Автореферат (Разработка и программная реализация адаптивной модели геногеографического прогноза на основе методов оптимального оценивания и планирования эксперимента), страница 4

Однако, учитывая, что область планирования эксперимента W вданном случае представлена дискретным набором значений (φj, λj, Nj), j=1,...,n,число которых определяется числом населенных пунктов, потенциально пригодных для проведения генетических исследований в границах популяции, решение задачи выбора оптимального плана достигнуто путем перебора всехвозможных вариантов сочетаний Сmn из n по m:n!(13)С nm(n  m)!m!Для каждого из вариантов сочетаний с учетом структуры модели геногеографического прогноза (в виде (6), (7) или (8)) рассчитывается матрица F и соответствующая ей дисперсионная матрица. План, при котором определитель дисперсионной матрицы C принимает минимальное значение и является D-оптимальным планом, использование которого гарантирует построение модели геногеографического прогноза, обладающей максимальной точностью.На основе полученных в главе 2 результатов подтверждена целесообразность создания программного комплекса, реализующего описанные выше возможности.Третья глава диссертационной работы посвящена описанию программного комплекса GEN, реализующего разработанную адаптивную модель геногеографического прогноза.

Структура программного комплекса GEN приведена нарис. 2.12Программный комплекс GENсостоит из следующих основныхблоков:1) базы данных результатовпопуляционно-генетических исследований;2) блокаформированияDоптимальногопланаэкспеди  ционных исследований;3) блока адаптации структурымодели и оценки ее параметров;4) блока прогноза значенийгенетических показателей в рамкахисследуемой популяции, с помощьювыбранной модели;5) блока визуализации результатов, который обеспечивает отображение на географической картеданных, полученных в ходе экспедиционныхпопуляционно-генеРис.

2 Структура программного комплекса GENтических исследований и результатов прогноза, рассчитанных с помощью адаптивной математической модели.Выше отмечалось, что в зависимости от объема информации,потенциально доступной для разработки модели, возможны различныеварианты ее реализации. Учитывая, что в практических условиях объемрезультатов фактически проведенных популяционных исследований ограничен,в программном комплексе GEN реализованы модели видов (8)-(10) , структуракоторых автоматически выбирается в зависимости от объема входнойинформации, за счет чего достигается повышение точности прогноза.Разработанный программмный комплекс GEN снабженпростым и наглядным интерфейсом(рис. 3),поддерживающимоперацииввода,накопления и хранения данных,который кроме возможностиполучения прогнозных значенийгенетических показателей наосновеадаптивноймоделиобладает возможность графической реализации полученныхрезультатов на географическойкартеисследуемойобласти(рис.

4).Рис. 3 Центральный экран программного комплексаD-оптимальный план экспедиционныхпопуляционно-генетическихисследованийПользовательБлок по формированиюD-оптимального планаэкспедиционныхисследованийБаза данныхрезультатовпопуляционногенетическихисследованийДля каждой областиисследования вводятся данные:Wi (Ni, φi, λi, Ni*), i=1,.., nWj (Nj, φj, λj), j=1,.., kИз базы данных пользователь выбираетпопуляцию для исследованияБлок нормировки данныхn<4нет4n 6нетдадаНедостаточно данныхдля прогнозаТаблица оптимальных значенийпоказателя для каждойнеобследованной точки исследуемойобласти (, , ), j=1,…, kГеографическая карта, отражающаяраспределение значений генетическогопоказателя в границах исследуемойпопуляцииn 9Блок адаптации структурымодели и оценки ее параметровнетдаЛинейная модельс переменнымикоэффициентамиКвадратичнаямодель спеременнымикоэффициентамиNj*= N*(Ni, φi, λi)Кубическаямодель спеременнымикоэффициентамиNj*= N*(Ni, φi, λi)Nj*= N*(Ni, φi, λi)Блок прогноза генетическихпоказателей в рамкахисследуемой популяции, спомощью выбранной модели ( , , ), i=1,...,n, j=1,…, kБлок получения оптимальногозначения показателя для каждойнеобследованной точкиисследуемой популяции методомсредневзвешеннойинтерполяции (, , ), j=1,…, kБлок визуализации результатовс привязкой географическойкартеGEN137Wi (Ni, φi, λi, Ni*), i=1,.., n,Рис.

4 Груз АД изолированной наследственнойофтальмопатологии населения Ростовской областиЧетвертая глава диссертационной работы посвящена оценкеэффективностиразработанной адаптивной модели геногеографическогопрогноза с использованием экспедиционных популяционно-генетическихисследований по аутосомно-рецессивной, аутосомно-доминантной и Хсцепленной патологии населения Ростовской и Кировской областей.Прежде всего, проведено сравнение точности результатов прогноза значений генетических показателей, связанных с наследственными заболеванияминаселения различных административно-территориальных образований Ростовской области, полученных с помощью геногеографической модели адаптивнойструктуры, с оценками, рассчитанными на основе геногеографической моделинеизменной линейной структуры.

Анализ проводился на основе сравнения значений генетических показателей, полученных в ходе моделирования, с помощью адаптивной и линейной моделей, в ряде выбранных районов Ростовскойобласти, с объективными данными, полученными в ходе экспедиционных популяционно-генетических исследований в этих районах.Результаты сравнения представлены в виде таблиц и соответствующих имдиаграмм (пример одной из диаграмм приведен на рис.

5). Анализ показал, чторазработанная адаптивная модель геногеографического прогноза обеспечиваетв среднем двукратное повышение точности результатов прогноза по сравнениюс геногеографической моделью неизменной линейной структуры.Так же в главе 4, с помощью разработанного программного комплексаGEN, были получены практические результаты прогнозных значений генетических показателей, связанных с наследственными патологиями, в границах Ростовской и Кировской областей в виде таблиц и геногеографических карт.14На основе полученных результатов была проведена проверка адекватностиразработанной геногеографической модели путем сравнения двух выборочныхсовокупностей, объединяющих прогнозируемые с помощью модели и фактически полученные значения показателя отягощенности по некоторому типу наследственного заболевания (пример полученных гистограмм приведен нарис.

6).Значение показтеля, полученное с помощью различных геногеографических моделейИстинное значениепоказателяЗначение показателя0.1650.160.155Значение показателя,полученное с помощьюадаптивной модели0.150.1450.14345678Количество опорных точек9Значение показателя,полученное с помощьюлинейной моделиРис. 5 Распределение значений отягощенности по АР-патологии для Зимовниковского района Ростовской областиРис. 6 Гистограммы распространенности наследственных дистрофий сетчатки с АД типомнаследования для населения Ростовской областиПримеры результатов сопоставления полученных выборок с использованием двух выборочного критерия Колмогорова-Смирнова приведены в таблицах 1 и 2. Проведенный анализ не выявил статистически значимых различий(на уровне доверительной вероятности 0,95) между прогнозными и фактическими значениями, что подтверждает адекватность модели прогноза.15Таблица 1Значение статистики Колмогорова-Смирнова для исследований, проведенных в Ростовской областиD-mnD+mnpДС АДВК АДПРГ АДВК АРПРГ АР-0,4772730,083333>0,10-0,3333330,166667>0,10-0,2045450,083333>0,10-0,1515150,310606>0,10-0,1287880,234848>0,10Таблица 2Значение статистики Колмогорова-Смирнова для исследований, проведенных в Кировской области-D mnD+mnpНОП АД-0,3500000,275000>0,10НОП АР-0,3083330,166667>0,10ДС АД-0,400000,40000>0,10ВК АД0,4666670,066667>0,10ПРГ АД-0,175000,116667>0,10ПЗ АД-0,23330,266607>0,10ДС АР-0,40000,2750>0,10ВК АР-0,33330,2250>0,10С целью оценки точности разработанной адаптивной моделигеногеографического прогноза было проведено сравнение результатов прогнозазначений генетических показателей, связанных с наследственнымизаболеваниями населения различных районов Ростовской и Кировскойобластей, полученных с помощью разработанной модели с объективнымиданными, полученными в ходе экспедиционных популяционно-генетическихисследований в этих районах.

Были получены диаграммы (пример диаграммыприведен на рис. 7) и табличные значения генетических показателей, анализкоторых показал, что в 58% случаев ошибка не превышает 5%-тного уровня отобъективного значения генетического показателя и в 87,5% случаев ошибка непревышает 10%-тного уровня.Значения генетического показателяОтягощенность по АД-патологии для населения Ростовской области0.290.270.250.230.210.190.170.150.130123456Номер обследованного регионаИстинное значение генетического показателя789Разброс значений генетического показателя а рамках 5% от истинного значения-Разброс значений генетического показателя в рамках 10% от истинного значенияПрогнозные значения генетического показателяРис.

7 График распределения значений отягощенности АД-патологией населения Ростовскойобласти в рамках заданной точностиС помощью разработанного метода планирования программы проведенияэкспедиционных исследований были получены оптимальные планы16популяционно-генетических исследований для Ростовской области, Чувашскойи Удмуртской Республик. На рис. 8 приведена зависимость, отражающаяизменение значений определителя дисперсионной матрицы С при разработкевариантов планирования для Удмуртской Республики.Рис. 8 Иллюстрация процесса определения оптимального плана экспедиционныхисследований Удмуртской Республики (n=25, m=8)В таблице 3 представлены окончательные результаты построенного планаэкспедиционных популяционно-генетических исследований для сельских поселений Удмуртской Республики.Таблица 3Количествоопорных точек(выбирает исследователь)План экспедиционных популяционно-генетических исследованийдля сельских поселений Удмуртской республики (указаны районы)4Граховский, Завьяловский, Каракулинский, Ярский5Граховский, Завьяловский, Камбарский, Каракулинский, ЯрскийГраховский, Завьяловский, Камбарский, Каракулинский, Кизнерский, ЯрскийГраховский, Завьяловский, Камбарский, Каракулинский, Кизнерский, Юкаменский, ЯрскийГраховский, Завьяловский, Камбарский, Каракулинский, Кизнерский, Малопургинский, Юкаменский, ЯрскийБалезинский, Граховский, Завьяловский, Камбарский, Каракулинский, Кизнерский, Малопургинский, Юкаменский, ЯрскийБалезинский, Граховский, Завьяловский, Камбарский, Каракулинский, Кизнерский, Киясовский,Малопургинский, Юкаменский,Ярский67891017Минимальные значения критерия Dоптимальности(в логарифмическойшкале)-22,125-29,119-36,614-89,041-115,867-134,082-246,887ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ1.

На основе анализа и оценки современных методов получения значенийгенетических показателей в границах исследуемых популяций, показанаактуальностьипрактическаязначимостьразработкиадаптивнойматематической модели геногеографического прогноза.2. Разработана адаптивная модель прогноза значений генетическихпоказателей, отличающаяся от существующих аналогов возможностьюавтоматической реконфигурации ее структуры в зависимости от объемадоступных для анализа результатов экспедиционных популяционногенетическихисследований.Разработаннаяадаптивнаямодельгеногеографического прогноза, обеспечивает повышение точности прогнозазначений генетических показателей, связанных с распространениемнаследственных заболеваний в пределах изучаемой популяции, вследствиевключения в ее структуру не только географических координат исследуемыхнаселенных пунктов, но и численности проживающего в них населения.3.