動植物中絕大多數(shù)與人類經(jīng)濟相關的重要性狀都是數(shù)量性狀,解析數(shù)量性狀的遺傳基礎,將會對動植物的遺傳改良和人類復雜疾病的防治有著非常重要的意義。目前,全基因組關聯(lián)分析方法(genome-wide association studies,GWAS)是研究數(shù)量性狀最常用的方法。隨著生物測序技術的快速發(fā)展,分析數(shù)以百萬計的標記將成為常態(tài)。那么全基因組關聯(lián)分析需要在有限樣本中檢測大量的SNP,將會面臨著在高維度的數(shù)據(jù)集下的變量選擇問題。雖然許多單標記方法能夠解決此問題,但是這些方法因Bonferroni矯正而只能檢測到較少Q(mào)TN(quantitative trait nucleotide)。這些檢測到的QTN遺傳率之和遠小于性狀遺傳率,顯然丟失了不少的QTN。為克服這個問題,本實驗室提出了一系列多位點全基因組關聯(lián)分析新算法,ISIS EM-BLASSO(Iterative modified-Sure Independence Screening EM-BayesianLASSO)就是其中之一。為了讓應用工作者更方便的使用新方法,本研究開發(fā)了基于R軟件的windows界面ISIS EM-BLASSO...

【文章頁數(shù)】：82 頁

【學位級別】：碩士

【部分圖文】：

圖２－１．?ＩＳＩＳ?ＥＭ－ＢＬＡＳＳＯ軟件包的算法流程圖（Ｔａｍｂａ等，２０１?

復一次篩選變量的過程，直到減少到中等數(shù)目的變量個數(shù)為止。第二步是值的估計階??段，對第一階段篩選出來的潛在關聯(lián)的ＳＮＰ，用ＥＭ－Ｂａｙｅｓｉａｎ?ＬＡＳＳＯ方法估計這些??ＳＮＰ的效應值，用似然比檢驗計算其ＬＯＤ值。如圖２－１表示本軟件的算法流程圖，??此圖來自于Ｔａｍｂａ等（２....

圖２－２．?ＩＳ丨Ｓ?ＥＭ－ＢＬＡＳＳＯ軟件包設計流程圖??Ｆｉｇｕｒｅ?２－２．?Ｆｌｏｗ?ｃｈａｒｔ?ｏｆ?ＩＳＩＳ?ＥＭ－ＢＬＡＳＳＯ?ｓｏｆｔｗａｒｅ?ｐａｃｋａｇｅ??２３??

??于用戶設置關聯(lián)分析中所需的參數(shù)（圖２－３）。第三部分是軟件運行，當點擊Ｒｉｍ按??鈕時，主界面的滾動條就開始運行，程序運行完之后，滾動條會顯示Ｆｉｎｉｓｈｅｄ。第四??部分是作圖，只有當程序正常運行結束，點擊Ｐｌｏｔ按鈕才會出現(xiàn)圖２－５的窗口。圖２－５??中曼哈頓ＬＯＤ圖是分....

圖２－３．?ＩＳＩＳ?ＥＭ－ＢＬＡＳＳＯ軟件包的主界面??Ｆｉｇｕｒｅ?２－３．?Ｉｎｔｅｒｆａｃｅ?ｏｆ?ＩＳＩＳ?ＥＭ－ＢＬＡＳＳＯ?ｓｏｆｔｗａｒｅ?ｐａｃｋａｇｅｓ??

４．?Ｐｏｐｕｌａｔｉｏｎ－ｓｔｒｕｃｔｕｒｅ?（Ｑ?ｍａｔｒｉｘ）?ｆｉｌｅｓ??Ｐｏｐｕｌａｔｉｏｎ?Ｓｔｒｕｃｔｕｒｅ??圖２－４．?ＩＳＩＳ?ＥＭ－ＢＬＡＳＳＯ數(shù)據(jù)輸入對話框??Ｆｉｇｕｒｅ?２－４．?Ｉｎｐｕｔ?Ｄａｔａｓｅｔ?Ｄｉａｌｏｇ?ｂｏｘ?ｆｏｒ?ｔｈｅ?ＩＳ....

圖２－４．?ＩＳＩＳ?ＥＭ－ＢＬＡＳＳＯ數(shù)據(jù)輸入對話框??Ｆｉｇｕｒｅ?２－４．?Ｉｎｐｕｔ?Ｄａｔａｓｅｔ?Ｄｉａｌｏｇ?ｂｏｘ?ｆｏｒ?ｔｈｅ?ＩＳＩＳ?ＥＭ－ＢＬＡＳＳＯ??

Ｕｓ？ｒ?Ｍａｎｕａｌ??Ｅｘｉｔ??圖２－３．?ＩＳＩＳ?ＥＭ－ＢＬＡＳＳＯ軟件包的主界面??Ｆｉｇｕｒｅ?２－３．?Ｉｎｔｅｒｆａｃｅ?ｏｆ?ＩＳＩＳ?ＥＭ－ＢＬＡＳＳＯ?ｓｏｆｔｗａｒｅ?ｐａｃｋａｇｅｓ??＾?Ｉｎｐｕｔ?Ｄａｔａｓｅｔ?—?□?Ｘ??１．?Ｃｈｏｏｓｅ?....

本文編號：3995195