Chapter 10: Mining genome-wide genetic markers.
Chapter 10: Mining genome-wide genetic markers.
复制标题
DOI：
10.1371/journal.pcbi.1002828
复制
发表时间：
2012
影响因子：
4.3
通讯作者：
Wang W
中科院分区：
文献类型：
--
作者：
Zhang X;Huang S;Zhang Z;Wang W
全基因组关联研究（GWAS）旨在发现表型性状背后的遗传因素。大量的遗传因素带来了计算和统计上的挑战。各种计算方法已被开发用于大规模GWAS。在本章中，我们将讨论GWAS中几种广泛使用的计算方法。主要内容包括：（1）介绍了GWAS的背景。(2)GWAS中广泛使用的现有计算方法。这将涵盖最近在生物学，统计学和计算机科学社区开发的单位点，上位性检测和机器学习方法。这一部分将是本章的重点。(3)当前方法的局限性和未来方向。
Genome-wide association study (GWAS) aims to discover genetic factors underlying phenotypic traits. The large number of genetic factors poses both computational and statistical challenges. Various computational approaches have been developed for large scale GWAS. In this chapter, we will discuss several widely used computational approaches in GWAS. The following topics will be covered: (1) An introduction to the background of GWAS. (2) The existing computational approaches that are widely used in GWAS. This will cover single-locus, epistasis detection, and machine learning methods that have been recently developed in biology, statistic, and computer science communities. This part will be the main focus of this chapter. (3) The limitations of current approaches and future directions.
登录
查看更多内容
DOI：
10.1056/nejmoa072366
发表时间：
2007-08-02
期刊：
The New England journal of medicine
影响因子：
--
作者：
Samani NJ;Erdmann J;Hall AS;Hengstenberg C;Mangino M;Mayer B;Dixon RJ;Meitinger T;Braund P;Wichmann HE;Barrett JH;König IR;Stevens SE;Szymczak S;Tregouet DA;Iles MM;Pahlke F;Pollard H;Lieb W;Cambien F;Fischer M;Ouwehand W;Blankenberg S;Balmforth AJ;Baessler A;Ball SG;Strom TM;Braenne I;Gieger C;Deloukas P;Tobin MD;Ziegler A;Thompson JR;Schunkert H;WTCCC and the Cardiogenics Consortium
通讯作者：
WTCCC and the Cardiogenics Consortium
影响因子：
9.8
作者：
Ritchie, MD;Hahn, LW;Moore, JH
通讯作者：
Moore, JH
DOI：
10.1093/bioinformatics/btq186
发表时间：
2010-06-15
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Zhang X;Huang S;Zou F;Wang W
通讯作者：
Wang W
DOI：
10.1111/j.2517-6161.1995.tb02031.x
发表时间：
1995-01-01
影响因子：
5.8
作者：
BENJAMINI, Y;HOCHBERG, Y
通讯作者：
HOCHBERG, Y
影响因子：
64.8
作者：
Gibbs, RA;Belmont, JW;Tanaka, T
通讯作者：
Tanaka, T