Funktiomuotoisen heritabiliteetin estimointi bayesiläisillä malleilla

Tiivistelmä. Heritabiliteetti eli perinnöllisyysaste on perinnöllisyystieteen tunnusluku, joka mittaa sitä, kuinka suuri osa jonkin piirteen vaihtelusta tietyssä biologisessa populaatiossa riippuu perintötekijöistä. Sen avulla voidaan muun muassa selvittää, kuinka nopeasti valinnalla voidaan muuttaa...

Full description

Bibliographic Details
Main Author: Arjas, A. (Arttu)
Format: Dissertation
Language:Finnish
Published: University of Oulu 2019
Online Access:http://jultika.oulu.fi/Record/nbnfioulu-201906082504
id ndltd-oulo.fi-oai-oulu.fi-nbnfioulu-201906082504
record_format oai_dc
spelling ndltd-oulo.fi-oai-oulu.fi-nbnfioulu-2019060825042019-06-13T03:18:33ZFunktiomuotoisen heritabiliteetin estimointi bayesiläisillä malleillaArjas, A. (Arttu)info:eu-repo/semantics/openAccess© Arttu Arjas, 2019Tiivistelmä. Heritabiliteetti eli perinnöllisyysaste on perinnöllisyystieteen tunnusluku, joka mittaa sitä, kuinka suuri osa jonkin piirteen vaihtelusta tietyssä biologisessa populaatiossa riippuu perintötekijöistä. Sen avulla voidaan muun muassa selvittää, kuinka nopeasti valinnalla voidaan muuttaa piirteen keskiarvoa tulevissa sukupolvissa. Heritabiliteetti ei välttämättä ole vakio, vaan se voi olla ajan funktio. Kirjallisuudessa ei kuitenkaan ole kovin paljon esimerkkejä heritabiliteettifunktion estimoinnista. Tässä työssä esitellään kaksi bayesiläistä menetelmää funktiomuotoisen heritabiliteetin estimointiin. Ensimmäisessä, kaksivaiheisessa menetelmässä heritabiliteetti ja sen luottamusväli estimoidaan jokaisessa aikapisteessä erikseen lineaarista sekamallia ja bootstrap-menetelmää apuna käyttäen, jonka jälkeen muodostuneet aikasarjat silotetaan. Toisessa menetelmässä sekamalli on ikään kuin yleistetty pitkittäisaineistotilanteeseen, jolloin heritabiliteetti saadaan estimoitua jokaisessa aikapisteessä samaan aikaan yksivaiheisesti sopivien silottavien priorien avulla. Tutkimuksessa havaittiin, että yksivaiheisessa menetelmässä estimaatit ovat melko täsmällisiä estimoitaville parametreille asetettavien priorien takia, koska ne muodostavat eri aikapisteiden välille tietynlaisen korrelaatiorakenteen. Toisaalta tämä estimointitapa on kuitenkin laskennallisesti raskas. Kaksivaiheisessa menetelmässä estimaattien luottamusvälit ovat leveämmät, mutta menetelmä ei ole läheskään niin aikaavievä kuin yksivaiheinen estimointi.University of Oulu2019-06-06info:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/publishedVersionapplication/pdfhttp://jultika.oulu.fi/Record/nbnfioulu-201906082504fin
collection NDLTD
language Finnish
format Dissertation
sources NDLTD
description Tiivistelmä. Heritabiliteetti eli perinnöllisyysaste on perinnöllisyystieteen tunnusluku, joka mittaa sitä, kuinka suuri osa jonkin piirteen vaihtelusta tietyssä biologisessa populaatiossa riippuu perintötekijöistä. Sen avulla voidaan muun muassa selvittää, kuinka nopeasti valinnalla voidaan muuttaa piirteen keskiarvoa tulevissa sukupolvissa. Heritabiliteetti ei välttämättä ole vakio, vaan se voi olla ajan funktio. Kirjallisuudessa ei kuitenkaan ole kovin paljon esimerkkejä heritabiliteettifunktion estimoinnista. Tässä työssä esitellään kaksi bayesiläistä menetelmää funktiomuotoisen heritabiliteetin estimointiin. Ensimmäisessä, kaksivaiheisessa menetelmässä heritabiliteetti ja sen luottamusväli estimoidaan jokaisessa aikapisteessä erikseen lineaarista sekamallia ja bootstrap-menetelmää apuna käyttäen, jonka jälkeen muodostuneet aikasarjat silotetaan. Toisessa menetelmässä sekamalli on ikään kuin yleistetty pitkittäisaineistotilanteeseen, jolloin heritabiliteetti saadaan estimoitua jokaisessa aikapisteessä samaan aikaan yksivaiheisesti sopivien silottavien priorien avulla. Tutkimuksessa havaittiin, että yksivaiheisessa menetelmässä estimaatit ovat melko täsmällisiä estimoitaville parametreille asetettavien priorien takia, koska ne muodostavat eri aikapisteiden välille tietynlaisen korrelaatiorakenteen. Toisaalta tämä estimointitapa on kuitenkin laskennallisesti raskas. Kaksivaiheisessa menetelmässä estimaattien luottamusvälit ovat leveämmät, mutta menetelmä ei ole läheskään niin aikaavievä kuin yksivaiheinen estimointi.
author Arjas, A. (Arttu)
spellingShingle Arjas, A. (Arttu)
Funktiomuotoisen heritabiliteetin estimointi bayesiläisillä malleilla
author_facet Arjas, A. (Arttu)
author_sort Arjas, A. (Arttu)
title Funktiomuotoisen heritabiliteetin estimointi bayesiläisillä malleilla
title_short Funktiomuotoisen heritabiliteetin estimointi bayesiläisillä malleilla
title_full Funktiomuotoisen heritabiliteetin estimointi bayesiläisillä malleilla
title_fullStr Funktiomuotoisen heritabiliteetin estimointi bayesiläisillä malleilla
title_full_unstemmed Funktiomuotoisen heritabiliteetin estimointi bayesiläisillä malleilla
title_sort funktiomuotoisen heritabiliteetin estimointi bayesiläisillä malleilla
publisher University of Oulu
publishDate 2019
url http://jultika.oulu.fi/Record/nbnfioulu-201906082504
work_keys_str_mv AT arjasaarttu funktiomuotoisenheritabiliteetinestimointibayesilaisillamalleilla
_version_ 1719203611851882496