
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 | Silva, Joseane Padilha da | - |
| Autor(es): dc.creator | Leandro, Roseli Aparecida | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:05:50Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:05:50Z | - |
| Data de envio: dc.date.issued | 2009-08-01 | - |
| Data de envio: dc.date.issued | 2015-04-30 | - |
| Data de envio: dc.date.issued | 2015-04-30 | - |
| Data de envio: dc.date.issued | 2015-04-30 | - |
| Fonte completa do material: dc.identifier | http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1413-70542009000400017 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/6999 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1154232 | - |
| Descrição: dc.description | The use of Bayesian methodology in genetic applications has grown increasingly popular, in particular in the analysis of quantitative trait loci (QTL) for studies using molecular markers. In such analyses the objectives are mapping QTLs, estimating their locations in the genome and their genotypic effects (additive, dominance, and epistatic). The Bayesian approach proceeds by setting up a likelihood function for the phenotype and assigning prior distributions to all unknown quantities in the model (number, chromosome, locus, and genetic effects of QTL). These induce a posterior distribution of the unknown quantities that contains all of the available information for inference of the genetic architecture of the trait. Bayesian mapping methods can treat the unknown number of QTL as a random variable, which has several advantages but results in the complication of varying the dimension of the model space. The reversible jump MCMC algorithm (MCMC-RJ), proposed by Green (1995), offers a powerful and general approach to exploring posterior distributions in this setting. The method was evaluated by analyzing simulated data in WinQTLCart, attributing different priors distributions on the QTL numbers. | - |
| Descrição: dc.description | A utilização de metodologias bayesianas tem se tornado frequente nas aplicações em Genética, em particular em mapeamento de QTLs usando marcadores moleculares. Mapear um QTL significa identificar sua localização ao longo do genoma, estimar seus efeitos genéticos: aditivo, dominância, epistasia, etc. A abordagem bayesiana permite combinar a verossimilhança dos dados fenotípicos com distribuições a priori atribuídas a todas as quantidades desconhecidas no modelo (número, localização no genoma e efeitos genéticos dos QTLs) de forma a fornecer distribuições a posteriori a respeito dessas quantidades. Métodos de mapeamento bayesiano podem incorporar a incerteza relativa ao número desconhecido de QTLs na análise; essa incerteza, no entanto, resulta em complicações na obtenção da amostra da distribuição conjunta a posteriori, uma vez que a dimensão do espaço do modelo pode variar. O método MCMC com Saltos Reversíveis (MCMC-SR), proposto por Green (1995), é uma excelente ferramenta para explorar a distribuição conjunta a posteriori nesse contexto. Neste trabalho, explora-se o método MCMC-SR, utilizando dados artificiais gerados no software WinQTLCart, atribuindo-se diferentes prioris para o número de QTLs. | - |
| Formato: dc.format | text/html | - |
| Publicador: dc.publisher | Editora da Universidade Federal de Lavras | - |
| ???dc.source???: dc.source | Ciência e Agrotecnologia v.33 n.4 2009 | - |
| Palavras-chave: dc.subject | Genética - Modelos matemáticos | - |
| Palavras-chave: dc.subject | Teoria bayesiana de decisão estatística | - |
| Palavras-chave: dc.subject | QTL - Mapeamento | - |
| Palavras-chave: dc.subject | MCMC com saltos reversíveis | - |
| Palavras-chave: dc.subject | Genetics - Mathematical models | - |
| Palavras-chave: dc.subject | Bayesian statistical decision theory | - |
| Palavras-chave: dc.subject | QTL - Mapping | - |
| Palavras-chave: dc.subject | Reversible jump MCMC | - |
| Título: dc.title | Uma abordagem bayesiana para o mapeamento de QTLS utilizando o método MCMC com saltos reversíveis | - |
| Título: dc.title | A bayesian approach to map QTLs using reversible jump MCMC | - |
| Tipo de arquivo: dc.type | journal article | - |
| 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: