
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Bueno Filho, Júlio Sílvio de Sousa | - |
| Autor(es): dc.contributor | Sáfadi, Thelma | - |
| Autor(es): dc.contributor | Soler, Júlia Maria Pavan | - |
| Autor(es): dc.contributor | Ferreira, Daniel Furtado | - |
| Autor(es): dc.contributor | Chaves, Lucas Monteiro | - |
| Autor(es): dc.creator | Oliveira, Daniela Carine Ramires de | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:51:42Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:51:42Z | - |
| Data de envio: dc.date.issued | 2014-09-23 | - |
| Data de envio: dc.date.issued | 2014-09-23 | - |
| Data de envio: dc.date.issued | 2014-09-23 | - |
| Data de envio: dc.date.issued | 2009-08-17 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/3904 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1149072 | - |
| Descrição: dc.description | Estimates of heritability for gene expression are scarce and commonly originated from family structures, in which the variability of responses among and within families are provided under a uniform covariance structure for related individuals, ignoring the known relationship among all individuals in the pedigree. 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. From this pedigree it is possible to estimate additive and dominance variance components and it is reasonable to assume that each of the corresponding individual effects (additive and dominance effects) may have a skew normal distribution. Thus, this work deals with the development and computational implementation of skew normal additive-dominance model for the analysis of microarrays, that allows skewness in all distributions of random effects. Through the MCMC method, it was generated samples from conditional posteriori distributions for all parameters in models with or without skewness parameters for each random effect. 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 models that considered the skew normal distribution for the random effects. The skew normal additive-dominance models considered in this work tended to confound variance components and skewness parameters estimates, possibly due to pedigree limitations. However, these models are the most probable ones and have better residual behavior than their symmetric counterparts. | - |
| Descrição: dc.description | Estatística e Experimentação Agropecuária | - |
| Descrição: dc.description | Estimativas de herdabilidade para a expressão gênica são escassas e, em geral, provenientes de estruturas de famílias, em que para a variabilidade das respostas entre e dentro das famílias assume-se covariância uniforme para os indivíduos relacionados, ignorando o parentesco conhecido entre todos os indivíduos da genealogia. Para tais estimativas usa-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 a expressão gênica. Através da genealogia é possível estimar componentes da variância aditivos e dominantes e é razoável assumir que cada um dos efeitos correspondentes nos indivíduos (efeitos aditivos e dominantes) possa apresentar distribuição normal assimétrica. Neste sentido, este trabalho trata do desenvolvimento e implementação computacional do modelo aditivo-dominante normal assimétrico para a análise de microarrays, permitindo assimetria nas distribuições de todos os efeitos aleatórios. Através do método de Monte Carlo via cadeias de Markov, geram-se amostras das condicionais completas a posteriori de todos os parâmetros em modelos com ou sem parâmetros de assimetria, para cada efeito aleatório. 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 de modelos que consideraram a distribuição normal assimétrica para os efeitos aleatórios. Os modelos aditivos-dominantes normais assimétricos considerados neste trabalho tenderam a confundir as estimativas de componentes da variância e de parâmetros de assimetria, possivelmente devido à estrutura familiar considerada. No entanto, esses modelos são os mais prováveis e têm melhores distribuições para os resíduos do que os modelos simétricos correspondentes. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | UNIVERSIDADE FEDERAL DE LAVRAS | - |
| Publicador: dc.publisher | DEX - Departamento de Ciências Exatas | - |
| Publicador: dc.publisher | UFLA | - |
| Publicador: dc.publisher | BRASIL | - |
| Direitos: dc.rights | acesso aberto | - |
| Palavras-chave: dc.subject | Simulação monte carlo via cadeias de markov | - |
| Palavras-chave: dc.subject | Modelo aditivo-dominante | - |
| Palavras-chave: dc.subject | Distribuição normal assimétrica multivariada | - |
| Palavras-chave: dc.subject | Inferência bayesiana | - |
| Palavras-chave: dc.subject | MCMC | - |
| Palavras-chave: dc.subject | Additive-dominance model | - |
| Palavras-chave: dc.subject | Multivariate skew normal distribution | - |
| Palavras-chave: dc.subject | Bayesian inference | - |
| Palavras-chave: dc.subject | CNPQ_NÃO_INFORMADO | - |
| Título: dc.title | Modelos mistos normais assimétricos em dados de microarrays originados de pedigrees complexos | - |
| Título: dc.title | Skew normal mixed models in microarray data generated from complex pedigrees | - |
| Tipo de arquivo: dc.type | tese | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: