卡里姆·乌尔卡查;奥雷利·拉布;安东尼奥·齐安比;罗伊，马克·安德烈;米歇尔·马齐亚德 高维数量性状和一般家系遗传力的主要成分。 （英语） Zbl 1296.92062号 Stat.应用。遗传学。分子生物学。 第11号第2条第4条第25页（2012年）. 摘要：对于许多复杂的疾病，与基因相关的疾病定义仍不清楚。因此，研究人员倾向于收集大量与疾病诊断直接或间接相关的项目。由于所测量的性状可能不全受遗传因素的影响，研究人员面临着在连锁分析中选择哪些性状或性状组合的问题。要组合项目，可以对数据进行主成分分析。然而，在收集家庭数据时，主成分分析并没有考虑家庭结构。为了解决这些问题，J.奥特和D.拉比诺维茨在[“基于遗传力的主成分方法，用于结合表型信息”，《人类遗传》49，第2期，106–111（1999）]中引入了遗传力的主要成分（PCH），它通过计算最大遗传力的性状线性组合来捕获性状间的家族信息。PCHs的计算基于对遗传和环境方差分量的估计。在遗传背景下，方差分量的标准估计量是Lange的最大似然估计量，这需要复杂的数值计算。本文的目标如下：i）回顾文献中用于估计混合模型中非平衡数据方差分量的一些标准策略；ii）提出遗传随机效应模型的方差分析方法，以估计方差分量，该方法可应用于PCH框架内的一般系谱和高维家族数据；iii）阐明PCH分析和线性判别分析之间的联系。我们通过计算机模拟表明，当特征数量较少时，该方法与Lange方法具有相似的渐近性质，并且我们研究了当特征数量较多时，该算法的效率。最后给出了一个涉及精神分裂症和双相情感定量特征的数据分析，以说明PCH方法。 MSC公司： 92B15号机组 一般生物统计学 62H25个 因子分析和主成分；对应分析 关键词：复杂性状;遗传力;线性鉴别分析;主成分分析;数量性状位点;方差分量 PDF格式BibTeX公司 XML格式引用 \textit{K.Oualkacha}等人，《统计应用》。遗传学。分子生物学。11，第2号，第4条，25页（2012年；Zbl 1296.92062） 全文： DOI程序 链接