一種改進(jìn)的阿爾茨海默病發(fā)病風(fēng)險預(yù)測方法，其特征在于，步驟(1)中所述的對原始的SNP基因型數(shù)據(jù)進(jìn)行質(zhì)量控制，包括如下具體步驟：

1)對原始的SNP基因型數(shù)據(jù)，剔除最小等位基因頻率MAF小于0.02的SNP；

2)剔除不滿足哈迪-溫伯格平衡檢驗的SNP；

3)對于某個SNP在所有樣本中的分型成功率需控制在75％以上；剔除不滿足SNP分型成功比例控制的SNP；

4)對于基因組范圍內(nèi)關(guān)聯(lián)分析而言，對于一個需要檢驗的樣本，一般情況下，樣本所對應(yīng)的所有SNP的分型成功率需控制在75％以上，對樣本的SNP基因型數(shù)據(jù)質(zhì)量控制時，從分析數(shù)據(jù)中剔除不滿足樣本的基因型缺失比控制的樣本；

5)剔除位于連鎖不平衡區(qū)域的SNP；留下的SNP基因型數(shù)據(jù)進(jìn)行下一步分析。

3.如權(quán)利要求1所述的一種改進(jìn)的阿爾茨海默病發(fā)病風(fēng)險預(yù)測方法，其特征在于，步驟(3)具體包括如下步驟：

(1)對SNP基因型數(shù)據(jù)進(jìn)行評分完成后，將每個樣本的SNP基因型通過0，1，2表示；在進(jìn)行單因素logistic回歸分析時，將單個SNP作為自變量，樣本的患病狀態(tài)0，1作為因變量，同時把年齡、性別當(dāng)作協(xié)變量；則得到該SNP與阿爾茨海默病關(guān)聯(lián)性水平、比值比以及95％置信區(qū)間；若SNP與阿爾茨海默病關(guān)聯(lián)性水平p＜0.05的SNP被認(rèn)為是與該病顯著相關(guān)，則保留下來；

(2)利用Lasso多重回歸方法得到Bonferroni校正后與阿爾茨海默病顯著有關(guān)的SNP-SNP對。

4.如權(quán)利要求1所述的一種改進(jìn)的阿爾茨海默病發(fā)病風(fēng)險預(yù)測方法，其特征在于，步驟(4)具體包括如下步驟：

1)對顯著相關(guān)的SNP和SNP-SNP對進(jìn)行多因素logistic回歸算法分析時，顯著相關(guān)的SNP基因型數(shù)據(jù)通過0，1，2表示，而顯著相關(guān)的SNP-SNP對通過兩個SNP基因型數(shù)據(jù)的乘積表示，并把每個顯著相關(guān)的SNP和SNP-SNP對都看作一個變量；通過多因素logistic回歸算法，得到每個變量與阿爾茨海默病關(guān)聯(lián)性水平p值、比值比OR值、95％置信區(qū)間以及l(fā)ogistic回歸的常量項α；認(rèn)為關(guān)聯(lián)性水平p＜0.05的變量是對阿爾茨海默病獨(dú)立影響的變量；

2)對每一個SNP和SNP-SNP對的比值比OR值取自然對數(shù)，得到每個SNP和SNP-SNP對的權(quán)重值β，即每個SNP和SNP-SNP對都有對應(yīng)自己的權(quán)重值β。