×
安娜·邦内;伊丽莎白·加斯亚特;莱维·莱德，塞林

高维稀疏线性混合模型的遗传性估计。 （英语） Zbl 1337.62157号

电子。J.统计。 2099-2129（2015）第2号第9页.
摘要：受遗传领域应用的启发，我们建议在高维稀疏线性混合模型中估计遗传率。遗传率决定了线性混合模型中不同随机成分之间如何共享方差。我们的方法的主要新颖之处是考虑到随机效应可以是稀疏的，也就是说可能包含空分量，但我们不知道它们的比例或位置。我们考虑的估计器受到了M.皮林等【Ann.Appl.Stat.7，No.1，369–390（2013；Zbl 1454.62377号)]，并基于最大似然法。我们还研究了估计量的理论性质，即在温和的假设下，当观察数（n）和随机效应数（n）趋于无穷大时，我们的遗传率估计量是一致的。我们还证明了我们的遗传率估计满足中心极限定理，该定理作为副产品给出了遗传率的置信区间。我们还进行了一些蒙特卡罗实验，以展示我们的估计器的有限样本性能。

引用于9文件

MSC公司：

62J05型 线性回归；混合模型
62甲12 多元分析中的估计
2012年12月62日 参数估计量的渐近性质
62层25 参数公差和置信区域

关键词：

线性混合模型;遗传力;稀疏;高维的

引文：

Zbl 1454.62377号

软件：

GCTA公司;pi-MASS公司
PDF格式BibTeX公司 XML格式引用
\textit{A.Bonnet}等人，《电子》。J.Stat.9，No.2，2099--2129（2015；Zbl 1337.62157）
全文： 内政部 arXiv公司 欧几里得

参考文献：

[1] Arias-Castro，E.、Candès，E.J.和Plan，Y.（2011年）。稀疏替代方案下的全球测试：方差分析、多重比较和较高的批评。，《统计年鉴》39 2533-2556·Zbl 1231.62136号 ·doi:10.1214/11-AOS910
[2] Bai，Z.和Silverstein，J.W.（2010）。，《大维随机矩阵的谱分析》，第二版，《统计学中的斯普林格级数》。纽约州施普林格·Zbl 1301.60002号 ·doi:10.1007/978-1-4419-0661-8
[3] Bai，Z.和Zhou，W.（2008）。列中没有独立结构的大样本协方差矩阵。，中国统计局18 425-442·Zbl 1135.62009号
[4] Beinrucker，A.、Dogan，U.和Blanchard，G.（2014）。使用观测值和协变量的子样本扩展稳定性选择·Zbl 1505.62061号
[5] Bonnet，A.、Lévy-Leduc，C.、Gassiat，E.、Toro，R.和Bourgeron，T.（2015）。通过稀疏高维线性混合模型中的变量选择方法提高遗传力。，提交。
[6] Fan，Y.和Li，R.（2012）。混合效应模型中的变量选择。，《统计年鉴》40 2043-2068·Zbl 1257.62077号 ·doi:10.1214/12-AOS1028
[7] Gilmour，A.、Thompson，R.和Cullis，B.（1995年）。平均信息REML：线性混合模型方差参数估计的有效算法。，生物统计学51 1440-1450·Zbl 0875.62314号 ·doi:10.2307/2533274
[8] Golan，D.和Rosset，S.（2011年）。使用随机效应模型在全基因组研究中准确估计遗传率。，生物信息学[ISMB/ECCB]27 317-323。
[9] Guan，Y.和Stephens，M.（2011）。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。，应用统计学年鉴5 1780-1815·Zbl 1229.62145号 ·doi:10.1214/11-AOAS455
[10] Ingster，Y.I.、Tsybakov，A.B.和Verzelen，N.（2010年）。稀疏回归中的检测边界。，电子统计杂志4 1476-1526·Zbl 1329.62314号 ·doi:10.1214/10-EJS589
[11] Kang，H.M.、Zaitlen，N.A.、Wade，C.M.、Kirby，A.、Heckerman，D.、Daly，M.J.和Eskin，E.（2008）。模型生物关联映射中种群结构的有效控制。，遗传学178 1709-1723。
[12] Lynch，M.和Walsh，B.（1998）。，遗传学与数量性状分析。M.桑德兰。
[13] Marchenko，V.A.和Pastur，L.A.（1968年）。一些随机矩阵集的特征值分布。，数学。苏联，第1 457-483页·Zbl 0162.22501号 ·doi:10.1070/SM1967v001n04ABEH001994
[14] Meinshausen，N.和Bühlmann，P.（2010年）。稳定性选择。，英国皇家统计学会杂志：B辑（统计方法）72 417-473·doi:10.1111/j.1467-9868.2010.00740.x
[15] Patterson，H.D.和Thompson，R.（1971）。块大小不相等时块间信息的恢复。，生物特征58 545-554·Zbl 0228.62046号 ·doi:10.1093/biomet/583.545
[16] Pirinen，M.、Donnelly，P.和Spencer，C.C.A.（2013）。大规模数据集上线性混合模型的高效计算及其在遗传研究中的应用。，应用统计学年鉴7 369-390·Zbl 1454.62377号 ·doi:10.1214/12-AOAS586
[17] Searle，S.R.、Casella，G.和McCulloch，C.E.（1992）。，差异组件。概率统计威利级数。新泽西州威利·Zbl 0850.62007号
[18] Serfling，R.（1980）。，数理统计的逼近定理。概率与数理统计中的威利级数。威利，纽约州纽约市·兹伯利0538.62002
[19] 托罗、R.、波琳、J.-B.、胡格特、G.、洛斯、E.、弗劳因、V.、巴纳斯切夫斯基、T.、巴克、G.J.、博克德、A.、比切尔、C.、卡瓦略、F.、康罗德、P.、福斯-比勒、M.、弗洛尔、H.、加里纳、J.、加拉文、H.，戈洛恩、P.，海因茨、A.、伊特曼、B.、劳伦斯、C.、莱马é特、H.；曼恩、K.、内斯、F.，鲍斯、T.，巴布索娃，Z.、里茨chel，M.，Robbins，T.，Smolka，M。，Ströhle，A.、Schumann，G.和Bourgeron，T.（2014）。人类神经解剖多样性的基因组结构。，分子精神病学。
[20] Wei，G.C.G.和Tanner，M.A.（1990年）。EM算法和穷人数据增强算法的蒙特卡罗实现。，美国统计协会杂志85 699-704。
[21] Yang，J.、Benyamin，B.、McEvoy，B.P.、Gordon，S.、Henders，A.K.、Nyholt，D.R.、Madden，P.A.、Heath，A.C.、Martin，N.G.、Montgomery，G.W.、Goddard，M.E.和Visscher，P.M.（2010）。常见的SNP解释了人类身高遗传率的很大一部分。，《自然遗传学》42 565-569。
[22] Yang，J.、Lee，S.H.、Goddard，M.E.和Visscher，P.M.（2011年）。GCTA：全基因组复杂性状分析工具。，美国人类遗传学杂志88 76-82。
[23] Zhou，X.、Carbonetto，P.和Stephens，M.（2013）。贝叶斯稀疏线性混合模型的多基因建模。，《公共科学图书馆·遗传学》9 e1003264。
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。