复杂性状遗传效应解析的新方法—重复筛选法

发布时间：2025-01-18 19:36

　　全基因组关联研究(GWASs)已被成功鉴定了与人类、动物和植物复杂性状相关联的数以千计的遗传变异。少数的GWAS结果则能够完全确定影响复杂性状的所有遗传因素,而这些遗传因素是由多种遗传和环境因素相结合引起的。但使用当前的分析技术大都存在遗传力丢失(missing heritability)即解释能力低下的窘境。通常,GWAS方法依赖混合模型进行群体结构校正,以避免性状与遗传标记之间的虚假关联。而多数单位点分析难于应对复杂性状多基因共同协同作用(包括上位性)的本质。因此,进一步研究基因相互作用可能有助于检测到不能从单变量方法检测到的遗传变异。提出和开发能够同时检测加性效应及上位性效应模型的新方法很有必要。然而除了发现与性状相关的遗传变异位点外,人们越来越感兴趣的是从植物育种、动物育种和人群的个体基因型数据中预测复杂性状的表型。这些预测是基于SNPs的选择,并估计他们在样本中的效应大小,然后在具有已知表型的独立样本中进行验证并且最终应用于未知表型的样本。本研究提出了一种新的统计分析方法一重复筛选法(Iterative screen regression,ISR)。它首先建立新的模型选择标准R...

【文章页数】：158 页

【学位级别】：硕士

【部分图文】：

图１１方程饱和度信息函数／（Ｍ）函数图??Ｆｉｇｕｒｅ?２．１?Ｅｑｕａｔｉｏｎ?ｏｆ?ｓａｔｕｒａｔｅｄ?ｉｎｆｏｒｍａｔｉｏｎ?ｆｕｎｃｔｉｏｎｓ?／?｛＾ｓｄ?）??

图１１方程饱和度信息函数／（Ｍ）函数图??Ｆｉｇｕｒｅ?２．１?Ｅｑｕａｔｉｏｎ?ｏｆ?ｓａｔｕｒａｔｅｄ?ｉｎｆｏｒｍａｔｉｏｎ?ｆｕｎｃｔｉｏｎｓ?／?｛＾ｓｄ?）??著水平的动态变化??步回归的一个主要问题是它搜索无限空间所有可能模型。然而，巨大的搜索空间会的过度拟合和估计....

图２．３附加项函数凡＝／ｒ２（Ｒ２）函数图??Ｆｉｇｕｒｅ?２．３?Ａｐｐｅｎｄ?ｅｆｆｅｃｔｓ?ｆｕｎｃｔｉｏｎ?ｐｄ＝ｆｒ２｛Ｋ２）??

个协变量＾＾ｅ｛〇，ｌ，２，?ｏｒ，０，０．５，ｌ｝，／?＝?ｌ，２，．．．，ｐ，ｙ＿?＝?ｌ，２，．．．，ｎ?（这里的；？表示个体数，ｐ表示协变??量的个数）。若自变数的总数少于观察值的组数（即ｍ＜？）时，将所有自变数进行经典的多??元线性回归分析（图２．８），此时的；？＝／？....

图２．４重新筛选两步策略图??Ｆｉｇｕｒｅ?２．４?ｔｈｅ?ｄｉａｇｒａｍ?ｏｆ?ｒｅ－ｓｃｒｅｅｎ?ｔｗｏ?ｓｔｅｐｓ??

１?３?４?５?６?７?８?？？?１０?１１?１２?１３?１４?１５?Ｈ?１７?１８??图２．５三种未入选的自变量类型图??Ｆｉｇｕｒｅ?２．５?ｔｈｅ?ｄｉａｇｒａｍ?ｏｆ?ｔｈｒｅｅ?ｔｙｐｅ?ｏｆ?ｎｏｎｅ?ｓｃｒｅｅｎ?ｃｏｖａｒｉａｔｅｓ??２．３真实数据的模拟研究??....

图２．５三种未入选的自变量类型图??Ｆｉｇｕｒｅ?２．５?ｔｈｅ?ｄｉａｇｒａｍ?ｏｆ?ｔｈｒｅｅ?ｔｙｐｅ?ｏｆ?ｎｏｎｅ?ｓｃｒｅｅｎ?ｃｏｖａｒｉａｔｅｓ??２．３真实数据的模拟研究??

本文编号：4028904