Available fragile site identification software packages (FSM and FSM3) assume that all chromosomal breaks occur independently. However, under a Mendelian model of inheritance, homozygosity at fragile loci implies pairwise correlation between homologous sites. We construct correlation models for chromosomal breakage data in situations where either partitioned break count totals (per-site single-break and doublebreak totals) are known or only overall break count totals are known. We derive a likelihood ratio test and Neyman’s C( α) test for correlation between homologs when partitioned break count totals are known and outline a likelihood ratio test for correlation using only break count totals. Our simulation studies indicate that the C( α) test using partitioned break count totals outperforms the other two tests for correlation in terms of both power and level. These studies further suggest that the power for detecting correlation is low when only break count totals are reported. Results of the C( α) test for correlation applied to chromosomal breakage data from 14 human subjects indicate that detection of correlation between homologous fragile sites is problematic due to sparseness of breakage data. Simulation studies of the FSM and FSM3 algorithms using parameter values typical for fragile site data demonstrate that neither algorithm is significantly affected by fragile site correlation. Comparison of simulated fragile site misclassification rates in the presence of zero-breakage data supports previous studies (Olmsted 1999) that suggested FSM has lower false-negative rates and FSM3 has lower false-positive rates.

Šiame darbe pateikiama ląstelių plyšinės jungties Markovo modelių sudarymo metodika, apimanti perėjimo tikimybių skaičiavimą panaudojant nepriklausomų J. Bernulio bandymų schemą, stacionariųjų tikimybių skaičiavimą ir plyšinės jungties laidumo priklausomybės nuo įtampos skaičiavimus. Tariama, kad plyšinė jungtis sudaryta iš daugybės lygiagrečiai sujungtų kanalų (pvz., 1000). Kiekvienas kanalas sudarytas iš 2 nuosekliai sujungtų puskanalių (koneksonų), o kiekvienas koneksonas sudarytas iš 6 lygiagrečiai sujungtų vienetų (koneksinų). Kiekvienas koneksinas gali būti atviroje arba uždaroje būsenoje, kuri priklauso nuo kanalo įtampos. Modelių, sukurtų naudojant šią metodiką, adekvatumas patikrintas lyginant plyšinės jungties modeliavimo rezultatus su imitacinio modeliavimo (programų, kurias atliko Nerijus Paulauskas ir Saulius Vaičeliūnas (KTU Informatikos fakulteto magistrantai)) rezultatais, kurie patikrinti su eksperimentų rezultatais. Sukurta Markovo modelių metodika panaudota kuriant plyšinės jungties modelius, kai koneksinai aprašomi 3 būsenomis: uždara, atvira ir visiškai uždara. / In this paper the methodology of composing of Markov models of the gap junction of cells is introduced. This methodology contains of computing of transition probabilities using scheme of independent J. Bernoulli trials, computing of stationary probabilities and computing of the conductance of the gap junction dependence on a voltage. It is considered that the gap junction consists of a lot of channels (for example, 1000), joined parallel with each other. Each channel consists of two subchannels (connexons), joined in series, and each connexon consists of 6 units (connexins), joined parallel with each other. Each connexin can be in an open or a closed state. State of a connexin depends on a voltage that is going through the channel. The adequacy of models that were created using this methodology is tested comparing the results of modelling of the gap junction using Markov chains with the results of the imitational modelling (programs that were done by Nerijus Paulauskas and Saulius Vaičeliūnas (postgraduate students from Informatics faculty, KTU)). The latter results were tested with the results of experiments. In this paper the methodology of created Markov models was used creating the models of gap junction, where a connexin is described being in 3 states: closed, open and deep closed.

Θεωρούμε μια ακολουθία από n δυαδικά πειράματα. Ροή επιτυχιών μήκους k είναι μια ακολουθία από k συνεχόμενες επιτυχίες οι οποίες έπονται και ακολουθούνται από αποτυχίες ή τίποτα. Στην εργασία αυτή αρχικά μελετάται η τυχαία μεταβλητή Ν(n,k) η οποία παριστάνει τον αριθμό των ροών επιτυχιών μήκους k σε n δυαδικά πειράματα. Προσδιορίζεται η ακριβής κατανομή μέσω συνδιαστικών μεθόδων, αναδρομικών σχέσεων και μέσω της μεθόδου εμβάπτισης τυχαίας μεταβλητής σε Μαρκοβιανή αλυσίδα. Η μελέτη γίνεται για ανεξάρτητες και ισόνομες και για ανεξάρτητες όχι κατ’ ανάγκην ισόνομες δυαδικές ακολουθίες. Μελετάται επίσης η τυχαία μεταβλητή M(n,k)η οποία παριστάνει τον αριθμό των ροών επιτυχιών τουλάχιστον k σε n δυαδικά πειράματα. Ένα συνεχόμενο-k -από-τα-n:F σύστημα αποτυχίας είναι ένα σύστημα n συνιστωσών το οποίο αποτυγχάνει αν και μόνο αν αποτύχουν τουλάχιστον k συνεχόμενες συνιστώσες του. Τα συνεχόμενα-k-από-τα-n:F συστήματα αποτυχίας έχουν προταθεί ως κατάλληλα πρότυπα για συστήματα μεταφοράς πετρελαίου, τηλεπικοινωνιακά συστήματα κ.α. Ένα m-συνεχόμενο-k-από-τα-n:F σύστημα αποτυχίας είναι ένα σύστημα n συνιστωσών το οποίο αποτυγχάνει αν και μόνο αν υπάρχουν τουλάχιστον m ροές από k συνεχόμενες αποτυχημένες συνιστώσες του. Μελετάται η σχέση της αξιοπιστίας των ανωτέρω συστημάτων με τη συνάρτηση πιθανότητας και τη συνάρτηση κατανομής της τυχαίας μεταβλητής N(n,k). Αναπτύσσονται οι μέθοδοι που έχουν δοθεί για τον προσδιορισμό της αξιοπιστίας τους και δίνονται ακριβείς εκφράσεις της μέσω πολυωνυμικών συντελεστών, διωνυμικών συντελεστών, αναδρομικών σχέσεων και της μεθόδου εμβάπτισης σε Μαρκοβιανή αλυσίδα. Η μελέτη γίνεται για συστήματα με ανεξάρτητες συνιστώσες, γαι συστήματα με ομογενή Μαρκοβιανή εξάρτηση ενός βήματος και για συστήματα με Μαρκοβιανά εξαρτημένες συνιστώσες (k-1) βημάτων. Τέλος παρουσιάζονται αριθμητικά παραδείγματα για περαιτέρω διευκρίνηση και σύγκριση των μεθόδων υπολογισμού της κατανομής της N(n,k) και της αξιοπιστίας των ανωτέρω συστημάτων αποτυχιών. / Consider a sequence of n two state (success-failure) trials. A success run of length k is a sequence of k consecutive successes proceeded and succeeded by failures or nothing. In this thesis the random variable N(n,k) denoting the number of success runs of length k in n binary trials is studied. The exact distribution of N(n,k) is given, via combinatorial analysis, recursive relations and using the Markov chain imbedding technique. The study is carried out for independent but not identically distributed binary sequences. Further, the random variable M(n,k)denoting the number of success runs of length at least k in n binary trials is also studied. A consecutive-k-out-of-n : F system is a system which consists of n components ordered on a line, which fails if and only if at least k consecutive components fail. Such systems have been used to model telecommunication, oil pipeline systems e.t.c. An m-consecutive-k -out-of-n : F system consists of n components ordered on a line, which fails if and only if there are at least m non-overlapping runs of k consecutive failed components. The reliability of the above mentioned systems is related to the cumulative distribution function of the random variable N(n,k) . Exact formulae for the reliability is given by means of binomial and multinomial coefficients, via recursive relations and using the Markov chain imbedding technique. The study is accomplished for systems with independent and Markov dependent components. Finally, numerical examples are given for comparison of the various used methods and to illustrate the theoretical results.