2019年9月17日
本文展示了行为遗传学中的金标准方法——Cholesky 分解法的应用,用于估计不同变量中独特的、重叠的遗传和环境影响,以回答基于纵向研究设计的科学问题。
该方法有助于回答行为遗传学领域中的关键问题,即在多个时间点上不同变量之间纵向关系的个体差异。该技术使研究者能够估算在特定时间点出现的个体差异,以及从一个时间点延续到下一个时间点的个体差异。该技术的影响广泛延伸至心理学和教育学等科学领域。
因此,该技术可用于解答阅读科学领域的研究问题。首先打开统计建模程序,然后在该程序中找到需要读取的相关数据文件。
然后单击运行图标,以通过多变量乔莱斯基分解法获得遗传、共享环境以及非共享环境影响的估计值。在程序生成遗传、共享环境和非共享环境影响的估计值后,在输出文件中找到这些估计值。接下来,打开文字处理软件,将生成的估计值复制到表格中。
然后打开具有图形用户界面的软件,将生成表格中的估计值分别填入 F3 至 F16、G4 至 G16、H5 至 H16 以及 I6 至 I16 单元格中。通过将 F3 至 F16、G4 至 G16、H5 至 H16 和 I6 至 I16 单元格中的估计值进行平方,计算遗传、共享环境以及非共享环境影响的方差。将平方后的数值分别输入 J3 至 J16、K4 至 K16、L5 至 L16 和 M6 至 M16 单元格中。
然后,通过将 J3 至 J16、K4 至 K16、L5 至 L16 以及 M6 至 M16 单元格中的数值乘以 100,计算百分比方差。将所得的百分比数值分别输入到 N3 至 N16、O4 至 O16、P5 至 P16 和 Q6 至 Q16 单元格中。接下来,为计算遗传影响从小学阶段到初中阶段重叠的程度,在 R3 单元格中输入 0,在 R4 单元格中输入 N4,在 R5 单元格中输入 N5+O5,在 R6 单元格中输入 N6+O6+P6。然后,为计算在每个特定时间点新增的独特遗传因素所占的程度,将 N3、O4、P5 和 Q6 单元格中的百分比数值分别复制到 S3、S4、S5 和 S6 单元格中。
接着,将单元格 N8、O9、P10 和 Q11 中的百分比分别复制到单元格 U3、U4、U5 和 U6 中,以获得各年级中独特的共享环境因素所占的比例。最后,将单元格 N13、O14、P15 和 Q16 中的百分比分别复制到单元格 W3、W4、W5 和 W6 中,以获得各年级中独特的非共享环境因素所占的比例。请确保单元格 R3 至 W3、R4 至 W4、R5 至 W5 以及 R6 至 W6 中的数值各自相加等于 100。
最后,通过鼠标点击并拖动选中 R2 至 R6 以及 S2 至 S6 的单元格,以高亮显示数据,绘制遗传重叠以及独特的遗传影响图。点击插入菜单,然后选择图表中的堆积柱形图。结果表明,字母命名流利性(幼儿园阶段)、音素分割流利性(幼儿园阶段)以及七年级阅读理解能力均受到较大程度的独特遗传因素影响。
相比之下,词汇水平阅读能力与一年级时出现的独特遗传影响关联较弱。对于共同环境影响,研究结果表明,共同的环境因素影响了学龄前儿童的字母命名流畅性和音素分割流畅性。类似地,共同环境效应也体现在一年级的词汇水平阅读能力以及七年级的阅读理解能力上,这些效应与学龄前阶段的阅读能力共享。
对于非共享环境因素,结果表明各因素之间的重叠非常少。大多数非共享环境影响显示出在每个年级阶段均具有独特的影响。最后,总体而言,阅读能力在此发育阶段受到遗传和环境因素的共同影响。
在尝试此操作时,需要注意统计建模程序脚本可能需要根据输入的数据调整初始值。该方法可进行修改,以探讨其他阅读技能的个体差异在多大程度上影响其他时间点的变异性和阅读理解能力。Cholesky 分解法是行为遗传学中一种常用的方法。
它使研究者能够量化特定时间点的个体差异,同时将这些差异与在多个时间点间重叠的影响区分开来。
查看完整文字稿并访问数千部科学视频
本文演示了在行为遗传学中使用Cholesky分解方法来估计遗传和环境因素对各种变量的影响。该技术通过分析多个时间点上的个体差异,以解决纵向研究问题。
在生物制药研发中,了解生物标志物的纵向轨迹及其遗传/环境驱动因素有助于靶点验证和机制层面的风险评估。Cholesky 分解法能够量化特定时间点的影响与持续性影响,从而为疾病相关系统的预测可靠性提供依据。该方法通过明确观察到的生物标志物变化反映的是稳定特征还是在发育或疾病阶段中的短暂状态,有助于进行项目组合的优先级筛选。
该方法适用于从靶点识别到先导化合物优化直至临床前验证的整个发现流程,尤其在具备纵向生物标志物数据的情况下更为适用。