九天中文网

手机浏览器扫描二维码访问

第四节 精神疾病的遗传学（第4页）

一般的做法是在显性遗传D和共享环境C之间选择一个进行估计。

在现代的遗传学研究中，遗传度分为狭义遗传度（narrow-senseheritability）和广义遗传度（broadsenseheritability）。

前者是指表型方差中加性基因方差的百分比，后者指所有遗传因素对表型方差的贡献，包括加性基因、显性基因、上位基因（epistatic），以及父母表型对个体的直接影响（maternalandpaternaleffects）。

如果选择估计共享环境C，则可以计算狭义遗传度，

h

2

=VAVT。

2.双生子分析的假设

经典的双生子法有很多假设。

重要的是这些假设的含义以及它们和性状之间的现实意义。

双生子方法的假设包括：

第一是随机婚配，也就是不存在相似遗传背景的个体间婚配。

正是由于这个假设，后面关于异卵双生子遗传因素在不同个体间的相关才能合理设置为0.5。

第二是相同的环境。

共享的环境对MZ和DZ双生子影响程度相同。

第三是遗传和环境的交互作用。

假设遗传和环境之间不存在相互影响，可直接观察到的表型变量和代表遗传因素的潜变量，代表共享环境的潜变量和代表独有环境的潜变量之间存在线性关系。

第四是就进行研究的表型而言，双生子与普通人群没有区别。

（二）分析方法

1.结构方程和通路分析

结构方程模型是由SewellWright（1921）首先提出。

这一方法目前已成为一种双生子研究的标准方法。

它可以同时拟合一系列的线性结构方程，找到与观察数据的方差、协方差相匹配的遗传和环境参数，其工作原理见图2-10。

结构方程拟合的过程包括构建、拟合、评价和修正。

在建立模型时，从生物遗传学的角度对方差的来源提出假设，通过通径法则或者协方差代数矩阵得到预测的方差协方差模型；同时，从已知的双生子数据，得到实际的方差协方差模型，用结构方程模型对预测的和实际的方差协方差模型进行拟合。

在构建模型时必须充分考虑变量间关系。

同时需考虑不同模型的意义，考虑指标误差项相关的意义。

通路分析方法在可视化和图示方面有先天的优势，可以清楚地通过图例把变量表型和目标变量之间的因果和相关关系展示出来。

图2-11是一个完整的单变量双生子模型，两个双生子的观测表型数据表示为方块中，不可观测的变量、潜变量，则表示在圆圈中，如遗传和环境因素变量。

因果关系有单箭头来表示，从潜变量指向观测变量。

估计的路径值（即回归系数）表示潜变量对观测变量的作用，用a、c、d和e表示。

潜变量之间的双箭头则表示它们之间的相关系数。

图2-10结构方程模型拟合过程

图2-11双生子单变量表型的相关通径图

加性遗传效应（A）和非加性遗传效应（D）在MZ双生子中相关系数为1，在DZ双生子中相关系数分别为0.5和0.25；家庭成员共同分享的环境因素（C）的相关系数在MZ和DZ中均为1，因为他们在相同的家庭中成长；个体特异环境因素（E）在MZ和DZ中均不相关，是同一个家庭不同成员之间表型方差的来源。

a、d、c、e分别为A、D、C、E相应的负载系数。

结构方程模型（structuralequationmodelling，SEM）可以充分利用矩阵的性质和统计方法的特点，使用数据将具体的分析量化。

比如可以将表型和某个感兴趣的基因之间的因果关系赋予一个合理的权值，这将使得随后的研究工作有据可依和更加严谨。

SEM程序包括了矩阵计算和数据的优化过程，比如Mx、LISREL、Mplus和AMOS。

其中Mx是广泛应用于双生子分析设计的免费软件，它有灵活的处理模型拟合功能，可以绘制通径图，并在FORTRAN平台上进行模型优化和矩阵代数的计算。