東日本大震災におけるご遺体身元確認と行方不明家族捜索のためのDNA鑑定

Slides:



Advertisements
Similar presentations
北海道大学 Hokkaido University 1 情報理論 講義資料 2016/06/22 情報エレクトロニクス学科共通科目・2年次・第 1 学期〔必修 科目〕 講義「情報理論」第 5 回 第 3 章 情報源のモデル [ 後半 ] 3.5 情報源のエントロピー.
Advertisements

第 2 章 : DNA 研究法 2.2DNA クローニング クローニングベクター 大腸菌以外のベクター ゲノム分子生物学 年 5 月 7 日 担当 : 中東.
潜在クラス分析入門 山口和範. 内容 条件付独立 シンプソンのパラドックス 対数線形モデルにおける表現 局所独立 潜在変数モデル Lem 入門.
第1回 確率変数、確率分布 確率・統計Ⅰ ここです! 確率変数と確率分布 確率変数の同時分布、独立性 確率変数の平均 確率変数の分散
疫学概論 二項分布 Lesson 9.頻度と分布 §B. 二項分布 S.Harano,MD,PhD,MPH.
多人数一括DNAプロファイリングのための 確率計算法に関する考察
所属集団の変更可能な SDゲームにおける 協力行動の規定因
統計学 10/25(木) 鈴木智也.
On the Enumeration of Colored Trees
法数学勉強会(京大法医学講座) 2012/02/18 京都大学 統計遺伝学 山田
A班 ランダム選択に一言加えたら・・・ 成田幸弘 橋本剛 嶌村都.
ヒトゲノムの違いから わかること 東京大学大学院医学系研究科 国際保健学専攻 人類遺伝学分野 徳永 勝士 川崎市立川中島中学校
確率・統計輪講資料 6-5 適合度と独立性の検定 6-6 最小2乗法と相関係数の推定・検定 M1 西澤.
橋本 保健統計演習への準備.
対応のあるデータの時のt検定 重さの測定値(g) 例:
最尤推定によるロジスティック回帰 対数尤度関数の最大化.
カラーユニバーサルデザイン支援ツール 色弱模擬フィルタ「バリアントール」
ベイジアンネットワーク概説 3.6 構造の探索アルゴリズム
復習:雑種第一代(F1) w W Ww Ww Ww Ww すべて『Ww』 優性形質が現れる すべて『ウエット』 遺伝子型 表現型 優性ホモ
Excelによる実験計画法演習 小木哲朗.
遺伝子とデフコミュニティ.
生命情報解析 第4回 シグナル配列の統計解析(3)
多人数一括DNAプロファイリングのための 確率計算法に関する考察
ゲノム解析の立場から、皮膚のフェノタイプについて考える
法数学勉強会 2011/11/26 京都大学大学院医学研究科 統計遺伝学分野 山田 亮
疫学概論 適中度と尤度比 Lesson 19. 評価の指標 §C. 適中度と尤度比 S.Harano, MD,PhD,MPH.
疫学概論 適中度と尤度比 Lesson 19. 評価の指標 §C. 適中度と尤度比 S.Harano, MD,PhD,MPH.
分割表 Contingency table.
薬理学研究科 のための 遺伝的多様性 11/02/2013 医学研究科 統計遺伝学分野 山田
対立仮説下でのみ存在する 遺伝形式という母数を持つ 2x3分割表検定に関する考察 ~SNPによるケース・コントロール関連検定~
日本人類遺伝学会 2014/11/20 京都大学 医学研究科 統計遺伝学分野 山田 亮
混合ガウスモデルによる回帰分析および 逆解析 Gaussian Mixture Regression GMR
法数学勉強会 2018/07/21 京大(医) 統計遺伝学分野 山田亮
DNAメチル化とクロマチン構造の変化による転写制御のモデル
細胞の形と変形のための データ駆動型解析手法
M022 ゲノム科学と医療 統計遺伝学分野 2010/11/18,25 山田 亮
ゲノム科学概論 ~ゲノム科学における統計学の役割~ (遺伝統計学)
ゲノム科学概論 ~ゲノム科学における統計学の役割~ (遺伝統計学)
配偶者選択による グッピー(Poecilia reticulata)の カラーパターンの進化 :野外集団を用いた研究
予測に用いる数学 2004/05/07 ide.
法数学勉強会 2016年4月会 京都大学(医)統計遺伝学分野 山田 亮
イントロ DNA配列 意味. イントロ DNA配列 意味 3 DNA配列は化学的配列空間 を占める 4.
法数学における ベイジアンネットワーク(2) ~成書で学ぶ~
遺伝統計学の骨組み Skeleton of Genetic Statistics
法数学勉強会 2016/06/15 京都大学(医)統計遺伝学分野 山田 亮
法数学勉強会(京大法医学講座) 2012/02/18 京都大学 統計遺伝学 山田
分子生物情報学(3) 確率モデル(隠れマルコフモデル)に 基づく配列解析
2011/05/28 京都大学大学院 附属ゲノム医学センター統計遺伝学分野 山田 亮
第24回日本法科学技術学会 2018/11/08 京都大学 医学研究科 統計遺伝学分野 山田 亮
尤度の比較と仮説検定とを比較する ~P値のことなど~
第3章 線形回帰モデル 修士1年 山田 孝太郎.
研究科横断型教育プログラム(Bタイプ) 統計遺伝学 全5回
法数学のための 機械学習の基礎 京大(医) 統計遺伝学分野 山田 亮 2017/04/15.
森美賀子 山田亮 小林香子 川井田礼美 山本一彦
遺伝関係のグラフ Hereditary graphs
法医学会 2013年6月26日 京都大学(医)統計遺伝学 山田 亮
親子鑑定に見る尤度比を 角度を変えて眺めてみる
法数学勉強会 2015/09/26 京都大学統計遺伝学分野 山田 亮
法数学勉強会 2015/09/26 京都大学統計遺伝学分野 山田 亮
構造的類似性を持つ半構造化文書における頻度分析
DNA鑑定を理解するために必要な数学の学び方
薬理学研究科 のための 遺伝的多様性 11/02/2013 医学研究科 統計遺伝学分野 山田
遺伝統計学 集中講義 (2) 連鎖不平衡・連鎖不平衡マッピング
分枝カット法に基づいた線形符号の復号法に関する一考察
法数学における ベイジアンネットワーク(2) ~成書で学ぶ~
分割表 Contingency table.
遺伝統計学 集中講義 (6) 終わりに.
感受性遺伝子解析の データ処理 平成18年11月29日 山田.
DI者の権利擁護にかかる相談窓口とソーシャルワーク・ポリシー
混合試料の構成人数 Nuisance パラメタ
Presentation transcript:

東日本大震災におけるご遺体身元確認と行方不明家族捜索のためのDNA鑑定 2011/05/28 京都大学大学院 附属ゲノム医学センター統計遺伝学分野 山田 亮

親子 父:A B 母:B B 子: A A : 0 A B : 1/2 B B : 1/2

親子 父:A B 母:B B 子: A A : 帰属集団のA A頻度 p(AA) A B : 帰属集団のA B頻度 p(AB) B B : 帰属集団のB B頻度 p(BB) 母:B B 子: A A : 0 A B : p(AA) + p(AB)/2 B B : p(AB)/2 + p(BB)

親子 父:A B 父:A B 母:B B 母:B B 子: 子: A A : 帰属集団のA A頻度 p(AA) A A : 0 A B : 帰属集団のA B頻度 p(AB) B B : 帰属集団のB B頻度 p(BB) 母:B B 子: A A : 0 A B : p(AA) + p(AB)/2 B B : p(AB)/2 + p(BB)

父:ジェノタイプあり 母:ジェノタイプあり 子:ジェノタイプあり 父:ジェノタイプなし 母:ジェノタイプあり 子:ジェノタイプあり ジェノタイプあり: ありえるジェノタイプNg種類のうち、ただ一つのジェノタイプの確率が1で、その他のジェノタイプの確率が0である ジェノタイプなし: ありえるジェノタイプNg種類どれをとるかは確定しない。ジェノタイプに確率を与えて考える

親子 父:A B 父:A B 母:B B 母:B B 子: 子: A A : 帰属集団のA A頻度 p(AA) A A : 0 A B : 帰属集団のA B頻度 p(AB) B B : 帰属集団のB B頻度 p(BB) 母:B B 子: A A : 0 A B : p(AA) + p(AB)/2 B B : p(AB)/2 + p(BB)

pgr1<-matrix(c( c(1,2,3), c(0,0,1), c(0,0,2), c(1,0,0), c(1,1,1) ),ncol=5) pgr1F<-MakePedigreeFromFamilyInfo(pgr1) plot(pgr1F) pgr2<-matrix(c( c(1,3,1) pgr2F<-MakePedigreeFromFamilyInfo(pgr2) plot(pgr2F) pgr3<-matrix(c( c(1,2,3,4,5), c(0,0,1,0,3), c(0,0,2,0,4), c(1,0,1,0,1), c(1,1,3,1,1) pgr3F<-MakePedigreeFromFamilyInfo(pgr3) plot(pgr3F) pgr4<-matrix(c( c(1,3,3,1,1) pgr4F<-MakePedigreeFromFamilyInfo(pgr4) plot(pgr4F) pgr5<-matrix(c( c(1,1,1,1,1) pgr5F<-MakePedigreeFromFamilyInfo(pgr5) plot(pgr5F) pgr6<-matrix(c( c(1,3,2,1,1) pgr6F<-MakePedigreeFromFamilyInfo(pgr6) plot(pgr6F) pgr7<-matrix(c( c(1,2,2,1,1) pgr7F<-MakePedigreeFromFamilyInfo(pgr7) plot(pgr7F)

AB BB AA : 0 AB : 1/2 BB : 1/2

BB AB

AA : p(AA) AB : p(AB) BB : p(BB) BB AB

AA : p(AA) AB : p(AB) BB : p(BB) BB AA : 0 AB : p(AA) + p(AB)/2 BB : p(AB)/2 + p(BB) AB

AA : p(AA) AB : p(AB) BB : p(BB) BB AA : q(AA)=0 AB : q(AB)=p(AA) + p(AB)/2 BB : q(BB)=p(AB)/2 + p(BB) AB

AA : p(AA) AB : p(AB) BB : p(BB) BB AA : q(AA)=0 AB : q(AB)=p(AA) + p(AB)/2 BB : q(BB)=p(AB)/2 + p(BB) AB AA : q(AA)/2 + q(AB)/4 AB : q(AA)/2 + q(AB)/2 +q(BB)/2 BB : q(AB)/4 + q(BB)/2

AA : p(AA) AB : p(AB) BB : p(BB) BB AA : q(AA)=0 AB : q(AB)=p(AA) + p(AB)/2 BB : q(BB)=p(AB)/2 + p(BB) AB AA : q(AA)/2 + q(AB)/4 =(p(AA)+p(AB)/2)/4 AB : q(AA)/2 + q(AB)/2 +q(BB)/2=(p(AA)+p(AB)/2)/2 + (p(AB)/2+p(BB))/2 BB : q(AB)/4 + q(BB)/2 =(p(AA)+p(AB)/2)/4 + (p(AB)/2+p(BB))/2

AA : p(AA) AB : p(AB) BB : p(BB) BB AA : 0 AB : p(AA) + p(AB)/2 BB : p(AB)/2 + p(BB)

「観察された」とき、1つのジェノタイプの確率が1となる 「観察されていない」とき メンバーのジェノタイプは確率的に決まる 「観察された」とき、1つのジェノタイプの確率が1となる 「観察されていない」とき 親が不明なときは、「帰属集団」から生まれたとする 親がわかっているときは、親のジェノタイプによって確率的に決まる

全員がすべてのジェノタイプを取ると考えれば・・・ p5 = (0,0,…,0,1,0,…0) p2 = (p21,p22,p23,…) p1 = (0,0,…,0,1,0,…0) p4 = (0,0,…,0,1,0,…0) p3 = (p31,p32,p33,…)

全員がすべてのジェノタイプを取ると考えれば・・・ ジェノタイプの種類数をNgとし、人数をNsとすると NgNs 通りのジェノタイプの取り方がある

NgNs 通りのジェノタイプの取り方のうち ある1つのジェノタイプの取り方に着目すれば 全員のジェノタイプが確定した家系図ができる

NgNs 通りのジェノタイプの取り方 NgNs 通りのジェノタイプの取り方ごとに そのようなジェノタイプを持つ家系図ができる確率(尤度)は計算できる 親子トリオでやったように・・・ ちょっと面倒くさいだけ

親子 父:A B 母:B B 子: A A : 0 A B : 1/2 B B : 1/2

1 : 尤度が計算できる 2 : 尤度が計算できる … : … … NgNs : 尤度が計算できる 全員のジェノタイプが確定した家系図ができる

全員がすべてのジェノタイプを取ると考えれば・・・ p5 = (0,0,…,0,1,0,…0) p2 = (p21,p22,p23,…) p1 = (0,0,…,0,1,0,…0) p4 = (0,0,…,0,1,0,…0) p3 = (p31,p32,p33,…)

親情報のない個人がいて、そのジェノタイプを確率的に考えるとき、 NgNs 通りには、ありがちな場合と、珍しい場合との差があるのでそれを考慮する    : 珍しさで重みづけ 2   : 珍しさで重みづけ … … NgNs   : 珍しさで重みづけ

行方不明 身元不明 マッチング

行方不明 行方不明 どちらがどれくらい「ありそうか?」 他人

地道にやると NgNs 通り 行方不明者~身元不明者DNA A それぞれの「確定したジェノタイプ」の尤度の計算 B それぞれの「起きやすさ」 A x B をNgNs 通りについて足し合わせ 行方不明者~身元不明者DNA L1 家系図に入れて計算 L2 家系図から外して計算 L1/L2 (尤度比)

ジェノタイプの確定している人はNg種類を考慮するのはばかばかしい NgNs 通り ジェノタイプの確定している人はNg種類を考慮するのはばかばかしい p5 = (0,0,…,0,1,0,…0) p2 = (p21,p22,p23,…) p1 = (0,0,…,0,1,0,…0) p4 = (0,0,…,0,1,0,…0) p3 = (p31,p32,p33,…)

ジェノタイプの確定している人はNg種類を考慮するのはばかばかしい NgNs 通り ジェノタイプの確定している人はNg種類を考慮するのはばかばかしい メンバーが取りうるジェノタイプのみを相手にする ジェノタイプが確定していないメンバーも、取りえるジェノタイプは限定できる

考慮すべきアレル 家系に関係ないアレルはまとめる Identifilerのマーカーのアレル数 アレル数 Na のジェノタイプの種類数は (Ng(Ng+1))/2 Na 11 16 12 10 9 7 13 8 19 Ng 66 136 78 55 45 28 91 36 190 家系に関係ないアレルはまとめる

核家族ごとに計算して、連結する 親子が尤度を与える このジェノタイプの両親からこの子のジェノタイプが生まれる尤度は・・・ 核家族で尤度が計算できる 核家族を越えた場合わけは、核家族を連結している個人のジェノタイプの場合わけのみを考慮することで計算できる NgNs 通りを省略できる

複数のマーカーを合わせる マーカー同士は独立 尤度は掛け算

身元不明者リスト 行方不明 マッチング

1家系に複数の行方不明者

1家系に複数の行方不明者 行方不明者 2 人 {t1,t2} 考慮の仕方 2人とも身元不明リストにない t1のみ身元不明リストに合致  2人とも身元不明リストにない  t1のみ身元不明リストに合致  t2のみ身元不明リストに合致  t1,t2とも身元不明リストに合致 

2T通りの考慮パターン 行方不明者 T 人 {t1,t2,…,tT} 考慮の仕方 0人が身元不明リストと合致 1人が身元不明リストに合致  0人が身元不明リストと合致  1人が身元不明リストに合致  2人が身元不明リストに合致 …  T人が身元不明リストに合致  2T通りの考慮パターン