×
黄汉文；周海波；程富霞；伊纳州霍舍利；邹飞

基于高斯过程的贝叶斯半参数数量性状位点区间映射。 （英语） Zbl 1187.62169号

生物计量学 66，第1期，222-232（2010）.
小结：在连锁分析中，通常需要包括年龄或体重等协变量，以提高功效或避免假阳性结果。然而，如果模型中的协变量项指定不正确（例如，将二次项错误地指定为线性项），则包含协变量可能会对数量性状位点（QTL）识别的能力和准确性产生不利影响。此外，一些协变量可能以复杂的方式相互作用。我们实现了单QTL和多QTL定位的半参数模型。这两种映射方法都包括发现或怀疑与响应变量具有比线性更复杂但未知关系的任何协变量的未指定函数。它们还允许不同协变量之间的相互作用。该分析是在贝叶斯推理框架中使用马尔可夫链蒙特卡罗进行的。通过大量仿真和实际数据分析，证明了我们方法的优势。

MSC公司：

第62页第10页 统计学在生物学和医学中的应用；元分析
92D10型 遗传学和表观遗传学
2015年1月62日 贝叶斯推断
65立方厘米 马尔可夫链的数值分析或方法

关键词：

高阶相互作用；MCMC公司；多个QTL；非线性；变量选择

软件：

卢比/夸脱；QTL制图师
PDF格式BibTeX公司 XML格式引用
\textit{H.Huang}等人，《生物计量学》66，第1期，222--232（2010；Zbl 1187.62169）
全文： 内政部 链接

参考文献：

[1] Abrahamsen，高斯随机场和相关函数综述（1997）
[2] Abramovich，《基于贝叶斯方法的小波阈值化》，《皇家统计学会杂志》，B辑60 pp 725–（1998）·Zbl 0910.62031号 ·doi:10.1111/1467-9868.00151
[3] Basten，QTL制图员：QTL绘图参考手册和教程（1999年）
[4] Best，CODA手册0.30版（1995年）
[5] Broman，实验杂交中数量性状位点识别的模型选择方法（含讨论），皇家统计学会杂志，B辑64 pp 641–（2002）·Zbl 1067.62108号 ·doi:10.1111/1467-9868.00354
[6] Broman，R/qtl:实验杂交中的qtl定位，生物信息学19第889页–（2003）·doi:10.1093/bioinformatics/btg112
[7] Chen，部分线性模型中参数分量的收敛速度，《统计年鉴》16第136页–（1988）·Zbl 0637.62067号 ·doi:10.1214/aos/1176350695
[8] Cuzick，半参数加性回归，皇家统计学会杂志，B辑54 pp 831–（1992）·Zbl 0776.62036号
[9] Denison，自动贝叶斯曲线拟合，英国皇家统计学会杂志，B系列60，第333页–（1998）·Zbl 0907.62031号 ·doi:10.1111/1467-9868.00128
[10] DiMatteo，自由结样条曲线的贝叶斯曲线拟合，Biometrika 88 pp 1055–（2001）·Zbl 0986.62026号 ·doi:10.1093/biomet/88.4.1055
[11] Doerge，《在实验人群中寻找影响数量性状的基因的统计问题》，《统计科学》第12页，195–（1997）·doi:10.1214/ss/1030037909
[12] Fan，设计自适应非参数回归，《美国统计协会杂志》87页998–（1992）·Zbl 0850.62354号 ·doi:10.2307/2290637
[13] Gelman，使用多序列的迭代模拟推断，《统计科学》第7卷第457页–（1992年）·Zbl 1386.65060号 ·doi:10.1214/ss/117701136
[14] George，Gibbs抽样变量选择，《美国统计协会杂志》88页881–（1993）·doi:10.2307/2290777
[15] Geweke，贝叶斯统计，4（1992）·Zbl 1093.62107号
[16] Godsill，《关于模型不确定性的马尔可夫链蒙特卡罗方法之间的关系》，《计算与图形统计杂志》10页230–（2001）·Zbl 04567021号 ·doi:10.1198/10618600152627924
[17] Godsill，《高度结构化随机系统》（2003）
[18] Green，可逆跳跃马尔可夫链蒙特卡罗计算和贝叶斯模型确定，Biometrika 82 pp 711–（1995）·Zbl 0861.62023号 ·doi:10.1093/biomet/82.4.711
[19] Härdle，W.1990应用非参数回归剑桥大学出版社
[20] Hastie，《局部回归：自动内核木工》（带讨论），《统计科学》第8卷第120页–（1993年）·doi:10.1214/ss/1177011002
[21] 赫克曼，部分线性模型中的样条平滑，英国皇家统计学会杂志，B辑，48页，244–（1986）·Zbl 0623.62030号
[22] Hoeschele，《统计遗传学手册》第477页–（2007年）
[23] Lan，控制Wistar-Kyoto大鼠乳腺癌易感性的遗传位点，《遗传学》157 pp 331–（2001）
[24] 兰德，使用RFLP连锁图绘制数量性状的孟德尔因子，《遗传学》121第185页–（1989）
[25] Lincoln，MAPMAKER/QTL教程和参考手册（1993）
[26] 林奇，遗传学和数量性状分析（1998）
[27] 麦凯，神经网络和机器学习（1998）
[28] Manly，QTL定位软件概述和Map Manager QT简介，《哺乳动物基因组》10 pp 327–（1999）·doi:10.1007/s003359900997
[29] McQueen，代谢综合征及其组成特征的QTL基因组扫描，BMC Genetics 4 pp S96–（2003）·doi:10.1186/1471-2156-4-S1-S96
[30] Müller，使用多元正态混合物的贝叶斯曲线拟合，Biometrika 83第67页–（1996）·Zbl 0865.62029号 ·doi:10.1093/biomet/83.1.67
[31] Neal，神经网络的贝叶斯学习（1996）·Zbl 0888.62021号 ·doi:10.1007/978-1-4612-0745-0
[32] Neal，贝叶斯回归和分类高斯过程模型的蒙特卡罗实现（1997）
[33] O'Hagan，《关于回归曲线拟合和优化设计》，《皇家统计学会杂志》，B辑40 pp 1–（1978）
[34] Reifsnyder，母体环境和基因型相互作用在小鼠中建立糖尿病，基因组研究10第1568页–（2000）·doi:10.1101/gr.147000
[35] Richards，经验使用的灵活生长函数，《实验植物学杂志》第10期第290页–（1959）·doi:10.1093/jxb/10.2.290
[36] Satagopan，使用马尔可夫链蒙特卡罗检测数量性状基因座的贝叶斯方法，遗传学144 pp 805–（1996）
[37] Sillanpää，基于不完全自交系杂交数据的多个数量性状位点的贝叶斯映射，遗传学148 pp 1373–（1998）
[38] Smith，使用贝叶斯变量选择的非参数回归，《计量经济学杂志》75页317–（1996）·Zbl 0864.62025号 ·doi:10.1016/0304-4076（95）01763-1
[39] Speckman，部分线性模型中的核平滑，英国皇家统计学会杂志，B辑50 pp 413–（1988）·Zbl 0671.62045号
[40] 斯蒂芬斯，使用可逆跳马尔可夫链蒙特卡罗对数量性状位点数据进行贝叶斯分析，《生物计量学》54页1334–（1998）·Zbl 1058.62657号 ·doi:10.2307/2533661
[41] Stoehr，遗传性肥胖揭示了小鼠2型糖尿病易感基因座之间的非线性相互作用，《糖尿病》第49页，1946–（2000）·doi:10.2337/糖尿病.49.11.1946
[42] Stylianou，肥胖的定量特征位点分析揭示了相互作用位点的多重网络，《哺乳动物基因组》17第22页–（2006）·doi:10.1007/s00335-005-0091-2
[43] Tibshirani，《通过LASSO进行回归收缩和选择》，《皇家统计学会杂志》，B辑58，第267页–（1996）·Zbl 0850.62538号
[44] Ven，可逆跳跃马尔可夫链蒙特卡罗用于数量性状位点定位，遗传学167 pp 1033–（2004）·doi:10.1534/genetics.103.025536
[45] Wahba，不当先验，样条平滑和防止回归中模型错误的问题，皇家统计学会杂志，B系列40页364–（1978）·Zbl 0407.62048号
[46] 瓦赫巴，《统计：一项评估》，《爱荷华州国家统计实验室50周年会议记录》，第205页–（1984）
[47] 《内核平滑魔杖》（1995）·doi:10.1007/9781-4899-4493-1
[48] 王，数量性状基因座参数的贝叶斯收缩估计，遗传学170 pp 465–（2005）·doi:10.1534/genetics.104.039354
[49] Yi，绘制多个数量性状基因座的统一马尔可夫链蒙特卡罗框架，遗传学167第967页–（2004）·doi:10.1534/genetics.104.026286
[50] Yi，复杂二元性状数量性状位点的贝叶斯映射，《遗传学》155页1391–（2000）
[51] Yi，复杂交配设计下数量性状位点的贝叶斯映射，遗传学157 pp 1759–（2001）
[52] Yi，Bayesian LASSO，用于数量性状位点定位，遗传学179 pp 1045–（2008）·doi:10.1534/genetics.107.085589
[53] Yi，一种有效的贝叶斯模型选择方法，用于多效应相互作用的数量性状位点模型，《遗传学》176页1865–（2007）·doi:10.11534基因.1007.071365
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。