Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: bayesowskie kryterium informacyjne

Sortuj według:

Ogranicz wyniki do:

Localization of genes

Szulc P.

Mathematica Applicanda

2015

Vol. 43, No. 1

19--35

Development of genetics in recent years has led to a situation in which we are able to look at the DNA chains with high precision and collect vast amounts of information. In addition, it turned out that the relationships between genes and traits are more complex than previously thought. These two things caused the need for close collaboration between geneticists and mathematicians whose task is to develop special methods, coping with specific and difficult genetic problems. The article includes an overview of both classic and the latest approaches to the problem of localizing genes that indicate places in the DNA chain, which significantly influence the traits of interest to us. Because of not the best communication between mathematicians and geneticists, knowledge of methods other than the classic among the latter group is still small.

Rozwój genetyki w ostatnich latach doprowadził do sytuacji, w której jesteśmy w stanie przyjrzeć się łańcuchom DNA z dużą precyzją i zebrać ogromne ilości informacji. Oprócz tego okazało się, że zależności między genami a cechami są bardziej skomplikowane niż się wcześniej wydawało. Te dwie rzeczy spowodowały, że niezbędna stała się ścisła współpraca między genetykami a matematykami, których zadaniem jest opracowanie specjalnych metod, radzących sobie w specyficznych i trudnych problemach genetycznych. Artykuł zawiera przegląd zarówno klasycznych jak i najnowszych podejść do problemu lokalizacji genów, czyli wskazywania miejsc w łańcuchu DNA, które istotnie wpływają na interesujące nas cechy. Z powodu nienajlepszej komunikacji między matematykami i genetykami, znajomość metody innych niż klasyczne wśród tej drugiej grupy jest wciąż niewielka.

Localizing Influential Genes with Modified Versions of Bayesian Information Criterion

Szulc P., Bogdan M.

Mathematica Applicanda

2012

Vol. 40, No. 1

3-14

Regions of the genome that influence quantitative traits are called quantitative trait loci (QTLs) and can be located using statistical methods. For this aim scientists use genetic markers, of which genotypes are known, and look for the associations between these genotypes and trait values. The common method which can be used in this problem is a linear regression. There are many model selection criteria for the choice of predictors in a linear regression. However, in the context of QTL mapping, where the number of available markers pn is usually bigger than the sample size n, the classical criteria overestimate the number of regressors. To solve this problem several modifications of the Bayesian Information Criterion have been proposed and it has been recently proved that at least three of them, EBIC, mBIC and mBIC2, are consistent (also in case when pn > n). In this article we discuss these criteria and their asymptotic properties and compare them by an extensive simulation study in the genetic context.

W ostatnich latach nastąpił bardzo szybki rozwój technologii wspomagających badania w genetyce. Rezultatem tego postępu są olbrzymie zbiory danych. Skuteczne pozyskiwanie informacji z takich zbiorów wymaga ścisłej współpracy między genetykami, informatykami oraz statystykami. Rolą statystyków jest określenie precyzyjnych kryteriów gwarantujących efektywne oddzielenie istotnej informacji od losowych zakłóceń. W szczególności, duże rozmiary tych zbiorów wymagają opracowania nowych metod korekty na wielokrotne testowanie oraz nowych kryteriów wyboru istotnych zmiennych objaśniających. Szczególnym przykładem identyfikacji zmiennych objaśniających jest problem lokalizacji genów odpowiedzialnych za cechy ilościowe (Quantitative Trait Loci, QTL). Do lokalizacji genów stosuje się tzw. markery molekularne. Są to fragmenty łańcucha DNA, które mogą występować w różnych wariantach (allelach) u różnych jednostek w populacji. Postać danego markera u badanego osobnika można ustalić eksperymentalnie. U organizmów diploidalnych, u których chromosomy występują w parach, genotyp danego markera jest wyspecyfikowany przez podanie alleli występujących na obu chromosomach. Z punktu widzenia statystyka genotypy markerów stanowią jakościowe zmienne objaśniające. Jeżeli dany marker znajduje się blisko genu wpływającego na badaną cechę, to możemy spodziewać się statystycznej zależności między genotypem w tym markerze a badaną cechą ilościową. Do identyfikacji istotnych markerów genetycznych zwykle stosuje się model regresji wielorakiej. Liczbę zmiennych niezależnych można w tej sytuacji szacować za pomocą jednego z wielu kryteriów wyboru modelu. Niestety, okazuje się, ze w kontekście genetycznym, gdzie liczba markerów istotnie przewyższa liczbę obserwacji, klasyczne kryteria wyboru modelu przeszacowują liczbę istotnych zmiennych. Aby rozwiązać ten problem ostatnio wprowadzono kilka nowych modyfikacji Bayesowskiego Kryterium Informacyjnego. W tym artykule zaprezentujemy trzy z tych modyfikacji, podamy wyniki dotyczące zgodności tych metod w sytuacji gdy liczba dostępnych markerów genetycznych rośnie wraz z rozmiarem próby oraz wyniki symulacji komputerowych ilustrujących działanie tych metod w kontekście genetycznym.