论文摘要
近年来,基因与疾病之间的关联分析已是生物信息学中非常重要的一个研究方向。传统的基因型与疾病的研究主要集中在单个基因型与疾病之间的关联分析,忽略了基因之间的关联对疾病的影响。论文主要考虑引入基因型线性模型,对引入基因型线性AA,Aa,aa后所得的三种模型:隐性模型,可加模型和显性模型。结合高维变量选择方法和工具从理论和模拟两个方向进行了较为深入的研究。研究结果表明,在协变量个数p小于样本容量n时,LASSO方法在识别基因的准确度方面,可以达到百分之90以上,在协变量个数p大于样本容量n时,LASSO方法最多只能识别n个。后续提出NAIVE ELASTIC NET方法,不仅可以在p>n时不受限制,还在变量之间有强相关性时体现分组效应,模拟结果表明在变量之间有请相关性时,NAIVE ELASTIC NET方法所得到的估计的MSE比LASSO所得到的要小一些。
论文目录
文章来源
类型: 硕士论文
作者: 刘璐
导师: 张军舰,熊文俊
关键词: 基因型线性模型,变量选择,分组效应
来源: 广西师范大学
年度: 2019
分类: 基础科学
专业: 生物学
单位: 广西师范大学
分类号: Q811.4
总页数: 34
文件大小: 2795K
下载量: 45
相关论文文献
- [1].基于惩罚方法的贝叶斯群组变量选择[J]. 绵阳师范学院学报 2017(02)
- [2].当前状态数据中比例风险模型的一种贝叶斯变量选择方法（英文）[J]. 中国科学技术大学学报 2020(10)
- [3].中位数回归的贝叶斯变量选择方法[J]. 应用概率统计 2019(06)
- [4].变量选择集成方法[J]. 工程数学学报 2019(01)
- [5].基于风险函数评价自变量选择对预测的影响[J]. 哈尔滨师范大学自然科学学报 2012(01)
- [6].变量选择偏离对预测的影响研究[J]. 统计与决策 2016(12)
- [7].基于特征子空间虚假邻点判别的软传感器模型变量选择[J]. 机械工程学报 2011(12)
- [8].函数型变量选择法用于空气质量影响因素实证分析[J]. 安庆师范大学学报(自然科学版) 2017(04)
- [9].污染数据的稳健稀疏成组变量选择方法研究[J]. 统计与信息论坛 2018(06)
- [10].应用统计类专业探究性教学模式探索与实践——以变量选择准则为例[J]. 赤峰学院学报(自然科学版) 2014(19)
- [11].基于两种非凸惩罚函数的稀疏组变量选择[J]. 应用数学与计算数学学报 2018(03)
- [12].基于t函数的稳健变量选择方法[J]. 上海理工大学学报 2017(06)
- [13].高维部分线性小波模型中的变量选择[J]. 宁波工程学院学报 2018(02)
- [14].个人住房抵押贷款违约相关变量选择[J]. 现代管理科学 2009(04)
- [15].Ensemble-SISPLS近红外光谱变量选择方法[J]. 光谱学与光谱分析 2019(04)
- [16].含函数型自变量回归模型中的变量选择[J]. 北京航空航天大学学报 2019(10)
- [17].基于变量选择和聚类分析的两阶段异方差模型估计[J]. 应用概率统计 2018(02)
- [18].基于可见-近红外光谱变量选择的土壤全氮含量估测研究[J]. 中国农业科学 2014(12)
- [19].基于M-估计单指标模型的变量选择[J]. 兰州理工大学学报 2017(06)
- [20].比例数据的贝叶斯变量选择[J]. 数理统计与管理 2018(03)
- [21].主因子逼近方法在变量选择中的应用[J]. 湖南理工学院学报(自然科学版) 2019(01)
- [22].基于自加权变量组合集群分析法的近红外光谱变量选择方法研究[J]. 分析化学 2018(01)
- [23].基于迭代光滑L_(1/2)算法的变量选择[J]. 应用数学与计算数学学报 2016(01)
- [24].高维部分线性模型中的变量选择[J]. 北京工业大学学报 2011(02)
- [25].一种基于频率与回归系数相结合的自举柔性收缩变量选择方法[J]. 仪器仪表学报 2020(01)
- [26].探究变量选择的常见方法[J]. 通讯世界 2019(03)
- [27].几种高维变量选择方法的比较及应用[J]. 统计与决策 2017(22)
- [28].变系数模型的变量选择[J]. 统计与决策 2016(12)
- [29].贝叶斯变量选择及模型平均的研究[J]. 统计与信息论坛 2015(08)
- [30].分位数回归模型中的两步变量选择（英文）[J]. 上海师范大学学报(自然科学版) 2015(03)