主成分(KLFDAPC)のカーネル局所Fisher判別分析は個体の地理的起源の予測精度を有意に改善する【JST・京大機械翻訳】

Qin, X.; Chiang, C. W. K.; Gaggiotti, O. E.

プレプリント

J-GLOBAL ID：202202214373851404 整理番号：21P0254710

主成分(KLFDAPC)のカーネル局所Fisher判別分析は個体の地理的起源の予測精度を有意に改善する【JST・京大機械翻訳】

Kernel Local Fisher Discriminant Analysis of Principal Components (KLFDAPC) significantly improves the accuracy of predicting geographic origin of individuals

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年01月15日プレプリントサーバーでの情報更新日： 2022年01月15日
JST資料番号： O7001B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ヒトの遺伝的変異の地理的パターンは,ヒトの進化と疾患に重要な洞察を提供する。遺伝的データから地理的パターンを検出する一般的に使用されるツールは主成分分析(PCA)あるいは主成分(DAPC)の教師つき線形判別分析である。しかし,両アプローチから生産された遺伝的特徴は,混和物を含む複雑なシナリオに対する個体群構造を正確に特性化できなかった。本研究では,試料のマルチモーダル空間を保存することにより,これらのアプローチの限界を修正できる個々の地理的遺伝構造を与えるための教師つき非線形アプローチである主成分分析(KLFDAPC)のカーネル局所Fisher判別分析を導入した。KLFDAPCの電力を試験し,個体群構造を推論し,ニューラルネットワークを用いて個々の地理的起源を予測した。シミュレーション結果は,KLFDAPCがPCAとDAPCと比較して個体群分離性を有意に改善することを示した。POPRESとCONVERGEデータセットへの適用は,KLFDAPCの最初の2つの縮小特性が,個人の地理を正しく再現し,PCAとDAPCと比較して,個々の地理的起源を予測する精度を著しく改善することを示した。したがって,KLFDAPCは地理的祖先推論,ゲノムスキャンの設計,および適応または疾患感受性に遺伝子をリンクするGWASにおける空間層別化のための補正に有用である。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

人工知能

, , , , ,

前のページに戻る