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。特征值法使用主成分分析法,明确地模拟病例和对照之间沿连续变化轴的祖先差异;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,在最大限度地提高检测真实关联的能力的同时,尽量减少虚假关联。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中的参考文献(参考文献53条)

显示第1到第20个结果,共53个。
按年份排序(引用)
  1. 布罗克,卡米洛;卡尔沃,博尔贾;Liquet,Benoit:应用于结构化数据的惩罚偏最小二乘法(2020)
  2. 加尔布雷斯,约翰W。;Zinde Walsh,Victoria:高维混杂效应模型中感兴趣系数的简单可靠估计(2020)
  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. 马尔巴克,马修;穆罕默德·塞基;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. 纳杰菲,阿米尔;莫塔哈里,赛义德·阿博尔法兹;Rabiee,Hamid R.:伯努利混合模型的可靠聚类(2020)
  6. 体育,奥德;博耶,克莱尔;Josse,Julie:缺失非随机数据的插补和低秩估计(2020年)
  7. 太阳,瑞安;Lin,Xihong:使用广义Berk-Jones统计的基因变异集测试及其在乳腺癌全基因组关联研究中的应用(2020)
  8. 阿提格,海蒂;史密斯,加里:主成分回归的主要问题(2019)
  9. 理发师,瑞娜·福格尔;Candès,Emmanuel J.:高维选择推理的一个敲除滤波器(2019)
  10. 伯克,劳伦;Bertsimas,Dimitris:可证明的最优稀疏主成分分析(2019)
  11. 德纳基,德纳基;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.奥本。;希皮策,伊利亚;艾瑞克J.:评论:“多重原因的祝福”(2019)
  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,马诺利斯C。;维达尔,勒内:双主成分追踪(2018)
  17. 张腾;Yang,Yi:基于流形优化的鲁棒PCA(2018)
  18. 赵华清;密特拉,南迪塔;卡涅茨基,彼得A。;内森,凯瑟琳L。;Rebbeck,Timothy R.:全基因组关联研究中调整群体分层的实用方法:主成分和倾向得分(PCAPS)(2018)
  19. 伊斯兰教,肖菲库尔;阿南德,索尼娅;哈米德,杰米拉;塔班,莱哈纳;Beyene,Joseph:高维基因组数据整合背景下线性和非线性主成分的性能比较(2017)
  20. 刘忠凯;宋瑞;曾东林;张佳佳:主成分调整变量筛选(2017)