Uma abordagem Bayesiana para o mapeamento de QTLs utilizando o método MCMC com saltos reversíveis / A Bayesian approach to detect quantitative trait loci using reversible-jump MCMC

AUTOR(ES)

Joseane Padilha da Silva

DATA DE PUBLICAÇÃO

2007

RESUMO

A utilização de metodologias Bayesianas tem se tornado freqüuente nas aplicações em Genética, em particular em mapeamento de QTLs usando marcadores moleculares. Mapear um QTL implica em identificar sua posição no genoma, bem como seus efeitos genéticos. A abordagem Bayesiana combina, através do Teorema de Bayes, a verossimilhança dos dados fenotípicos com distribuições a priori atribuídas a todos os parâmetros desconhecidos (número, localização e efeito do QTL) induzindo distribuições a posteriori a respeito dessas quantidades. Métodos de mapeamento Bayesiano podem tratar o número desconhecido de QTLs como uma variável aleatória, resultando em complicações na obtençãao da amostra aleatória da distribuição conjunta a posteriori, uma vez que a dimensão do espaço do modelo pode variar. O Método MCMC com Saltos Reversíveis (MCMC-SR), proposto por Green(1995), é excelente para explorar distribuições a posteriori nesse contexto. O método proposto foi avaliado usando dados simulados no WinQTLCart, onde o maior objetivo foi avaliar diferentes prioris atribuídas para o número de QTLs.

ASSUNTO(S)

stastical genetics mcmc methods molecular markers bayesian approach genetics mapping mapeamento genético métodos mcmc genética estatística inferência bayesiana marcador molecular

Documentos Relacionados

• Uma abordagem bayesiana para o mapeamento de QTLS utilizando o método MCMC com saltos reversíveis
• A Bayesian Approach to Detect Quantitative Trait Loci Using Markov Chain Monte Carlo
• Uma abordagem bayesiana para mapeamento de QTLs em populações experimentais
• Mapeamento de QTLs utilizando as abordagens Clássica e Bayesiana
• Mapping-Linked Quantitative Trait Loci Using Bayesian Analysis and Markov Chain Monte Carlo Algorithms