Genome-wide regression and prediction with the BGLR statistical package.
Genome-wide regression and prediction with the BGLR statistical package.
复制标题
BGLR统计包的全基因组回归和预测。
DOI：
10.1534/genetics.114.164442
复制
发表时间：
2014-10
期刊：
影响因子：
3.3
通讯作者：
de los Campos G
中科院分区：
文献类型：
--
作者：
Pérez P;de los Campos G
许多现代基因组数据分析需要在参数数量（p，例如，标记效应的数量）超过样本量(n)的情况下实施回归。实现这些大p小n回归带来了一些统计和计算方面的挑战，其中一些可以使用贝叶斯方法来解决。这种方法允许以统一和一致的方式整合各种参数和非参数收缩和变量选择程序。BGLR r包实现了大量贝叶斯回归模型，包括参数变量选择和收缩方法以及半参数过程（贝叶斯再现核希尔伯特空间回归，RKHS）。该软件最初是为基因组应用而开发的；然而，所实现的方法对许多非基因组应用也是有用的。响应可以是连续的（删减或不删减）或分类的（二元或有序）。该算法基于带有标量更新的Gibbs采样器，并利用高效编译的C和Fortran例程实现。在本文中，我们描述了在BGLR中实现的方法，给出了使用该包的示例，并讨论了在实际数据分析中出现的实际问题。
Many modern genomic data analyses require implementing regressions where the number of parameters (p, e.g., the number of marker effects) exceeds sample size (n). Implementing these large-p-with-small-n regressions poses several statistical and computational challenges, some of which can be confronted using Bayesian methods. This approach allows integrating various parametric and nonparametric shrinkage and variable selection procedures in a unified and consistent manner. The BGLR R-package implements a large collection of Bayesian regression models, including parametric variable selection and shrinkage methods and semiparametric procedures (Bayesian reproducing kernel Hilbert spaces regressions, RKHS). The software was originally developed for genomic applications; however, the methods implemented are useful for many nongenomic applications as well. The response can be continuous (censored or not) or categorical (either binary or ordinal). The algorithm is based on a Gibbs sampler with scalar updates and the implementation takes advantage of efficient compiled C and Fortran routines. In this article we describe the methods implemented in BGLR, present examples of the use of the package, and discuss practical issues emerging in real-data analysis.
登录
查看更多内容
影响因子：
3.3
作者：
de los Campos, Gustavo;Naya, Hugo;Cotes, Jose Miguel
通讯作者：
Cotes, Jose Miguel
影响因子：
3.3
作者：
de los Campos, G.;Gianola, D.;Rosa, G. J. M.
通讯作者：
Rosa, G. J. M.
影响因子：
3.3
作者：
de Los Campos G;Hickey JM;Pong-Wong R;Daetwyler HD;Calus MP
通讯作者：
Calus MP
DOI：
10.3835/plantgenome2010.04.0005
发表时间：
2010
期刊：
The plant genome
影响因子：
--
作者：
Pérez P;de Los Campos G;Crossa J;Gianola D
通讯作者：
Gianola D
影响因子：
1.5
作者：
de los Campos, Gustavo;Gianola, Daniel;Crossa, Jose
通讯作者：
Crossa, Jose