
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.creator | Bueno Filho, Julio Sílvio de Sousa | - |
| Autor(es): dc.creator | Morota, Gota | - |
| Autor(es): dc.creator | Tran, Quoc | - |
| Autor(es): dc.creator | Maenner, Matthew J | - |
| Autor(es): dc.creator | Vera-Cala, Lina M | - |
| Autor(es): dc.creator | Engelman, Corinne D | - |
| Autor(es): dc.creator | Meyers, Kristin J | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:02:56Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:02:56Z | - |
| Data de envio: dc.date.issued | 2020-01-22 | - |
| Data de envio: dc.date.issued | 2020-01-22 | - |
| Data de envio: dc.date.issued | 2011-11 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/38602 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1153200 | - |
| Descrição: dc.description | Next-generation sequencing technologies are rapidly changing the field of genetic epidemiology and enabling exploration of the full allele frequency spectrum underlying complex diseases. Although sequencing technologies have shifted our focus toward rare genetic variants, statistical methods traditionally used in genetic association studies are inadequate for estimating effects of low minor allele frequency variants. Four our study we use the Genetic Analysis Workshop 17 data from 697 unrelated individuals (genotypes for 24,487 autosomal variants from 3,205 genes). We apply a Bayesian hierarchical mixture model to identify genes associated with a simulated binary phenotype using a transformed genotype design matrix weighted by allele frequencies. A Metropolis Hasting algorithm is used to jointly sample each indicator variable and additive genetic effect pair from its conditional posterior distribution, and remaining parameters are sampled by Gibbs sampling. This method identified 58 genes with a posterior probability greater than 0.8 for being associated with the phenotype. One of these 58 genes, PIK3C2B was correctly identified as being associated with affected status based on the simulation process. This project demonstrates the utility of Bayesian hierarchical mixture models using a transformed genotype matrix to detect genes containing rare and common variants associated with a binary phenotype. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | National Center for Biotechnology Information, U.S. National Library of Medicine | - |
| Direitos: dc.rights | acesso aberto | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| Direitos: dc.rights | http://creativecommons.org/licenses/by/4.0/ | - |
| ???dc.source???: dc.source | BMC Proceedings | - |
| Palavras-chave: dc.subject | Sequencing technologies | - |
| Palavras-chave: dc.subject | Genetic association | - |
| Palavras-chave: dc.subject | Bayesian hierarchical mixture model | - |
| Palavras-chave: dc.subject | Metropolis Hasting algorithm | - |
| Palavras-chave: dc.subject | Gibbs sampling | - |
| Título: dc.title | Analysis of human mini-exome sequencing data from Genetic Analysis Workshop 17 using a Bayesian hierarchical mixture model | - |
| Tipo de arquivo: dc.type | Artigo | - |
| 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: