【目的】基于协方差估计的多因变量回归(multivariate regression with covariance estimation,MRCE)模型进行多性状QTL定位分析,为动植物数量性状基因定位提供理论参考。【方法】构建适用QTL定位的MRCE模型,设计3个模拟试验对模型进行...【目的】基于协方差估计的多因变量回归(multivariate regression with covariance estimation,MRCE)模型进行多性状QTL定位分析,为动植物数量性状基因定位提供理论参考。【方法】构建适用QTL定位的MRCE模型,设计3个模拟试验对模型进行检验,通过计算机生成基因型和2个相关性状的表型值,并用2组数据对模型进行实际应用,其中一组为水稻DH群体数据,选自qtlnetwork软件;另一组为水稻永久F群体数据,由珍汕97×明恢63,含有210个株系的重组自交系(RIL)群体随机交配生成,分析MRCE模型在以上2组数据多性状QTL定位中的应用效果。【结果】用MRCE模型进行QTL定位的模拟试验结果表明,遗传变异所占方差比越大,相关系数绝对值越大,遗传率越大,则功效越好,估计值越接近效应值。MRCE的QTL定位应用结果显示,从水稻DH群体中识别出8个QTL与ph6性状有关,6个QTL与ph8性状有关;从1998年水稻永久F群体数据中识别出3个QTL与穗粒数相关,10个QTL与粒质量相关;从1999年数据识别出3个QTL与穗粒数相关,6个QTL与粒质量相关。【结论】利用MRCE模型进行多性状QTL定位是可行的。展开更多
文摘目的利用机器学习算法探究与移植肾功能延迟恢复(delayed graft function,DGF)发生相关的风险因素并建立预测模型。方法收集2018年1月至2020年3月华中科技大学附属同济医院器官移植研究所实施的公民逝世后捐献供肾和肾移植受者的临床资料以及供肾活检病理资料,通过贪心算法筛选与DGF发生相关的因素的贡献度,再利用逻辑回归算法建立预测模型并利用模型精确度,受试者工作特性曲线下面积(area under the receiver operating characteristic curve,AUROC)对模型效果进行评估。结果术后DGF的发生率为21.9%。与术后DGF发生相关性较高的因素包括供者体型、末次尿素氮、冷缺血时间、供器官小动脉病变范围、慢性肾小管萎缩评分(ct)和慢性间质纤维化评分(ci)。使用上述因素建立预测模型,模型的AUROC约为0.71,预测准确率约为0.73。结论利用机器学习算法可以分析DGF发生的风险因素并建立预测模型,以供临床预测DGF的发生风险。
文摘【目的】基于协方差估计的多因变量回归(multivariate regression with covariance estimation,MRCE)模型进行多性状QTL定位分析,为动植物数量性状基因定位提供理论参考。【方法】构建适用QTL定位的MRCE模型,设计3个模拟试验对模型进行检验,通过计算机生成基因型和2个相关性状的表型值,并用2组数据对模型进行实际应用,其中一组为水稻DH群体数据,选自qtlnetwork软件;另一组为水稻永久F群体数据,由珍汕97×明恢63,含有210个株系的重组自交系(RIL)群体随机交配生成,分析MRCE模型在以上2组数据多性状QTL定位中的应用效果。【结果】用MRCE模型进行QTL定位的模拟试验结果表明,遗传变异所占方差比越大,相关系数绝对值越大,遗传率越大,则功效越好,估计值越接近效应值。MRCE的QTL定位应用结果显示,从水稻DH群体中识别出8个QTL与ph6性状有关,6个QTL与ph8性状有关;从1998年水稻永久F群体数据中识别出3个QTL与穗粒数相关,10个QTL与粒质量相关;从1999年数据识别出3个QTL与穗粒数相关,6个QTL与粒质量相关。【结论】利用MRCE模型进行多性状QTL定位是可行的。