π质量
贝叶斯变量选择回归用于全基因组关联研究和其他大规模问题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百上千个或上百万个个体的遗传变异（snp），并试图确定含有影响某些表型或结果的snp的区域。这个目标很自然地可以归结为一个变量选择回归问题，以snp作为回归中的协变量。全基因组关联研究的特点包括：（i）主要侧重于识别相关变量，而不是预测；（ii）许多相关协变量可能会产生微小影响，因此实际上不可能自信地确定完整的“正确”变量子集。综合起来看，这些因素对模型中包含的单个协变量具有可解释的置信度量值非常重要，我们认为，与惩罚回归方法等替代方法相比，BVSR更具优势。我们主要关注定量表型的分析，在此背景下对BVSR进行适当的先验规范，强调考虑相关协变量解释的结果中方差总比例的先验含义。我们还强调了BVSR估计这个解释的方差比例的潜力，从而阐明了全基因组关联研究中“缺失遗传力”的问题。与传统的单尺度回归分析方法相比，我们可以在更大的尺度上证明SN-BVP方法具有更好的预测能力和预测能力。这里描述的方法是在一个软件包pimass中实现的，这个软件包可以从Guan实验室的网站http://bcm.edu/cnrc/mcmccmc/pimass获得。
此软件的关键字
