2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩51頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、全基因組關(guān)聯(lián)分析(GWAS),即從全基因組范圍內(nèi)篩選與性狀關(guān)聯(lián)的遺傳標(biāo)記,已成為檢測肉牛復(fù)雜性狀遺傳機(jī)制的重要工具。當(dāng)前,多個基于單標(biāo)記和多標(biāo)記的GWAS分析模型已被陸續(xù)開發(fā)。但是,在應(yīng)用過程中尤其是隨著標(biāo)記密度爆炸式增長,發(fā)現(xiàn)現(xiàn)有GWAS模型存在下列問題:一是當(dāng)前主流的混合線性模型GWAS分析中因假定標(biāo)記效應(yīng)是固定效應(yīng),很難對無效的標(biāo)記效應(yīng)位點進(jìn)行有效的壓縮,常導(dǎo)致背景噪音太大而干擾真陽性信號,從而增大假陽性率。二是當(dāng)標(biāo)記密度過高時,

2、常規(guī)的bonferronir校正太嚴(yán)格而使統(tǒng)計效率降低,針對這些問題,本研究將經(jīng)驗貝葉斯模型全基因組關(guān)聯(lián)引入肉牛相關(guān)性狀分析中,上述情況能在一定程度上予以解決,經(jīng)驗貝葉斯分析,即先驗分布的超參數(shù)來自數(shù)據(jù)本身估計的一種貝葉斯統(tǒng)計分析方法。該方法不需要馬爾科夫蒙特卡洛(MCMC)迭代,大大節(jié)省了運算時間。Xu等已將經(jīng)驗貝葉斯分析應(yīng)用于連鎖分析(QTL mapping)分析中(Xu2007),發(fā)現(xiàn)其能降低背景噪音并顯著提高QTL mappin

3、g的精度。本研究使用經(jīng)驗貝葉斯和壓縮混合線性模型兩種算法對本課題組內(nèi)蒙古烏拉蓋管理區(qū)的1217頭西門塔爾牛的骨重、體重性狀做了全基因組關(guān)聯(lián)分析。結(jié)果表明,與流行的混合模型全基因組關(guān)聯(lián)分析算法比較,經(jīng)驗貝葉斯全基因組關(guān)聯(lián)分析算法顯著提高運算速度,并且在提高運算速度的基礎(chǔ)上,檢測效率得到進(jìn)一步強(qiáng)化。本項研究通過基于經(jīng)驗貝葉斯方法和壓縮混合線性模型兩種算法的全基因組關(guān)聯(lián)分析,找到相同的基因LCORL、SLIT2、LAP3與西門塔爾肉牛的骨重顯

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論