文献

J-GLOBAL ID：201902240964798322   整理番号：19A1651338

ゲノムワイド関連マッピングにおける単変量および多変量混合効果モデルのF検定の比較【JST・京大機械翻訳】

Comparison of F-tests for Univariate and Multivariate Mixed-Effect Models in Genome-Wide Association Mapping

著者 (2件)： Onogi Akio (Institute of Crop Science, National Agriculture and Food Research Organization, Tsukuba, Japan) ,  Onogi Akio (Japan Science and Technology Agency PRESTO, Kawaguchi, Japan)
資料名： Frontiers in Genetics (Web)  (Frontiers in Genetics (Web))
巻： 10  ページ： 30  発行年： 2019年 
JST資料番号： U7071A  ISSN： 1664-8021  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： ゲノムワイド関連マッピング(GWA)は,量的形質に関与するゲノム領域を同定するために様々な種に広く適用されている。多変量情報の使用は,GWAの検出力を強化することができた。混合効果モデルはGWAにしばしば用いられるが,多変量混合効果モデルに対するF試験の有用性はよく認識されていない。したがって,単変量および多変量混合効果モデルに対するF検定をシミュレーションと比較した。単変量試験に対する多変量F検定の優位性は,3つのパラメータに依存して変化した:変異体間の表現型相関(r),変異体間の量的形質遺伝子座効果の相対的大きさ(a_d),表現型記録の欠落割合(m_prop)。シミュレーション結果は,m_propが低いとき,多変量F検定がrとa_dが異なると単変量試験を実行し,m_propが増加すると,多変量F検定が増加することを示した。これらの観察はF値の解析的評価の結果と一致した。m_propが最大になったとき,すなわち,個体が複数の変種の表現型値を持たないとき,メタ分析の場合,多変量F検定は,a_dが増加するにつれて,より多くの検出力を獲得した。混合効果モデル文脈における多変量情報を用いることは,単変量試験よりも常に多くの検出力を保証しなかったが,多変量F検定は,信号の膨張を示さず,新しい発見に導くことができるので,多変量データが利用できる場合に適用される。Copyright 2019 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ゲノムワイド関連解析 ,  量的形質遺伝子座 ,  多重化 ,  表現型 ,  *ゲノム ,  シミュレーション ,  メタ分析 ,  一般化線形混合モデル ,  QTL解析 ,  多変量データ ,  表現型相関 ,  量的遺伝形質 ,  *F検定 ,  *多変量
準シソーラス用語： F値 , 【Automatic Indexing@JST】

著者キーワード (7件)： ゲノムワイド関連研究 ,  GWAS ,  多重形質 ,  量的形質 ,  QTLマッピング ,  マルチタスク ,  線形混合モデル

分類 (4件)： 遺伝学研究法  (EC01020N) ,  遺伝子の構造と化学  (EC02020U) ,  牛  (FD02020Y) ,  分子遺伝学一般  (EC02010J)

引用文献 (37件)：

• Alnosaier W. S. (2007). Kenward-Roger Approximate F Test for Fixed Effects in Mixed Linear Models. Doctoral Dissertation. Oregon State University.
• Banerjee S., Yandell B. S., Yi N. (2008). Bayesian quantitative trait loci mapping for multiple traits. Genetics 179, 2275-2289. doi: 10.1534/genetics.108.088427
• Cheng R., Doerge R. W., Borevitz J. (2017). Novel resampling improves statistical power for multiple-trait QTL mapping. G3 7, 813-822. doi: 10.1534/g3.116.037531
• Dahl A., Iotchkova V., Baud A., Johansson A., Gyllensten U., Soranzo N., et al. (2016). A multiple-phenotype imputation method for genetic studies. Nat. Genet. 48, 466-472. doi: 10.1038/ng.3513
• Endelman J. B. (2011). Ridge regression and other kernels for genomic selection with R package rrBLUP. Plant. Genome 4, 250-255. doi: 10.3835/plantgenome2011.08.0024

タイトルに関連する用語 (6件)： ゲノム ,  マッピング ,  変量 ,  多変量 ,  混合効果モデル ,  F検定