研究文章
贝叶斯模型应用到绝对特征基因组选择
bobapp苹果版安全吗发布日期:2019年11月30日
创用CC模尔解析18(4):GMR18490
DOI:https://doi.org/10.4238/gmr18490
引用此文章
L.S.西尔维拉市Filho CFAzevedo E.C.BarbosaMDVResende E.K.高桥2019贝叶斯模型应用到绝对特征的基因组选择
创用CC模尔解析18(4):GMR18490
https://doi.org/10.4238/gmr18490
3 214视图
抽象性
比较两种统计方法 遗传学和基因组分析 绝对特征第一类由贝叶斯线性混合模型方法组成,解决基因组预测统计问题第二种方法称贝叶斯通用线性混合模型相似,但在响应变量分布非高斯时使用,如疾病抗药性倍型类依据预测能力、偏差、计算时间和交叉验证误差率比较这些模型此外,还提出了BLMM替代分类法,使我们能够获取CVER模型遗传参数估计使用BLM和BGLM应用的Beesian最佳线性预测法模型在两种假想中应用,二类和四类对病原体引起的生素疾病的抗药性普契尼亚psi并分类反应类型(二类)和感染水平(四类)Eucalyptusurophylla24806SNP标记通过SNP建模下一代植物可提前选择,减少时间和成本并发现偏差值接近BLMM理想值BGLMM拥有最佳CVER(0.29对0.32和0.47对0.51对2和4类),BLMM计算时间短3倍,尽管BLMM不是处理绝对数据最合适的模型,但该模型向BGLMM提供相似响应因此,我们认为它是绝对数据建模的适当替代物。