×

pi-MASS公司

swMATH ID: 17249
软件作者: 关永涛;马修·斯蒂芬斯
描述: 用于全基因组关联研究和其他大规模问题的贝叶斯变量选择回归我们考虑将贝叶斯变量选择回归(BVSR)应用于全基因组关联研究和类似的大规模回归问题。目前,典型的全基因组关联研究测量了成千上万或数万个人中数十万或数百万的遗传变异(SNP),并试图确定影响某些表型或结果的SNP所在区域。这一目标自然可以归结为变量选择回归问题,SNP作为回归中的协变量。全基因组关联研究的特征包括:(i)主要侧重于确定相关变量,而不是预测;和(ii)许多相关的协变量可能有微小的影响,这实际上不可能自信地确定完整的“正确”变量子集。综上所述,这些因素对模型中包含的单个协变量的可解释置信度指标起着重要作用,我们认为,与惩罚回归方法等替代方法相比,这是BVSR的一个优势。我们主要关注定量表型分析,以及在此背景下BVSR的适当先验规范,强调考虑先验值对相关协变量解释的结果方差总比例的含义。我们还强调了BVSR估计所解释方差比例的潜力,从而阐明了全基因组关联研究中“缺失遗传力”的问题。更一般地,我们证明,尽管存在明显的计算挑战,但BVSR可以在这些大规模问题中提供有用的推断,并且与标准的单SNP分析和惩罚回归方法LASSO相比,在我们的模拟中产生了更好的功率和预测性能。此处描述的方法在软件包pi-MASS中实现,可从Guan Lab网站获得http://bcm.edu/cnrc/mcmcmc/pimass。
主页: http://www.单倍体.org/pimass.html
关键词: 贝叶斯回归;收缩,收缩;多SNP分析;遗传力
相关软件: R(右);EMVS公司;格尔姆奈特;PLINK公司;生物导体;受到惩罚的;SSS系统;通用控制塔;艾根斯特拉;机器;插补;桥梁.jl;ccpdmp公司;类鸟群;彩虹;记录仪;github;波浪阈值;贝叶斯DA;
引用于: 23文件
全部的 前5名

66位作者引用

关永涛
2 罗、赵唐
2 桑惠燕
2 玛丽娜·范努奇
2 周,权
1 阿列克索普洛斯,安吉洛斯
1 马克西米利安·阿贝特
1 秃顶,大卫·约瑟夫
1 哈伊姆·巴尔。
1 乔里斯·比尔肯斯
1 安娜·邦内
1 詹姆斯·G·布斯。
1 莱昂纳多·波托洛
1 劳伦特·布里奥莱
1 陈毅A。
1 朱迪·赵(Judy H.Cho)。
1 洛林·克劳福德
1 何塞·克罗萨
1 托尔斯滕·迪克豪斯
1 阿德里安·多布拉
1 克莱门斯·埃尔斯特
1 塞斯·弗拉克斯曼。
1 马特·弗里德兰德
1 伊丽莎白·加斯亚特
1 塞巴斯蒂亚诺·格拉齐
1 何石泉
1 何旭明
1 黄慧
1 黄显正
1 金家顺
1 劳拉·索尔特·库巴特科
1 莱维·莱德,塞林
1 凯瑟琳·林宁(Catherine R.Linnen)。
1 刘金楠
1 伊恩,麦凯
1 巴尼·马利克。
1 Helene M.马萨姆。
1 塞尔玛·梅兹纳
1 蒙罗伊·卡斯蒂略,布兰卡·E。
1 纳维恩·奈杜·纳里塞蒂
1 希尔米·奥兹利克
1 塞尔吉奥·佩雷兹·埃利扎尔德
1 佩雷斯·罗德里格斯(Paulino Pérez-Rodríguez)
1 尤尔根·皮尔兹
1 康斯坦丁·波什
1 丹尼尔·伦西(Daniel E.Runcie)。
1 特伦斯·D·萨维茨基。
1 莫里茨·绍尔
1 马克·斯库塔里
1 沙奈君
1 申娟
1 马修·斯蒂芬斯
1 弗朗西斯科·克劳迪奥·斯廷戈
1 孙一鸣
1 谢尔盖·斯维尔德洛夫
1 Mahlet G.塔德斯。
1 伊丽莎白·汤普森。
1 凯瑟琳·汤普森。
1 范德梅伦、弗兰克·亨利
1 Wells,Martin T。
1 韦斯特,迈克
1 吴哲阳
1 格尔德·Wübbeler
1 张,渤海
1 赵宏宇
1 周海明

按年份列出的引文