笔趣阁

手机浏览器扫描二维码访问

一遗传基础（第5页）

目前，开发者进一步升级到采用R平台的Open-Mx。

在OpenMx软件中，原始数据和协方差矩阵都可以作为输入的数据，运用全信息极大似然估计（fullinformationmaximumlikelihood，FIML）对参数进行估计，比如A、C、D和E的路径值。

同时，原始数据的缺失值可以在全信息极大似然估计的过程中自动处理。

SEM软件采用最小对数似然函数对模型进行优化，利用似然函数（minus2loglikelihood，-2LL）作为拟合优度的目标指数。

依赖该指标判断哪一个模型更好的拟合了原始数据。

除了-2LL，另外一些指标也可以帮助我们判断模型的拟合优度，比如AkaikesInformationCriteria（AIC）。

采用拟合指数最好的模型作为最佳模型，估计其参数。

OpenMx可以比较模型拟合的好坏。

模型相对于饱和模型（saturatedmodel）的拟合优度似然比是服从卡方分布的，所以可以设置显著性水平对模型之间的差异进行卡方检验。

这里所谓完美拟合的饱和模型是指所有的协方差均自由估计，所以他们的最大似然估计值即是样本的协方差。

没有显著差异的卡方值表示模型和他们的数据一致，相反则表示模型对数据的拟合不理想。

这个模型并不能反映实际的情况，所以不应该采用该模型。

卡方检验的自由度等于实际观测到的统计量的数量（通常就是样本方差和协方差的数量）减去模型中需要估计的参数的个数。

2.多元回归分析

另外一个经常被用于分析双生子资料的方法是多元回归分析，DeFries-Fulker回归。

这一方法的基本思想是双生子先证者与其未患病同胞有不同的遗传度，而正常同胞的分数平均值更倾向于回归至正常人群的平均值。

这一方法通常运用在拥有极值的表型中。

协方差，例如性别年龄等因素，可以很简单地纳入到回归方程中，对于这一方法的扩展即是运用二变量的回归，由此可以计算遗传在两个表型之间的作用。

三、分子遗传学研究

精神障碍的研究者往往利用遗传分析的手段对疾病诊断体系中的精神疾病的病因进行挖掘，进而为该疾病诊断体系的合理性提供科学依据和修订的建议。

这类研究模式归根于大部分精神障碍迄今为止还没有清楚的生物学病因。

在不同人群中进行候选基因的检测后，已经发现一些基因位点与不同精神障碍的关联，如精神分裂症断裂基因1（disruptedinschizophrenia1，

DISC1

）与精神分裂症的关联，脑源性神经营养因子（brain-derivedneurotrophicfactor，

BDNF

）基因与双相情感障碍的关联，多巴胺受体基因（dopaminereceptorD4，

DRD4

）和

DRD5

与注意力缺陷多动障碍之间的关联等。

尽管如此，这一些已经取得的发现尚不能从根本上揭示精神疾病的病因。

近些年来一些学者认为这些在现有诊断标准中的单个疾病其内部症候群的病理生理机制可能有着显著差异，也即所谓的临床异质性，因此以目前诊断标准下的疾病作为表型的分子遗传学研究效能仍然较为低下且难以重复。

（一）候选基因研究

既往的双生子以及寄养子的研究发现不同的精神障碍有着不同的遗传度，重型抑郁和广泛性焦虑的遗传度大约为40%；注意缺陷多动障碍（attention-deficithyperactivitydisorder，ADHD）、双相情感障碍以及精神分裂症的遗传度为60%～90%。

这些遗传度的发现使得不少学者认为精神障碍的遗传风险可能仅由为数不多的一些基因来决定，而这也是大量候选基因研究的主要理论基础。

在过去数十年的关于精神障碍的候选基因研究中，只有小部分结果可以得到验证。

在主要的几种精神障碍中，以精神分裂症的候选基因研究数量居多，主要以高加索白人发现为主。

而在一些可以被反复验证的基因位点中，部分基因位点与两种或者两种以上的精神障碍相关，提示在精神障碍的发病机制中可能存在基因多能效应（pleiotrophy），而这些疾病间共同的风险基因位点以及这些基因富集的生物学通路可能是这些不同疾病间相似的症状学的生物学基础，如以5-羟色胺转运体（5-hydroxytryptaminetransporter，

5-HTT

；也称