超级会员免费看
本文集合了关于高阶关系在生物信息学领域的研究，包括遗传变异的高阶相互作用检测、生态系统的稳定性、微生物群落的相互作用、药物的高阶相互作用等，展示了高阶关系在理解复杂生物现象中的重要性。
生物信息中High-Order高阶关系研究论文集锦（4）
- 211. A Bayesian model for detection of high-order interactions among genetic variants in genome-wide association studies
- 6. AUTO2, a saturation-based heuristic prover for higher-order logic
- 5. Higher-Order Decision Theory
- 212. Higher-order interactions stabilize dynamics in competitive network models
- 97. Higher-order organization of complex networks
- 213. High-order covariate interacted Lasso for feature selection
- 214. High-Order Interactions between Species Strongly Influence the Activity of Microbial Communities
- 26. The Contribution of High-Order Metabolic Interactions to the Global Activity of a Four-Species Microbial Community
- 25. High-order species interactions shape ecosystem diversity
- 181. Local Higher-Order Graph Clustering
- 215. Measuring higher-order drug interactions: A review of recent approaches
- 365. Iterative random forests to discover predictive and stable high-order interactions
211. A Bayesian model for detection of high-order interactions among genetic variants in genome-wide association studies
- 在全基因组关联研究中用于遗传变体之间高阶相互作用检测的一个贝叶斯模型
摘要：背景：疾病研究和作物改良的核心问题是遗传变异如何驱动表型。全基因组关联研究（GWAS）为表征复杂性状和疾病中基因型 - 表型关系提供了强有力的工具。上位性（基因 - 基因相互作用），包括两个以上基因之间的高度相互作用，往往在复杂的性状和疾病中起重要作用，但目前的GWAS分析通常只关注单核苷酸多态性（SNP）的加性效应。缺乏有效的高阶功能相互作用的计算模型常常导致GWAS数据的显着利用不足。结果：我们开发了一种新的贝叶斯计算方法，用马尔可夫链蒙特卡罗（MCMC）搜索，并实现了贝叶斯高阶交互工具包（BHIT）的方法来检测SNP之间的上位性互作。BHIT首先建立连续数据和离散数据的贝叶斯模型，能够检测与病例对照或定量表型相关的SNP中的高阶相互作用。我们还开发了一个管道，使用户能够将BHIT应用于不同物种的不同用例。结论：使用模拟数据和大豆营养种子组成研究油分含量和蛋白质含量，BHIT有效地检测到与表型相关的一些高阶相互作用，并且胜过了其他一些可用的工具。BHIT免费提供给学术用户，网址为http://digbio.
订阅专栏 解锁全文
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
