【摘要】：最近幾年的時間里,生物統(tǒng)計學家對基因-環(huán)境(G-E)之間的交互作用越來越感興趣,尤其是在全基因組關聯(lián)分析研究中,協(xié)變量p的個數(shù)要遠遠大于樣本量n的個數(shù),這給統(tǒng)計分析增加了困難,許多生物統(tǒng)計學家致力于這方面的研究。雖然已有很多傳統(tǒng)的方法存在,但是如果在模型中加上數(shù)以萬計的基因-環(huán)境(G-E)交互作用后還想要選擇有效的協(xié)變量并且構建一個合適的模型仍然是一個非常有挑戰(zhàn)性的任務。在帶有交互作用的線性回歸模型中,我們用低秩矩陣的方法得到交互作用的系數(shù)矩陣簡單參數(shù)化后的簡化模型�；谠摰椭染�性模型,我們引入貝葉斯變量選擇方法來識別主效應和基因-基因(G-G)、基因-環(huán)境(G-E)之間的交互作用。在本篇論文中我們首先給出主效應和簡單參數(shù)化后的交互作用的釘板(Spike and Slab)先驗,接下來我們通過Gibbs抽樣得到最大后驗概率,當后驗概率大于一個臨界值時我們認為該協(xié)變量是有效的協(xié)變量,否則它是無效的,選出有效協(xié)變量之后我們得到最終的模型。模擬研究和實際數(shù)據(jù)分析都表明本文所提出的方法對帶有基因-基因(G-G)交互作用和基因環(huán)境(G-E)交互作用的線性模型做變量選擇是有優(yōu)勢的。
[Abstract]:In recent years, biostatisticians have become increasingly interested in gene-environment (G-E) interactions, especially in genome-wide association analysis, where the number of covariables p is much larger than the number of samples n. This makes statistical analysis more difficult, and many biostatisticians work on it. Although there are many traditional methods, it is still a challenging task to select effective covariables and build a suitable model if tens of thousands of gene-environment (G-E) interactions are added to the model. In the linear regression model with interaction, the simple parameterized model of the coefficient matrix of interaction is obtained by using the method of low rank matrix. Based on the low rank linear model, Bayesian variable selection method is introduced to identify the main effect and the interaction between gene and gene (G-G), gene environment (G-E). In this paper, we first give the (Spike and Slab) priori of the main effect and the simple parameterized interaction, and then we obtain the maximum posterior probability by Gibbs sampling. When the posteriori probability is greater than a critical value, we think that the covariable is an effective covariable, otherwise it is invalid. After selecting the valid covariable, we obtain the final model. Simulation research and actual data analysis show that the proposed method is superior to the linear model with gene-gene (G-G) interaction and genetic environment (G-E) interaction.
【學位授予單位】：東北師范大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：O212.1

【相似文獻】

相關期刊論文 前10條

1 楊麗霞;魏立力;;基于粗糙集方法的有序尺度變量選擇[J];寧夏大學學報(自然科學版);2009年02期

2 趙宇;黃思明;;帶有變量選擇過程的分類模型誤差分析[J];數(shù)學的實踐與認識;2010年17期

3 樊亞莉;徐群芳;;穩(wěn)健的變量選擇方法及其應用[J];上海理工大學學報;2013年03期

4 陶靖軒;多元分析中的變量選擇問題研究[J];中國計量學院學報;2001年01期

5 李樹軍,紀宏金;對應聚類分析與變量選擇[J];地球物理學進展;2005年03期

6 陳黎明;趙永紅;;轉換函數(shù)未知時轉換模型的變量選擇[J];四川大學學報(自然科學版);2011年05期

7 劉民千,張潤楚;超飽和設計的變量選擇[J];南開大學學報(自然科學版);2000年03期

8 王進;;聚類分析中的距離與變量選擇[J];山西財經(jīng)大學學報;2007年S1期

9 張波;方國斌;;高維面板數(shù)據(jù)降維與變量選擇方法研究[J];統(tǒng)計與信息論壇;2012年06期

10 高仁祥,張世英,劉豹;基于神經(jīng)網(wǎng)絡的變量選擇方法[J];系統(tǒng)工程學報;1998年02期

相關會議論文 前6條

1 張俊華;方偉武;;調查表分析中變量選擇的一些方法(英文)[A];中國運籌學會第六屆學術交流會論文集（下卷）[C];2000年

2 李洪東;梁逸曾;;高維數(shù)據(jù)變量選擇新方法研究[A];中國化學會第27屆學術年會第15分會場摘要集[C];2010年

3 李慷;席裕庚;;復雜過程系統(tǒng)中操作變量選擇與定位的方法研究[A];1993年控制理論及其應用年會論文集[C];1993年

4 云永歡;王為婷;梁逸曾;;迭代的保留有信息變量來篩選最佳變量子集的一種多元校正變量選擇方法[A];中國化學會第29屆學術年會摘要集——第19分會：化學信息學與化學計量學[C];2014年

5 徐登;范偉;梁逸曾;;紫外光譜結合變量選擇和偏最小二乘回歸同時測定水中重金屬鎘、鋅、鈷[A];中國化學會第29屆學術年會摘要集——第19分會：化學信息學與化學計量學[C];2014年

6 梁逸曾;李洪東;許青松;曹東升;張志敏;;灰色化學建模與模型集群分析——兼論過擬合、穩(wěn)健估計、變量選擇與模型評價[A];中國化學會第27屆學術年會第15分會場摘要集[C];2010年

相關博士學位論文 前10條

1 呂晶;幾類半?yún)?shù)回歸模型的穩(wěn)健估計與變量選擇[D];重慶大學;2015年

2 王康寧;幾類高維復雜數(shù)據(jù)半?yún)?shù)模型的結構識別、變量選擇及穩(wěn)健估計[D];山東大學;2016年

3 王大榮;分散度量模型中的變量選擇[D];北京工業(yè)大學;2009年

4 王明秋;高維數(shù)據(jù)下若干回歸模型的變量選擇問題研究[D];大連理工大學;2012年

5 劉吉彩;生存數(shù)據(jù)統(tǒng)計模型的變量選擇方法[D];華東師范大學;2014年

6 樊亞莉;穩(wěn)健變量選擇方法的若干問題研究[D];復旦大學;2013年

7 唐凱臨;變量選擇和變換的新方法研究[D];同濟大學;2008年

8 董瑩;高維共線性統(tǒng)計模型的參數(shù)估計與變量選擇[D];大連理工大學;2014年

9 葉飛;相對誤差準則下的估計理論和變量選擇方法的研究[D];清華大學;2013年

10 袁晶;貝葉斯方法在變量選擇問題中的應用[D];山東大學;2013年

相關碩士學位論文 前10條

1 潘玉婷;含多元非線性結構的高維Logistic模型的同時變量選擇及半?yún)?shù)估計[D];中國科學技術大學;2016年

2 劉丹;Cox模型及變系數(shù)Cox模型中的變量選擇問題研究[D];暨南大學;2016年

3 羅昊;基于自適應LASSO變量選擇的Logistic信用評分模型研究[D];東南大學;2016年

4 王雙寶;基于變量選擇偏差的變量選擇過程[D];電子科技大學;2016年

5 溫征;縱向和生存數(shù)據(jù)聯(lián)合模型的一個變量選擇問題[D];云南師范大學;2016年

6 閆湛;混料試驗設計變量選擇的Cp方法研究[D];廣州大學;2016年

7 黃亞慧;偏t正態(tài)數(shù)據(jù)下基于最小一乘的回歸估計和變量選擇[D];重慶大學;2016年

8 曹慧;基于GEE的比例風險模型的變量選擇[D];大連理工大學;2016年

9 劉_g達;聯(lián)合模型中運用ALASSO進行變量選擇[D];大連理工大學;2016年

10 王婉秋;基于低秩模型基因—環(huán)境交互作用的貝葉斯變量選擇方法[D];東北師范大學;2016年

，

本文編號：2236386