Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/38596
Registro completo de metadados
Campo DCValorIdioma
dc.creatorOliveira, Daniela Carine Ramires de-
dc.creatorBueno Filho, Julio Sílvio de Sousa-
dc.date.accessioned2020-01-23T12:54:09Z-
dc.date.available2020-01-23T12:54:09Z-
dc.date.issued2010-
dc.identifier.citationOLIVEIRA, D. C. R. de; BUENO FILHO, J. S. de S. Análise Bayesiana de modelos mistos normais assimétricos em dados de expressão gênica originados de pedigrees complexos. Revista Brasileira de Biometria, Jaboticabal, v. 28, n. 2, p. 137-160, abr./jun. 2010.pt_BR
dc.identifier.urihttp://jaguar.fcav.unesp.br/RME/fasciculos/v28/v28_n2/A9_Daniele_Julio.pdfpt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/38596-
dc.description.abstractEstimates of heritability for gene expression are scarce and commonly originated from family structures, in which the variability of responses among and within families is provided under a uniform covariance structure for related individuals. Gauss-Markov normal mixed models are the usual choice for such estimates, but in microarrays studies it is common to find asymmetry in residuals of the adjustment of data previously normalized. This, by itself, justifies the use of skew models. In this study it was analyzed a family based pedigree with gene expression measured by microarrays for all individuals. Thus, this work deals with the development and computational implementation of skew normal additive-dominance model for the analysis of microarrays by complex pedigrees, that allows skewness in all distributions of random effects. It was calculated the Bayes factors for the selection of the best models and HPD intervals for marginal estimates. Results are shown for two of the analyzed probes. For these probes, there was more evidence in favor of skew normal additive-dominance model.pt_BR
dc.languagept_BRpt_BR
dc.publisherUniversidade Estadual Paulista Júlio de Mesquita Filho – Unesppt_BR
dc.rightsrestrictAccesspt_BR
dc.sourceRevista Brasileira de Biometriapt_BR
dc.subjectMétodo de Monte Carlopt_BR
dc.subjectModelos mistospt_BR
dc.subjectDistribuição normal assimétrica multivariadapt_BR
dc.subjectInferência bayesianapt_BR
dc.subjectMonte Carlo methodpt_BR
dc.subjectMixed modelspt_BR
dc.subjectMultivariate skew normal distributionpt_BR
dc.subjectBayesian inferencept_BR
dc.titleAnálise Bayesiana de modelos mistos normais assimétricos em dados de expressão gênica originados de pedigrees complexospt_BR
dc.title.alternativeBayesian analysis of skew normal mixed models in gene expression data from a complex pedigree.pt_BR
dc.typeArtigopt_BR
dc.description.resumoEstimativas de herdabilidade para a expressão gênica são escassas e, em geral, provenientes de estruturas de famílias, em que se assume covariância uniforme para os indivíduos relacionados. Para tais estimativas usam-se modelos lineares (mistos) Gauss-Markov normais, mas em estudos com microarrays é comum encontrar assimetria de resíduos ao analisar o ajuste de dados previamente normalizados. Isto por si só justificaria o uso de modelos assimétricos. Neste estudo, avaliou-se um delineamento proveniente de uma genealogia com famílias e indivíduos identificados, para os quais se mediu as intensidades das expressões gênicas de 3554 sondas. Neste sentido, este trabalho trata do desenvolvimento e implementação computacional do modelo aditivo-dominante normal assimétrico para a análise dessas expressões gênicas, originadas de um pedigree complexo, permitindo assimetria nas distribuições de todos os efeitos aleatórios. Para as inferências, foram calculados os fatores de Bayes, para a seleção dos melhores modelos e intervalos de credibilidade de máxima densidade a posteriori, para a estimação dos parâmetros. Foram apresentados os resultados dos ajustes dos modelos para duas das sondas estudadas. Para estas sondas, houve maior evidência em favor do modelo misto normal assimétrico.pt_BR
Aparece nas coleções:DEX - Artigos publicados em periódicos

Arquivos associados a este item:
Não existem arquivos associados a este item.


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.