Detecting Linkage between a Trait and a Marker in a Random Mating Population without Pedigree Record
Notice bibliographique
Résumé
Modern linkage-based approaches employing extended pedigrees are becoming powerful tools for localizing complex quantitative trait loci. For these linkage mapping methods, it is necessary to reconstruct extended pedigrees which include living individuals, using extensive pedigree records. Unfortunately, such records are not always easy to obtain and application of the linkage-based approaches has been restricted. Within a finite population under random mating, latent inbreeding rather than non-random inbreeding by consanguineous marriages is expected to occur and is attributable to coalescence in a finite population. Interestingly, it has been revealed that significant random inbreeding exists even in general human populations. Random inbreeding should be used to detect the hidden coancestry between individuals for a particular chromosomal position and it could also have application in linkage mapping methods. Here we present a novel method, named finite population based linkage mapping (FPL) method, to detect linkage between a quantitative trait and a marker via random inbreeding in a finite population without pedigree records. We show how to estimate coancestry for a chromosomal position between individuals by using multipoint Bayesian estimation. Subsequently, we describe the FPL method for detecting linkage via interval mapping method using a nonparametric test. We show that the FPL method does work via simulated data. For a random sample from a finite population, the FPL method is more powerful than a standard pedigree-based linkage mapping method with using genotypes of all parents of the sample. In addition, the FPL method was demonstrated by actual microsatellite genotype data of 750 Japanese individuals that are unrelated according to pedigree records to map a known Psoriasis susceptible locus. For samples without pedigree records, it was suggested that the FPL method require limited number of individuals, therefore would be better than other methods using thousands of individuals.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».