本征

EIGENSOFT软件包结合了我们的群体遗传学方法(Patterson等人,2006年)和我们的本征斯特拉分层校正方法(Price等人,2006年)的功能。本征值分析法使用主成分分析来明确地模拟病例和对照组之间沿连续变异轴的祖先差异;结果的校正是针对候选标记在祖先群体中的频率变化而进行的,最小化虚假关联,同时最大化检测真实关联的能力。EIGENSOFT包有一个内置的绘图脚本,支持多种文件格式和定量表型。


zbMATH参考文献(参考 53篇文章 引用)

显示第1到第20个结果,共53个。
按年份排序(引用)
  1. Broc,Camilo;Calvo,Borja;Liquit,Benoit:应用于结构化数据的惩罚偏最小二乘法(2020年)
  2. Galbraith,John W.;Zinde Walsh,Victoria:具有高维混杂效应的模型中感兴趣系数的简单可靠估计(2020年)
  3. 刘中华;巴内特,伊恩;林锡红:遗传关联研究中多表型回归和多重SNP回归主成分方法的比较(2020)
  4. Marbac,Matthieu;Sedki,Mohammed;Patin,Tienne:混合数据聚类的变量选择:在人类群体基因组学中的应用(2020)
  5. Najafi,Amir;Motahari,Seyed Abolfazl;Rabiee,Hamid R.:伯努利混合模型的可靠聚类(2020年)
  6. Sportisse,Aude;Boyer,Claire;Josse,Julie:缺失非随机数据的插补和低秩估计(2020年)
  7. Sun,Ryan;Lin,Xihong:基于遗传变异集的测试,使用广义Berk-Jones统计,并应用于乳腺癌的全基因组关联研究(2020)
  8. 阿蒂格,海蒂;史密斯,加里:主成分回归的主要问题(2019)
  9. Barber,Rina Foygel;Candès,Emmanuel J.:高维选择性推理的仿制品过滤器(2019)
  10. Berk,Lauren;Bertsimas,Dimitris:可证明的最优稀疏主成分分析(2019)
  11. Dey,Rounak;Lee,Seunggeun:广义尖峰总体模型下主成分分析和收缩偏差调整的渐近性质(2019)
  12. 刘耀武;谢军:基于高斯近似的精确有效(P)-值计算:一种新的蒙特卡罗方法(2019)
  13. 伊莉莎白L.奥格伯恩;伊莉亚·什皮瑟;切特根·切特根,埃里克·J.:评论:“多重原因的祝福”(2019年)
  14. 王一欣;布莱,大卫M.:多重原因的祝福(2019)
  15. 刘耀武;谢军:基于条件效应的全基因组筛选的有力检验(2018)
  16. Tsakiris,Manolis C.;Vidal,René:双主成分追踪(2018)
  17. 张腾;杨毅:基于流形优化的鲁棒主成分分析(2018)
  18. Zhao,Huaqing;Mitra,Nandita;Kanetsky,Peter A.;Nathanson,Katherine L.;Rebbeck,Timothy R.:调整全基因组关联研究中人口分层的实用方法:主成分和倾向得分(PCAP)(2018)
  19. Islam,Shofiqul;Anand,Sonia;Hamid,Jemila;Thabane,Lehana;Beyene,Joseph:在高维基因组数据整合背景下比较线性和非线性主成分的性能(2017年)
  20. 刘忠凯;宋、芮;曾、东林;张佳佳:主成分调整变量筛选(2017)