方差组分QTL分析中AI-REML迭代的高效实现
定量方法
2008-02-11 v2 其他定量生物学
摘要
通过遗传和表型数据的统计分析，可以鉴定影响复杂性状的基因组区域，即数量性状基因座（QTL）。当使用限制最大似然（REML）模型时，定位过程通常计算量很大。我们开发了一种基于方差组分分析和AI-REML算法的QTL定位新高效计算方案。该算法利用同源一致矩阵的精确或近似低秩表示，结合用于矩阵求逆的Woodbury公式，使得AI-REML迭代主体中的计算能够更高效地执行。对于预先存在IBD矩阵精确低秩表示的情况，改进的AI-REML算法的运行速度通常是标准版本的两倍。当无法获得精确的低秩表示时，使用截断谱分解来确定低秩近似。我们表明，在这种情况下，AI-REML方案的计算效率通常也能得到显著提高。
引用
@article{arxiv.0709.0625,
title = {Efficient Implementation of the AI-REML Iteration for Variance Component QTL Analysis},
author = {Kateryna Mishchenko and Sverker Holmgren and Lars Ronnegard},
journal= {arXiv preprint arXiv:0709.0625},
year = {2008}
}
备注
14 pages, 2 figures