近日，记者从北京林业大学获悉，由该校计算生物学中心主任邬荣领教授主持完成的“选择模型”，有望解决数量遗传学研究中常见的数据缺失难题。相关研究论文发表在新一期《先进的药物控释评论》上。

　　据了解，数据缺失是生物学研究中令人困惑的问题，处理不当会严重影响生物学结论的科学推断。最简单的处理方法是去除数据缺失的样本，但这一方法会降低数据的信息量。

　　近来有研究根据贝叶斯理论对缺失数据进行恢复，并对之加以分析综合。但这些方法容易受到样本大小、取样方式等因素的影响。

　　新的“选择模型”方法认为，数据缺失不是随机发生的，而是与具体的表型性状值有一定的联系。选择模型能把产生数据缺失的这一机理嵌合在数据分析的框架之中，一方面提高了现有数据的信息量，另一方面也增强了结果的科学解释内涵。

　　该论文把形成数据缺失的内在机理组合在统计分析模型之中，能够从数据缺失的源头上，揭示观察数据的内在关系，使对缺失数据的分析更具科学依据。