Modelling correlated marker effects in genome-wide prediction via Gaussian concentration graph models - Academic Article uri icon

Resumen

  • En la predicción de todo el genoma, se suele suponer la independencia de los efectos de sustitución del alelo marcador; sin embargo, desde las primeras etapas en la evolución de esta tecnología, se sabe que la naturaleza apunta a efectos correlacionados. En estadística, los modelos gráficos se han identificado como una herramienta útil y poderosa para la estimación de covarianza en problemas de alta dimensión y es un área que recientemente ha experimentado una gran expansión. En particular, los modelos de gráficos de concentración de Gauss (GCGM) han sido ampliamente estudiados. 

Fecha de publicación

  • 2018