ScholarGate
Asistents
Process / pipelineBioinformatics / omics

Beiziešu GWAS — Beiziešu pilnģenoma asociācijas pētījums

Beiziešu GWAS piemēro beiziešu statistisko inferenci pilnģenoma asociācijas pētījumos, aizstājot klasiskos p-vērtību sliekšņus ar Beisa faktoriem un posteriōra varbūtībām. Šis ietvars dabiski integrē iepriekšējas zināšanas par efektu lielumiem un variantu biežumu, kvantificē asociācijas pierādījumus nepārtrauktā skalā un atbalsta cēloņvariantu principālu smalkkorektūru saistītajos lokusos. To plaši izmanto kompleksu pazīmju ģenētikā, populāciju ģenomikā un translācijas pētniecībā, kur svarīga ir nenoteiktības kvantificēšana un vairāku variantu modelēšana.

Atvērt MethodMindDrīzumāVideoDrīzumāLejupielādēt slaidus

Lasīt pilno metodes aprakstu

Tikai dalībniekiem

Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.

Pieteikties

Metožu karte

Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.

Avoti

  1. Stephens, M., & Balding, D. J. (2009). Bayesian statistical methods for genetic association studies. Nature Reviews Genetics, 10(10), 681–690. DOI: 10.1038/nrg2615
  2. Wakefield, J. (2009). Bayes factors for genome-wide association studies: comparison with P-values. Genetic Epidemiology, 33(1), 79–86. DOI: 10.1002/gepi.20359

Kā citēt šo lapu

ScholarGate. (2026, June 3). Bayesian Genome-Wide Association Study. ScholarGate. https://scholargate.app/lv/bioinformatics/bayesian-gwas

Kura metode?

Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.

Salīdzināt blakus

Uz to atsaucas

ScholarGateBayesian GWAS (Bayesian Genome-Wide Association Study). Izgūts 2026-06-15 no https://scholargate.app/lv/bioinformatics/bayesian-gwas · Datu kopa: https://doi.org/10.5281/zenodo.20539026