Uma abordagem Bayesiana para o mapeamento de QTLs utilizando o método MCMC com saltos reversíveis

Detalhes bibliográficos
Autor(a) principal: Silva, Joseane Padilha da
Data de Publicação: 2007
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: http://www.teses.usp.br/teses/disponiveis/11/11134/tde-16032007-152130/
Resumo: A utilização de metodologias Bayesianas tem se tornado freqüuente nas aplicações em Genética, em particular em mapeamento de QTLs usando marcadores moleculares. Mapear um QTL implica em identificar sua posição no genoma, bem como seus efeitos genéticos. A abordagem Bayesiana combina, através do Teorema de Bayes, a verossimilhança dos dados fenotípicos com distribuições a priori atribuídas a todos os parâmetros desconhecidos (número, localização e efeito do QTL) induzindo distribuições a posteriori a respeito dessas quantidades. Métodos de mapeamento Bayesiano podem tratar o número desconhecido de QTLs como uma variável aleatória, resultando em complicações na obtençãao da amostra aleatória da distribuição conjunta a posteriori, uma vez que a dimensão do espaço do modelo pode variar. O Método MCMC com Saltos Reversíveis (MCMC-SR), proposto por Green(1995), é excelente para explorar distribuições a posteriori nesse contexto. O método proposto foi avaliado usando dados simulados no WinQTLCart, onde o maior objetivo foi avaliar diferentes prioris atribuídas para o número de QTLs.
id USP_a1d9e76ace686046f49463f6466c9842
oai_identifier_str oai:teses.usp.br:tde-16032007-152130
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Uma abordagem Bayesiana para o mapeamento de QTLs utilizando o método MCMC com saltos reversíveisA Bayesian approach to detect quantitative trait loci using reversible-jump MCMCBayesian approachGenética estatísticaGenetics mappingInferência bayesianaMapeamento genéticoMarcador molecularMCMC methodsMétodos MCMCMolecular markersStastical geneticsA utilização de metodologias Bayesianas tem se tornado freqüuente nas aplicações em Genética, em particular em mapeamento de QTLs usando marcadores moleculares. Mapear um QTL implica em identificar sua posição no genoma, bem como seus efeitos genéticos. A abordagem Bayesiana combina, através do Teorema de Bayes, a verossimilhança dos dados fenotípicos com distribuições a priori atribuídas a todos os parâmetros desconhecidos (número, localização e efeito do QTL) induzindo distribuições a posteriori a respeito dessas quantidades. Métodos de mapeamento Bayesiano podem tratar o número desconhecido de QTLs como uma variável aleatória, resultando em complicações na obtençãao da amostra aleatória da distribuição conjunta a posteriori, uma vez que a dimensão do espaço do modelo pode variar. O Método MCMC com Saltos Reversíveis (MCMC-SR), proposto por Green(1995), é excelente para explorar distribuições a posteriori nesse contexto. O método proposto foi avaliado usando dados simulados no WinQTLCart, onde o maior objetivo foi avaliar diferentes prioris atribuídas para o número de QTLs.The use of Bayesian methodology in genetical applications has grown increasingly popular, in particular in the analysis of quantitative trait loci (QTL) for studies using molecular markers. In such analyses the aim is mapping QTLs, estimating their locations in the genome and their genotypic effects. The Bayesian approach proceeds by setting up a likelihood function for the phenotype and assigning prior distributions to all unknowns in the problem (number of QTL, chromosome, locus, genetics effects). These induce a posterior distribution on the unknown quantities that contains all of the available information for inference of the genetic architecture of the trait. Bayesian mapping methods can treat the unknown number of QTL as a random variable, which has several advantages but results in the complication of varying the dimension of the model space. The reversible jump MCMC algorithm offers a powerful and general approach to exploring posterior distributions in this setting. The method was evaluated by analyzing simulated data, where the major goal was evaluate if different priors distributions on the QTL numbers.Biblioteca Digitais de Teses e Dissertações da USPLeandro, Roseli AparecidaSilva, Joseane Padilha da2007-02-07info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/11/11134/tde-16032007-152130/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2016-07-28T16:09:50Zoai:teses.usp.br:tde-16032007-152130Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212016-07-28T16:09:50Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Uma abordagem Bayesiana para o mapeamento de QTLs utilizando o método MCMC com saltos reversíveis
A Bayesian approach to detect quantitative trait loci using reversible-jump MCMC
title Uma abordagem Bayesiana para o mapeamento de QTLs utilizando o método MCMC com saltos reversíveis
spellingShingle Uma abordagem Bayesiana para o mapeamento de QTLs utilizando o método MCMC com saltos reversíveis
Silva, Joseane Padilha da
Bayesian approach
Genética estatística
Genetics mapping
Inferência bayesiana
Mapeamento genético
Marcador molecular
MCMC methods
Métodos MCMC
Molecular markers
Stastical genetics
title_short Uma abordagem Bayesiana para o mapeamento de QTLs utilizando o método MCMC com saltos reversíveis
title_full Uma abordagem Bayesiana para o mapeamento de QTLs utilizando o método MCMC com saltos reversíveis
title_fullStr Uma abordagem Bayesiana para o mapeamento de QTLs utilizando o método MCMC com saltos reversíveis
title_full_unstemmed Uma abordagem Bayesiana para o mapeamento de QTLs utilizando o método MCMC com saltos reversíveis
title_sort Uma abordagem Bayesiana para o mapeamento de QTLs utilizando o método MCMC com saltos reversíveis
author Silva, Joseane Padilha da
author_facet Silva, Joseane Padilha da
author_role author
dc.contributor.none.fl_str_mv Leandro, Roseli Aparecida
dc.contributor.author.fl_str_mv Silva, Joseane Padilha da
dc.subject.por.fl_str_mv Bayesian approach
Genética estatística
Genetics mapping
Inferência bayesiana
Mapeamento genético
Marcador molecular
MCMC methods
Métodos MCMC
Molecular markers
Stastical genetics
topic Bayesian approach
Genética estatística
Genetics mapping
Inferência bayesiana
Mapeamento genético
Marcador molecular
MCMC methods
Métodos MCMC
Molecular markers
Stastical genetics
description A utilização de metodologias Bayesianas tem se tornado freqüuente nas aplicações em Genética, em particular em mapeamento de QTLs usando marcadores moleculares. Mapear um QTL implica em identificar sua posição no genoma, bem como seus efeitos genéticos. A abordagem Bayesiana combina, através do Teorema de Bayes, a verossimilhança dos dados fenotípicos com distribuições a priori atribuídas a todos os parâmetros desconhecidos (número, localização e efeito do QTL) induzindo distribuições a posteriori a respeito dessas quantidades. Métodos de mapeamento Bayesiano podem tratar o número desconhecido de QTLs como uma variável aleatória, resultando em complicações na obtençãao da amostra aleatória da distribuição conjunta a posteriori, uma vez que a dimensão do espaço do modelo pode variar. O Método MCMC com Saltos Reversíveis (MCMC-SR), proposto por Green(1995), é excelente para explorar distribuições a posteriori nesse contexto. O método proposto foi avaliado usando dados simulados no WinQTLCart, onde o maior objetivo foi avaliar diferentes prioris atribuídas para o número de QTLs.
publishDate 2007
dc.date.none.fl_str_mv 2007-02-07
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://www.teses.usp.br/teses/disponiveis/11/11134/tde-16032007-152130/
url http://www.teses.usp.br/teses/disponiveis/11/11134/tde-16032007-152130/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815257014747529216