主な特長 Excelと同様の操作性 データのインポートが簡単 高速なハプロタイプ推定 多遺伝子座のハプロタイプ推定** カイ二乗値、P値のほかにAICに対応 連鎖不平衡のグラフィカルな表示 従来の連鎖不平衡値(D, D’, r^2)のほかにAIC(LD)も対応 ディプロタイプ形の分布推定 Permutation testの利用 大量のデータを処理可能** マイクロサテライトへの対応 tagSNP同定機能 複数のデータシートを読み込み可能 ハプロタイプブロック解析機能 多型マーカの絞り込み機能 HealthSketchとの連携* データと結果をまとめて管理 FDR法の利用 トレンド検定の利用 *本機能をご利用いただくにはHealthSketch が必要です。 詳しくは(http://healthsketch.com/)をご覧ください。 **Pro版のみ	機能説明 ジェノタイピングデータのインポート 対応ファイルなど ケースコントロール研究 DNA多型情報の集計方法の設定 AICの利用 多重検定の補正 連鎖不平衡解析 ハプロタイプ推定 ハプロタイプ頻度の推定 ディプロタイプ形の分布の推定 ハーディ・ワインベルグ平衡の検定 FDR法の利用(多重検定の補正) コクラン・アーミテージ・トレンド検定（トレンド検定） Bootstrap法の利用 ハプロタイプを用いたケースコントロール研究 ハプロタイプブロック解析 多型マーカの絞り込み機能 HealthSketchとの連携 ファイルを介したデータの受け渡し ロジスティック回帰分析 データと結果の一括保存&読み込み機能

次に、主な特長をご紹介いたします。詳細ページへ→

※1 Akaike’s information criterion (AIC)

観測データがモデルにどの程度一致するかを表す基準。モデルに含まれるパラメータ数が多くなればなるほど残差平方和は小さくなるが、単に残差平方和の大小を比較するだけでなくそのパラメータ数も考慮に入れる。AIC値が最小となるモデルを最もよいと判断する。

AIC = －2 x（モデルの最大対数尤度）+ 2 x（モデルの自由パラメータ数）

AICの絶対値（今回の場合は従属モデル、独立モデル間の差の絶対値）が大きいほど、判定の信頼度は高い。分割表の自由度によって異なるが、AICの絶対値が0に近いときカイ二乗検定における有意水準5％での判定に相当すると考えられる。

参考資料：Sakamoto Y. and Akaike H.(1978) Analysis of Cross Classified Data by AIC, Ann. Inst. Statist. Math., 30-1, pp.185-197.