通过改进变分线性回归准确估计具上位性的数量性状位点效应
定量方法
2015-03-20 v1 种群与进化
摘要
贝叶斯变量选择方法已广泛用于数量性状位点（QTL）作图。用于该目的的马尔可夫链蒙特卡洛（MCMC）算法在高维变量选择问题（例如在上位性分析中出现的那些）中通常难以实现。变分近似是MCMC的替代方法，变分线性回归（VLR）是变量选择问题的有效解决方案，但在样本远少于变量的某些QTL作图问题中缺乏准确性。在本文中，我们提出一种有效的方法，旨在通过动态减少具有已知效应（零或固定）的组分（变量或标记）来改进上述情况下VLR的准确性。我们表明所提方法能在计算成本略微增加的情况下极大提高VLR的准确性。该方法与用于QTL作图的几种其他变分方法进行比较，模拟结果表明在高维情况下应用时其性能高于那些方法。
引用
@article{arxiv.1503.05628,
title = {Accurate Estimation of Quantitative Trait Locus Effects with Epistatic by Improved Variational Linear Regression},
author = {Zijian Dong and Jingzhuo Wang and Zhongming Wang},
journal= {arXiv preprint arXiv:1503.05628},
year = {2015}
}