考虑基因与基因间的交互作用的基因组选择方法研究 刘妍岩¹, 王蕊², 赵燕¹, 邹君³1. 武汉大学数学与统计学院, 武汉 430072;
2. 河南工业大学理学院 450001;
3. 武汉大学数学与统计学院, 武汉 430072;
4. 华中农业大学植物科学技术学院, 武汉 430070 Genomic Selection Method Considering Gene-to-Gene Interactions LIU Yanyan¹, WANG Rui², ZHAO Yan¹, ZOU Jun³1. School of Mathematics and Statistics, Wuhan University, Wuhan 430072, China;
2. School of Sciences, Henan University of Technology, Zhengzhou 450001, China;
3. College of Plant Science and Technology, Huazhong Agricultural University, Wuhan 430070, China

摘要 图/表 参考文献 相关文章(15) 点击分布统计 下载分布统计 --> 全文: PDF(838 KB) HTML (1 KB) 输出: BibTeX | EndNote (RIS) 摘要综合考虑主基因效应以及基因间的交互效应对植物选育种的作用是基因组选择研究关注的热点问题之一.目前已有的研究大多忽略了基因的交互效应，这主要是由于考虑交互效应会大大增加备选基因的数目，从而导致已有的统计建模方法不稳定.本文将基因效应与基因间的交互效应同时引入模型，提出三步模型构建方法以达到简化计算和提高模型预测精度的目标.第一步，不考虑具体模型，通过距离相关筛除方法删掉与响应变量显著无关的基因；第二步，在剩下的基因中，利用贝叶斯方法筛选可能的基因；第三步，基于选出的基因，同时考虑单基因效应和交互效应，利用惩罚方法选择模型并估计参数.通过模拟计算说明我们提出的方法与已有的一步模型选择方法相比具有计算简单、稳健、运行时间少并且预测精度高等优点.最后，将本文的方法应用于油菜花数据，实证分析表明，我们提出的方法显著地提高花期性状的预测精度. 服务 加入引用管理器 E-mail Alert RSS 收稿日期: 2018-07-11 PACS: O212.7 基金资助:国家自然科学自然基金（No.11571263）及国家重点研发计划（No.2016YFD0101300和2017YFC1600601）资助项目. 引用本文: 刘妍岩, 王蕊, 赵燕, 邹君. 考虑基因与基因间的交互作用的基因组选择方法研究[J]. 应用数学学报, 2019, 42(5): 684-700. LIU Yanyan, WANG Rui, ZHAO Yan, ZOU Jun. Genomic Selection Method Considering Gene-to-Gene Interactions. Acta Mathematicae Applicatae Sinica, 2019, 42(5): 684-700. 链接本文: http://123.57.41.99/jweb_yysxxb/CN/或 http://123.57.41.99/jweb_yysxxb/CN/Y2019/V42/I5/684 [1] Meuwissen T H, Hayes B J, Goddard M E. Prediction of total genetic value using genome-wide dense marker maps. J. Genetics, 2001, 157(4):1819-1829 [2] Lipka A E, Kandianis C B, Hudson M E, et al. From association to prediction:statistical methods for the dissection and selection of complex traits in plants. J. Current Opinion in Plant Biology, 2015, 24:110-118 [3] Xu S, Zhu D, Zhang Q. Predicting hybrid performance in rice using genomic best linear unbiased prediction. J. Proceedings of the National Academy of Sciences of the United States of America, 2014, 111(34):12456 [4] Würschum T, Abel S, Zhao Y. Potential of genomic selection in rapeseed (Brassica napus, L.) breeding. J. Plant Breeding, 2013, 133(1):45-51 [5] Wientjes Y C, Veerkamp R F, Bijma P, et al. Empirical and deterministic accuracies of across-population genomic prediction. J. Genetics Selection Evolution, 2015, 47(1):1-14 [6] Wheeler H E, Aquino Michaels K, Gamazon E R, et al. Poly Omic Prediction of Complex Traits:OmicKriging. J. Genetic Epidemiology, 2016, 38(5):402-415 [7] 袁志凯, 熊思灿. 带环境效应的基因组选择方法研究. 应用数学, 2016, 29(1):225-232) (Yuan Z K, Xiong S C. The Study of Genomic Selection Methods with Environmental Effects. Mathematica Applicata, 2016, 29(1):225-232) [8] Henderson C R. Best linear unbiased estimation and prediction under a selection model. Biometrics, 1975, 31(2):423-447 [9] Liu X Q, Rong J Y, Liu X Y. Best linear unbiased prediction for linear combinations in general mixed linear models. Journal of Multivariate Analysis, 2008, 99(8):1503-1517 [10] Tibshirani R. Regression Shrinkage and Selection via the Lasso. Journal of the Royal Statistical Society, 1996, 58(1):267-288 [11] Leo Breiman. Better Subset Regression Using the Nonnegative Garrote. American Society for Quality Control and American Statistical Association, 1995 [12] Breiman L. Better Subset Regression Using the Nonnegative Garrote. Technometrics, 1995, 37(4):373-384 [13] Henderson C R. Applications of linear models in animal breeding. Applications of Linear Models in Animal Breeding, 1984 [14] Piepho H P. Ridge Regression and Extensions for Genomewide Selection in Maize. Crop Science, 2009, 49(4):1165-1176 [15] Whittaker J C, Thompson R, Denham M C. Marker-assisted selection using ridge regression. Annals of Human Genetics, 1999, 63(4):249 [16] Berlinet A, Thomas-Agnan C. Reproducing Kernel Hilbert Spaces in Probability and Statistics. Springer US, 2004 [17] Steinwart I. Mercer's Theorem on General Domains:On the Interaction between Measures, Kernels, and RKHSs. Constructive Approximation, 2012, 35(3):363-417 [18] Franklin J. The elements of statistical learning:data mining, inference and prediction. Mathematical Intelligencer, 2010, 99(466):567-567 [19] Cortes C, Vapnik V. Support-vector networks. Machine Learning, 1995, 20(3):273-297 [20] Flannery B P, Flannery B P, Teukolsky S A, et al. Numerical recipes:the art of scientific computing. Cambridge University Press, 1986 [21] Hao N, Zhang H H. Interaction Screening for Ultra-High Dimensional Data. Journal of the American Statistical Association, 2014, 109(507):1285-1301 [22] Li J, Zhong W, Li R, Wu R. A Fast Algorithm for Detecting Gene-gene Interactions in Genome-wide Association Studies. Ann Appl Stat, 2014, 8(4):2292-2318 [23] Kong Y, Li D, Fan Y, et al. Interaction pursuit in high-dimensional multi-response regression via distance correlation. Annals of Statistics, 2017, 45(2):897-922 [24] Zhang Y, Thomas C L, Xiang J, et al. QTL meta-analysis of root traits in Brassica napus under contrasting phosphorus supply in two growth systems. Sci. Rep., 2016, 6:33113 [25] Li R, Zhong W, Zhu L. Feature Screening via Distance Correlation Learning. Journal of the American Statistical Association, 2012, 107(499):1129 [26] Li L, Long Y, Zhang L, et al. Genome Wide Analysis of Flowering Time Trait in Multiple Environments via High-throughput Genotyping Technique in Brassica napus L. Plos One, 2015, 10(3):e0119425 [1] 邱明悦, 胡涛, 崔恒建. 双区间删失下新冠病毒肺炎潜伏期分布的参数估计[J]. 应用数学学报, 2020, 43(2): 200-210. [2] 孙小丹, 霍希, 吴建宏. 关于大规模使用康复者血浆治疗COVID-19重症患者的模拟研究[J]. 应用数学学报, 2020, 43(2): 211-226. [3] 李倩, 肖燕妮, 吴建宏, 唐三一. COVID-19疫情时滞模型构建与确诊病例驱动的追踪隔离措施分析[J]. 应用数学学报, 2020, 43(2): 238-250. [4] 何其祥, 林仁鑫. 失效原因缺失的加速失效时间模型下竞争风险数据的半参数估计[J]. 应用数学学报, 2019, 42(3): 385-399. [5] 雷庆祝, 秦永松. 强混合样本下非参数回归函数的经验似然推断[J]. 应用数学学报, 2019, 42(2): 179-196. [6] 李永明, 周勇. 基于右删失宽相依数据的Kaplan-Meier估计和风险率估计的渐近性质[J]. 应用数学学报, 2019, 42(1): 71-84. [7] 杜彦斌, 戴家佳, 金君. 复发事件下一类加性乘性转移模型[J]. 应用数学学报, 2018, 41(5): 642-652. [8] 孟维维, 李俊平. 带灾难和移民的n维分枝过程[J]. 应用数学学报, 2018, 41(5): 609-619. [9] 魏玲, 孟庆余. 一类非线性随机四阶抛物型方程的解的p阶矩指数稳定性[J]. 应用数学学报, 2018, 41(5): 632-641. [10] 刘君娥, 周洁. Case-cohort设计下多类型事件数据的一类有效估计[J]. 应用数学学报, 2018, 41(4): 433-446. [11] 刘华, 杨鹏, 谢梅, 冶建华, 马明, 魏玉梅. 基于生灭过程的多斑块毒杂草入侵模型及空间模拟[J]. 应用数学学报, 2018, 41(3): 305-314. [12] 王昕, 程希明. 自回归序列的穿带率[J]. 应用数学学报, 2018, 41(3): 337-346. [13] 刘旭, 舒鑫鑫, 周勇. 不完全数据下的分位数估计[J]. 应用数学学报, 2018, 41(2): 198-214. [14] 李国军, 陈东杰, 韩一士. 带有初态误差的高阶多智能体系统一致性跟踪[J]. 应用数学学报, 2018, 41(2): 156-171. [15] 王虎, 田晶磊, 孙玉琴, 于永光. 具有阶段结构的时滞分数阶捕食者-食饵系统的稳定性分析[J]. 应用数学学报, 2018, 41(1): 27-42. PDF全文下载地址: http://123.57.41.99/jweb_yysxxb/CN/article/downloadArticleFile.do?attachType=PDF&id=14659 相关话题/应用数学 基因 数据 统计 计算 领限时大额优惠券,享本站正版考研考试资料! 优惠券领取后72小时内有效，10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材，产品类型包含电子书、题库、全套资料以及视频，无论您是考研复习、考证刷题，还是考前冲刺等，不同类型的产品可满足您学习上的不同需求。 ... 考试优惠券 本站小编 Free壹佰分学习网 2022-09-19 病例-队列设计下长度偏差数据的比例均值剩余寿命模型的统计推断 病例-队列设计下长度偏差数据的比例均值剩余寿命模型的统计推断徐达1,周勇2,31.上海财经大学统计与管理学院,上海200082;2.华东师范大学经管学部交叉科学研究院及统计学院,上海200241;3.中国科学院数学与系统科学研究院,北京100190ProportionalMeanResidualLi ... 中科院数学与系统科学研究院 本站小编 Free考研考试 2021-12-27 失效原因缺失的加速失效时间模型下竞争风险数据的半参数估计 失效原因缺失的加速失效时间模型下竞争风险数据的半参数估计何其祥1,2,林仁鑫31.上海财经大学数学学院,上海200433;2.上海财经大学浙江学院,金华321013;3.中国诺华生物医药研究院有限公司生物统计部,上海201203SemiparametricAnalysisforCompetingRi ... 中科院数学与系统科学研究院 本站小编 Free考研考试 2021-12-27 基于右删失宽相依数据的Kaplan-Meier估计和风险率估计的渐近性质 基于右删失宽相依数据的Kaplan-Meier估计和风险率估计的渐近性质李永明1,2,周勇31上海财经大学统计与管理学院,上海200433;2上饶师范学院数学与计算机科学学院,上饶334001;3华东师范大学经济与管理学部,上海200062AsymptoticPropertiesoftheKapla ... 中科院数学与系统科学研究院 本站小编 Free考研考试 2021-12-27 Case-cohort设计下多类型事件数据的一类有效估计 Case-cohort设计下多类型事件数据的一类有效估计刘君娥1,周洁21.淮北师范大学管理学院,淮北235000;2.首都师范大学数学科学学院,北京100048AnEffectiveEstimatingforCase-cohortDesignswithMultipleTypeEventDataLI ... 中科院数学与系统科学研究院 本站小编 Free考研考试 2021-12-27 SEVIS方法的局部线性估计及其在超高维数据下的应用 SEVIS方法的局部线性估计及其在超高维数据下的应用连亦旻1,陈钊2,舒明良31.中国科学技术大学统计与金融系,合肥230026;2.DepartmentofStatistics,PennsylvaniaStateUniversity,StateCollege,USA,PA16802;3.中国科学院 ... 中科院数学与系统科学研究院 本站小编 Free考研考试 2021-12-27 一类休假排队平稳队长的数值计算与渐近分析 一类休假排队平稳队长的数值计算与渐近分析张宏波1,史定华21.河南财政金融学院数学与统计学院,郑州450046;2.上海大学理学院,上海200444NumericalComputationandTailAsymptoticforQueueLengthofaVacationQueueZHANGHong ... 中科院数学与系统科学研究院 本站小编 Free考研考试 2021-12-27 带信息终止事件的复发事件数据的联合建模分析 带信息终止事件的复发事件数据的联合建模分析曹学锋1,曲连强21.黄冈师范学院数学系,黄冈438000;2.华中师范大学数学与统计学学院,武汉430079JointModelingAnalysisofRecurrentEventDatawithInformationTerminalEventCAOXu ... 中科院数学与系统科学研究院 本站小编 Free考研考试 2021-12-27 带固定效应面板数据空间误差模型的分位回归估计 带固定效应面板数据空间误差模型的分位回归估计戴晓文1,晏振2,田茂再1,3,41.中国人民大学应用统计科学研究中心,中国人民大学统计学院,北京100872;2.广西师范大学数学与统计学院,桂林541004;3.兰州财经大学统计学院,兰州730020;4.新疆财经大学统计与信息学院,乌鲁木齐83000 ... 中科院数学与系统科学研究院 本站小编 Free考研考试 2021-12-27 多类型复发事件数据下一类Box-Cox转移模型 多类型复发事件数据下一类Box-Cox转移模型郦博文1,张海祥21.中国科学技术大学统计与金融系,合肥230026;2.中国科学院数学与系统科学研究院,北京100190AClassofBox-CoxTransformationModelsforMultipleTypeRecurrentEventDa ... 中科院数学与系统科学研究院 本站小编 Free考研考试 2021-12-27 材料基因组研究平台和清洁能源材料测试诊断与研发平台项目通过性能工艺验收并投入试运行 6月22日，北京怀柔科学城“材料基因组研究平台”和“清洁能源材料测试诊断与研发平台”（以下简称“两个平台”） 项目顺利通过性能工艺测试及性能工艺验收。这标志着经过四年多的努力，中国科学院物理研究所两个平台项目团队已成功建成世界先进水平的大规模材料的高通量计算、筛选、制备及快速检测平台和国际一流的材料 ... 中科院物理研究所 本站小编 Free考研考试 2021-12-27 Free考研考试FreeKaoYan.Com 欢迎来到Free考研考试，"为实现人生的Free而奋斗" 关于我们 联系我们 电子邮件 苏ICP备16059069号 © 2020 FreeKaoYan! . All rights reserved.