随着高通量技术的快速发展，多组学数据在生物学和临床研究中应用得越来越广泛。这些丰富的实验数据揭示了新的致病原理，成为精准医学研究的重要支撑。然而，高维度、复杂相关性的组学数据分析也给统计学家提出严峻的挑战。
本书研究了面向复杂组学数据的统计建模和计算问题，包括表达数量性状位点的识别，复杂疾病遗传风险预测，以及乳腺癌患者多组学数据的挖掘分析，旨在为理解复杂疾病的发生机制和遗传风险预测提供一些理论价值和实际应用价值。
第1章绪论
1.1研究背景及意义
1.1.1单核苷酸多态性
1.1.2全基因组关联分析
1.1.3表达数量性状位点
1.1.4全转录组关联分析
1.2研究现状与趋势
1.2.1遗传机制分析
1.2.2遗传风险预测
1.3本书框架与内容
第2章基于多重中介模型识别反式-表达数量性状位点
2.1引言
2.2中介模型
2.2.1单一中介模型
2.2.2多重中介模型
2.2.3中介模型的模型假设
2.3模拟数据分析
2.3.1模拟数据设置
2.3.2模拟数据结果
2.4实际数据描述及预处理
2.4.1数据描述
……
单娜阳，女，现为首都经济贸易大学统计学院讲师、硕士生导师。2022年博士毕业于清华大学统计学专业，耶鲁大学访问学者。主持国家自然科学基金青年项目，在国内外知名学术期刊发表多篇论文。目前主要从事生物统计、生物信息学等方面研究。
