Genomic evaluation and variance component estimation of additive and dominance effects using single nucleotide polymorphism markers in heterogeneous stock mice
Notice bibliographique
Résumé
Exploration of genetic variance has mostly been limited to additive effects estimated using pedigree data and non-additive effects have been ignored. This study aimed to evaluate the performance of single nucleotide polymorphisms (SNPs) marker models in the mixed and orthogonal framework including both additive and non-additive effects for estimating variances and genomic prediction in four diabetes-related traits in heterogeneous stock mice. Models have performed differently in detecting SNPs affecting traits. Dominance variances explained over 14.7 and 3.8% of genetic and phenotype variance in a Genomic prediction and variance component estimation method (GVCBLUP) framework. Reliabilities of additive Genomic best linear unbiased prediction model (GBLUP) in different traits ranged from 44.8 to 66.6%, for GVCBLUPs framework including both additive and dominance effects (MAD), and 46.1 to 69% for the model including additive effect (MA). Dominance GBLUP reliabilities ranged from 6 to 26.4% for MAD and from 22.5 to 50.5% in the model including dominance (MD). MA and MD had higher reliability for additive and dominance GBLUPs compared to MAD. Reliabilities of GBLUPs in MAD and MA for all traits were not significant except for growth slope (P < 0.01). In orthogonal framework models, epistasis variances accounted for a greater proportion (87.3, 89.1, 95.5, and 77.2%) of genetic variation for end weight, growth slope, body mass index, and body length, respectively. Heritability in a broad sense was estimated at 1.12, 1.67, 3.64, and 2.0%, in which non-additive heritability had a significant contribution. Genetic variances explained by dominance using GVCBLUPs were 16.8, 29.4, 14.6, and 14.9% for the traits. Generally, the non-additive models had a lower value of deviance information criterion (DIC) and performed better in estimating the variance component. Comparing the estimated variance by orthogonal framework models confirmed the results previously estimated by GVCBLUPs, with the difference that the estimates were shrinking. Following significant SNPs affecting diabetes-related traits by post-genome-wide studies could reveal unknown aspects and contribute to genetic control of the disease.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».