發(fā)布時(shí)間：2025-01-18 19:36

　　全基因組關(guān)聯(lián)研究(GWASs)已被成功鑒定了與人類、動(dòng)物和植物復(fù)雜性狀相關(guān)聯(lián)的數(shù)以千計(jì)的遺傳變異。少數(shù)的GWAS結(jié)果則能夠完全確定影響復(fù)雜性狀的所有遺傳因素,而這些遺傳因素是由多種遺傳和環(huán)境因素相結(jié)合引起的。但使用當(dāng)前的分析技術(shù)大都存在遺傳力丟失(missing heritability)即解釋能力低下的窘境。通常,GWAS方法依賴混合模型進(jìn)行群體結(jié)構(gòu)校正,以避免性狀與遺傳標(biāo)記之間的虛假關(guān)聯(lián)。而多數(shù)單位點(diǎn)分析難于應(yīng)對(duì)復(fù)雜性狀多基因共同協(xié)同作用(包括上位性)的本質(zhì)。因此,進(jìn)一步研究基因相互作用可能有助于檢測(cè)到不能從單變量方法檢測(cè)到的遺傳變異。提出和開(kāi)發(fā)能夠同時(shí)檢測(cè)加性效應(yīng)及上位性效應(yīng)模型的新方法很有必要。然而除了發(fā)現(xiàn)與性狀相關(guān)的遺傳變異位點(diǎn)外,人們?cè)絹?lái)越感興趣的是從植物育種、動(dòng)物育種和人群的個(gè)體基因型數(shù)據(jù)中預(yù)測(cè)復(fù)雜性狀的表型。這些預(yù)測(cè)是基于SNPs的選擇,并估計(jì)他們?cè)跇颖局械男��?yīng)大小,然后在具有已知表型的獨(dú)立樣本中進(jìn)行驗(yàn)證并且最終應(yīng)用于未知表型的樣本。本研究提出了一種新的統(tǒng)計(jì)分析方法一重復(fù)篩選法(Iterative screen regression,ISR)。它首先建立新的模型選擇標(biāo)準(zhǔn)R...

【文章頁(yè)數(shù)】：158 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１１方程飽和度信息函數(shù)／（Ｍ）函數(shù)圖??Ｆｉｇｕｒｅ?２．１?Ｅｑｕａｔｉｏｎ?ｏｆ?ｓａｔｕｒａｔｅｄ?ｉｎｆｏｒｍａｔｉｏｎ?ｆｕｎｃｔｉｏｎｓ?／?｛＾ｓｄ?）??

圖１１方程飽和度信息函數(shù)／（Ｍ）函數(shù)圖??Ｆｉｇｕｒｅ?２．１?Ｅｑｕａｔｉｏｎ?ｏｆ?ｓａｔｕｒａｔｅｄ?ｉｎｆｏｒｍａｔｉｏｎ?ｆｕｎｃｔｉｏｎｓ?／?｛＾ｓｄ?）??著水平的動(dòng)態(tài)變化??步回歸的一個(gè)主要問(wèn)題是它搜索無(wú)限空間所有可能模型。然而，巨大的搜索空間會(huì)的過(guò)度擬合和估計(jì)....

圖２．３附加項(xiàng)函數(shù)凡＝／ｒ２（Ｒ２）函數(shù)圖??Ｆｉｇｕｒｅ?２．３?Ａｐｐｅｎｄ?ｅｆｆｅｃｔｓ?ｆｕｎｃｔｉｏｎ?ｐｄ＝ｆｒ２｛Ｋ２）??

個(gè)協(xié)變量＾＾ｅ｛〇，ｌ，２，?ｏｒ，０，０．５，ｌ｝，／?＝?ｌ，２，．．．，ｐ，ｙ＿?＝?ｌ，２，．．．，ｎ?（這里的；？表示個(gè)體數(shù)，ｐ表示協(xié)變??量的個(gè)數(shù)）。若自變數(shù)的總數(shù)少于觀察值的組數(shù)（即ｍ＜？）時(shí)，將所有自變數(shù)進(jìn)行經(jīng)典的多??元線性回歸分析（圖２．８），此時(shí)的；？＝／？....

圖２．４重新篩選兩步策略圖??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??圖２．５三種未入選的自變量類型圖??Ｆｉｇｕｒｅ?２．５?ｔｈｅ?ｄｉａｇｒａｍ?ｏｆ?ｔｈｒｅｅ?ｔｙｐｅ?ｏｆ?ｎｏｎｅ?ｓｃｒｅｅｎ?ｃｏｖａｒｉａｔｅｓ??２．３真實(shí)數(shù)據(jù)的模擬研究??....

圖２．５三種未入選的自變量類型圖??Ｆｉｇｕｒｅ?２．５?ｔｈｅ?ｄｉａｇｒａｍ?ｏｆ?ｔｈｒｅｅ?ｔｙｐｅ?ｏｆ?ｎｏｎｅ?ｓｃｒｅｅｎ?ｃｏｖａｒｉａｔｅｓ??２．３真實(shí)數(shù)據(jù)的模擬研究??

本文編號(hào)：4028904