局部上位性基因组关系矩阵用于基因组关联、预测和选择
应用统计
2013-08-15 v6 机器学习
摘要
随着遗传信息数量和复杂性的增加，有必要探索处理这些数据的高效方法。本研究采用“分而治之”的方法分析高维基因组数据。我们的目标包括降低每次需要处理的问题的维度，提高模型的性能和可解释性。我们提出利用基因组中的固有结构，将大问题分解为可管理的部分。在动植物育种研究中，个体的商业价值（加性+上位性遗传效应）与育种值（加性遗传效应）之间存在区别，因为预期部分上位性遗传效应会因重组而丢失。在本文中，我们认为育种者可以利用低重组区域中的部分上位性标记效应。这里引入的模型旨在通过使用遗传图谱信息估计局部上位性系谱遗传力，并组合局部加性和上位性效应。为此，我们使用了半参数混合模型，包含多个局部基因组关系矩阵，采用层次检验设计和lasso后处理以实现最终模型的稀疏性和速度。我们的模型在提供遗传关联信息的同时产生了良好的预测性能。
引用
@article{arxiv.1302.3463,
title = {Locally epistatic genomic relationship matrices for genomic association, prediction and selection},
author = {Deniz Akdemir},
journal= {arXiv preprint arXiv:1302.3463},
year = {2013}
}