• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>BMC Genomics >Feature selection with interactions in logistic regression models using multivariate synergies for a GWAS application
【2h】

Feature selection with interactions in logistic regression models using multivariate synergies for a GWAS application

机译：在GWAS应用中使用多元协同在逻辑回归模型中进行交互的特征选择

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

BackgroundGenotype-phenotype association has been one of the long-standing problems in bioinformatics. Identifying both the marginal and epistatic effects among genetic markers, such as Single Nucleotide Polymorphisms (SNPs), has been extensively integrated in Genome-Wide Association Studies (GWAS) to help derive “causal” genetic risk factors and their interactions, which play critical roles in life and disease systems. Identifying “synergistic” interactions with respect to the outcome of interest can help accurate phenotypic prediction and understand the underlying mechanism of system behavior. Many statistical measures for estimating synergistic interactions have been proposed in the literature for such a purpose. However, except for empirical performance, there is still no theoretical analysis on the power and limitation of these synergistic interaction measures.
机译：背景基因型-表型关联一直是生物信息学中长期存在的问题之一。在全基因组关联研究（GWAS）中广泛识别单一基因多态性（SNP）等遗传标志物的边际效应和上位性效应，以帮助得出“因果”遗传风险因素及其相互作用，而这些因素起着至关重要的作用在生命和疾病系统中。识别与目标结果相关的“协同”相互作用可以帮助准确进行表型预测，并了解系统行为的潜在机制。为此目的，文献中已经提出了许多用于估计协同相互作用的统计方法。但是，除了经验性能外，还没有关于这些协同相互作用措施的效力和局限性的理论分析。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号