PofoliaPofolia ile paylaşıldı

Genetics· 2014Q1

Bireysel Soy Katsayılarının Hızlı ve Verimli Tahmini

Fast and Efficient Estimation of Individual Ancestry Coefficients

Éric Frichot, François Mathieu, Théo Trouillon, Guillaume Bouchard ve diğerleri

Kısa özet

Yeni bir yöntem olan sNMF, bireysel soy katsayılarını mevcut ADMIXTURE algoritmalarından 10-30 kat daha hızlı ve doğruluk kaybı olmadan tahmin eder.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Ana noktalar

  • Bireysel soy katsayılarının tahmini için yeni bir yöntem olan sNMF'yi tanıtır.
  • sNMF, seyrek negatif olmayan matris ayrıştırma algoritmalarını kullanır.
  • İnsan ve bitki genomik verileri üzerinde test edilmiştir.
  • sNMF, ADMIXTURE algoritmasından 10-30 kat daha hızlıdır.
  • sNMF, ADMIXTURE ile karşılaştırılabilir doğruluk seviyesini korur.

Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.

Özet (abstract)

Inference of individual ancestry coefficients, which is important for population genetic and association studies, is commonly performed using computer-intensive likelihood algorithms. With the availability of large population genomic data sets, fast versions of likelihood algorithms have attracted considerable attention. Reducing the computational burden of estimation algorithms remains, however, a major challenge. Here, we present a fast and efficient method for estimating individual ancestry coefficients based on sparse nonnegative matrix factorization algorithms. We implemented our method in the computer program sNMF and applied it to human and plant data sets. The performances of sNMF were then compared to the likelihood algorithm implemented in the computer program ADMIXTURE. Without loss of accuracy, sNMF computed estimates of ancestry coefficients with runtimes ∼10-30 times shorter than those of ADMIXTURE.

Yazarların özeti; kaynağından alınmıştır. Genetics, 2014 · DOI ↗

ÇıkarımlarPremium
Makaleye SorÜcretsiz hesapla

Ücretsiz hesapla devam et

Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.

Web'de ücretsiz devam et

Google ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.

Telefonda:

Google Play'den indir App Store'dan indir

Benzer makaleler

Alan: Toplumsal Cinsiyet Çalışmaları

Gender StudiesSocial Sciences