Efeito da imputação de genótipos sobre a predição de característicasquantitativas de ratos utilizando marcadores genéticos

Detalhes bibliográficos
Autor(a) principal: Vivian Paula Silva Felipe
Data de Publicação: 2013
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFMG
Texto Completo: http://hdl.handle.net/1843/BUBD-ACHH6W
Resumo: Objetivou-se neste primeiro capítulo, definir conceitos básicos em genética quantitatica e molecular e revisar metodologias aplicadas para seleção genômica. Primeiramente modelos utilizados para a predição de efeitos de marcadores são descritos dentre eles regressões Bayesianas (BayesA, BayesB, Bayesian LASSO, entre outros), regressões semi-paramétricas (Reproducing Kernel Hilbert Spaces) e métodos não paramétricos (Redes Neurais com Regularização Bayesiana). Quanto aos métodos semi e nãoparamétricos,eles têm sido propostos para seleção genômica com a vantagem de capturar efeitos não-lineares entre marcadores, o que seria impossível ajustando modelos lineares. Outra ferramenta também descrita é a imputação de genótipos, utilizada para preencher dados faltantes, unir bancos de dados prevenientes de diferentes painéis de marcadores ou mesmo aumentar a quantidade de SNPs contidos nos painéis.
id UFMG_4d261e6f0541c3fad53d9baba4065b21
oai_identifier_str oai:repositorio.ufmg.br:1843/BUBD-ACHH6W
network_acronym_str UFMG
network_name_str Repositório Institucional da UFMG
repository_id_str
spelling Martinho de Almeida e SilvaJose Aurelio Garcia BergmannIdalmo Garcia PereiraFernando Enrique MadalenaAldrin Vieira PiresVivian Paula Silva Felipe2019-08-12T12:08:32Z2019-08-12T12:08:32Z2013-03-18http://hdl.handle.net/1843/BUBD-ACHH6WObjetivou-se neste primeiro capítulo, definir conceitos básicos em genética quantitatica e molecular e revisar metodologias aplicadas para seleção genômica. Primeiramente modelos utilizados para a predição de efeitos de marcadores são descritos dentre eles regressões Bayesianas (BayesA, BayesB, Bayesian LASSO, entre outros), regressões semi-paramétricas (Reproducing Kernel Hilbert Spaces) e métodos não paramétricos (Redes Neurais com Regularização Bayesiana). Quanto aos métodos semi e nãoparamétricos,eles têm sido propostos para seleção genômica com a vantagem de capturar efeitos não-lineares entre marcadores, o que seria impossível ajustando modelos lineares. Outra ferramenta também descrita é a imputação de genótipos, utilizada para preencher dados faltantes, unir bancos de dados prevenientes de diferentes painéis de marcadores ou mesmo aumentar a quantidade de SNPs contidos nos painéis.The objective in this first chapter was to define basic concepts in quantitative and molecular genetics and to review methodologies that have been applied for genome-enabled prediction. First, models for markers effects prediction were described as Bayesian regressions (BayesA, BayesB, Bayesian LASSO, and others), semi-parametric regression (Reproducing Kernel Hilbert Spaces) and non-parametric methods (Bayesian Regularized Neural Networks). Regarding the semi and non-parametric methods, they have been proposed for genome-enabled prediction having the advantage of capturing non-linear effects between markers, which would be impossible fitting linear models. Another tool also described in this review is the genotype imputation that have been applied for fill missing data from the lab,merge data sets from different chips and even increase the number of SNPs contained in the chips.Universidade Federal de Minas GeraisUFMGRato como animal de laboratórioGenótipoGenética animalRegressãoSeleção genômicaEfeito de substituiçãoImputaçãoEfeito da imputação de genótipos sobre a predição de característicasquantitativas de ratos utilizando marcadores genéticosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALtese_vivianfelipe.pdfapplication/pdf3744577https://repositorio.ufmg.br/bitstream/1843/BUBD-ACHH6W/1/tese_vivianfelipe.pdfd4d8b039f60d433382d2b3ddafd501d6MD51TEXTtese_vivianfelipe.pdf.txttese_vivianfelipe.pdf.txtExtracted texttext/plain179544https://repositorio.ufmg.br/bitstream/1843/BUBD-ACHH6W/2/tese_vivianfelipe.pdf.txt6b9470b93abb5e4e6400c509acc54de4MD521843/BUBD-ACHH6W2019-11-14 17:46:13.516oai:repositorio.ufmg.br:1843/BUBD-ACHH6WRepositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T20:46:13Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false
dc.title.pt_BR.fl_str_mv Efeito da imputação de genótipos sobre a predição de característicasquantitativas de ratos utilizando marcadores genéticos
title Efeito da imputação de genótipos sobre a predição de característicasquantitativas de ratos utilizando marcadores genéticos
spellingShingle Efeito da imputação de genótipos sobre a predição de característicasquantitativas de ratos utilizando marcadores genéticos
Vivian Paula Silva Felipe
Regressão
Seleção genômica
Efeito de substituição
Imputação
Rato como animal de laboratório
Genótipo
Genética animal
title_short Efeito da imputação de genótipos sobre a predição de característicasquantitativas de ratos utilizando marcadores genéticos
title_full Efeito da imputação de genótipos sobre a predição de característicasquantitativas de ratos utilizando marcadores genéticos
title_fullStr Efeito da imputação de genótipos sobre a predição de característicasquantitativas de ratos utilizando marcadores genéticos
title_full_unstemmed Efeito da imputação de genótipos sobre a predição de característicasquantitativas de ratos utilizando marcadores genéticos
title_sort Efeito da imputação de genótipos sobre a predição de característicasquantitativas de ratos utilizando marcadores genéticos
author Vivian Paula Silva Felipe
author_facet Vivian Paula Silva Felipe
author_role author
dc.contributor.advisor1.fl_str_mv Martinho de Almeida e Silva
dc.contributor.referee1.fl_str_mv Jose Aurelio Garcia Bergmann
dc.contributor.referee2.fl_str_mv Idalmo Garcia Pereira
dc.contributor.referee3.fl_str_mv Fernando Enrique Madalena
dc.contributor.referee4.fl_str_mv Aldrin Vieira Pires
dc.contributor.author.fl_str_mv Vivian Paula Silva Felipe
contributor_str_mv Martinho de Almeida e Silva
Jose Aurelio Garcia Bergmann
Idalmo Garcia Pereira
Fernando Enrique Madalena
Aldrin Vieira Pires
dc.subject.por.fl_str_mv Regressão
Seleção genômica
Efeito de substituição
Imputação
topic Regressão
Seleção genômica
Efeito de substituição
Imputação
Rato como animal de laboratório
Genótipo
Genética animal
dc.subject.other.pt_BR.fl_str_mv Rato como animal de laboratório
Genótipo
Genética animal
description Objetivou-se neste primeiro capítulo, definir conceitos básicos em genética quantitatica e molecular e revisar metodologias aplicadas para seleção genômica. Primeiramente modelos utilizados para a predição de efeitos de marcadores são descritos dentre eles regressões Bayesianas (BayesA, BayesB, Bayesian LASSO, entre outros), regressões semi-paramétricas (Reproducing Kernel Hilbert Spaces) e métodos não paramétricos (Redes Neurais com Regularização Bayesiana). Quanto aos métodos semi e nãoparamétricos,eles têm sido propostos para seleção genômica com a vantagem de capturar efeitos não-lineares entre marcadores, o que seria impossível ajustando modelos lineares. Outra ferramenta também descrita é a imputação de genótipos, utilizada para preencher dados faltantes, unir bancos de dados prevenientes de diferentes painéis de marcadores ou mesmo aumentar a quantidade de SNPs contidos nos painéis.
publishDate 2013
dc.date.issued.fl_str_mv 2013-03-18
dc.date.accessioned.fl_str_mv 2019-08-12T12:08:32Z
dc.date.available.fl_str_mv 2019-08-12T12:08:32Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/1843/BUBD-ACHH6W
url http://hdl.handle.net/1843/BUBD-ACHH6W
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Minas Gerais
dc.publisher.initials.fl_str_mv UFMG
publisher.none.fl_str_mv Universidade Federal de Minas Gerais
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFMG
instname:Universidade Federal de Minas Gerais (UFMG)
instacron:UFMG
instname_str Universidade Federal de Minas Gerais (UFMG)
instacron_str UFMG
institution UFMG
reponame_str Repositório Institucional da UFMG
collection Repositório Institucional da UFMG
bitstream.url.fl_str_mv https://repositorio.ufmg.br/bitstream/1843/BUBD-ACHH6W/1/tese_vivianfelipe.pdf
https://repositorio.ufmg.br/bitstream/1843/BUBD-ACHH6W/2/tese_vivianfelipe.pdf.txt
bitstream.checksum.fl_str_mv d4d8b039f60d433382d2b3ddafd501d6
6b9470b93abb5e4e6400c509acc54de4
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)
repository.mail.fl_str_mv
_version_ 1803589363433472000