版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、群體遺傳學(xué)是一門(mén)定量地研究生物進(jìn)化機(jī)制的遺傳學(xué)科,它為揭示進(jìn)化原理和進(jìn)化過(guò)程提供堅(jiān)實(shí)的理論依據(jù)。人口歷史推斷是群體遺傳學(xué)中至關(guān)重要的問(wèn)題,有利于我們更好地了解人類的起源與發(fā)展。群體遷移,群體混合以及群體擴(kuò)張等人口歷史事件會(huì)對(duì)基因的遺傳變異產(chǎn)生巨大影響,在遺傳數(shù)據(jù)中留下很多有用的信息,因此我們可以利用這些信息推斷人口歷史。
隨著測(cè)序技術(shù)和計(jì)算方法的不斷發(fā)展,我們可以獲得越來(lái)越多的遺傳特征,如何更有效地利用遺傳特征推斷人口歷史是一
2、個(gè)非常有挑戰(zhàn)性的問(wèn)題。在本文中,我們通過(guò)構(gòu)建隨機(jī)模型刻畫(huà)遺傳特征的產(chǎn)生和變化過(guò)程,利用統(tǒng)計(jì)推斷的方法實(shí)現(xiàn)人口歷史的重構(gòu)。本文主要考慮兩種與基因重組密切相關(guān)的遺傳特征——祖先片段和IBD片段,研究基于這兩種特征推斷人口歷史的隨機(jī)模型與方法。
本文的第一項(xiàng)工作是研究基于祖先片段推斷人口混合歷史的隨機(jī)模型與方法?,F(xiàn)在已有的推斷人口混合歷史的方法都有一個(gè)缺陷:在推斷混合歷史時(shí),需事先設(shè)定一個(gè)混合模型,然后在設(shè)定的模型下進(jìn)行推斷。但在實(shí)
3、際應(yīng)用中,真實(shí)的混合模型是未知的,如果設(shè)定的混合模型與真實(shí)模型相差很大,則推斷出的混合歷史往往不準(zhǔn)確。為了解決這個(gè)問(wèn)題,本文給出一般混合模型的刻畫(huà),并首次推導(dǎo)一般混合模型下祖先片段長(zhǎng)度的理論分布,為人口混合歷史的推斷提供理論基礎(chǔ)。基于祖先片段長(zhǎng)度的分布,我們開(kāi)發(fā)了兩種推斷人口混合歷史的方法,第一種方法——AdmixInfer方法,實(shí)現(xiàn)三個(gè)經(jīng)典混合模型下最優(yōu)模型的選擇以及混合歷史中參數(shù)的估計(jì)。我們通過(guò)大量的模擬數(shù)據(jù)驗(yàn)證了AdmixInfe
4、r方法的有效性和穩(wěn)定性,同時(shí)在真實(shí)數(shù)據(jù)的應(yīng)用中,AdmixInfer方法也有很好的表現(xiàn)。更進(jìn)一步,為了解決一般混合模型下人口混合歷史的推斷問(wèn)題,我們開(kāi)發(fā)了第二種方法——MultiWaveInfer方法,采用似然比檢驗(yàn)和EM算法估計(jì)混合波數(shù)以及混合歷史中的參數(shù)。同樣的,大量的模擬數(shù)據(jù)驗(yàn)證了MultiWaveInfer方法的有效性和穩(wěn)定性。
本文的另一項(xiàng)工作是研究基于IBD片段推斷人口遷移歷史的隨機(jī)模型與方法。IBD片段已被證實(shí)非
5、常適合重構(gòu)近代的人口歷史。利用IBD片段推斷人口歷史,關(guān)鍵在于構(gòu)建人口模型并計(jì)算溯祖時(shí)間的分布。前人利用IBD片段推斷人口遷移歷史時(shí),忽略了溯祖時(shí)間之前溯祖事件的信息以及溯祖事件與遷移事件的相互影響,使得溯祖時(shí)間的分布不準(zhǔn)確。為彌補(bǔ)這個(gè)缺陷,本文提出了一種新的推斷人口遷移歷史的方法——MIBD方法,采用帶結(jié)構(gòu)的溯祖理論,用一個(gè)連續(xù)時(shí)間的馬氏過(guò)程描述兩個(gè)群體遷移模型下的溯祖過(guò)程,并利用Kolmogorov向后方程計(jì)算溯祖時(shí)間的分布。在此分
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 若干半?yún)?shù)模型的穩(wěn)健推斷與模型選擇方法.pdf
- 動(dòng)態(tài)異方差隨機(jī)前沿模型的貝葉斯推斷.pdf
- 隨機(jī)波動(dòng)率模型的統(tǒng)計(jì)推斷及其衍生證券的定價(jià).pdf
- 響應(yīng)變量隨機(jī)缺失的部分線性模型的統(tǒng)計(jì)推斷.pdf
- 正態(tài)倒Gamma隨機(jī)前沿模型的貝葉斯推斷.pdf
- 隨機(jī)截尾數(shù)據(jù)下極端值沖擊模型的統(tǒng)計(jì)推斷.pdf
- 資產(chǎn)價(jià)格隨機(jī)過(guò)程選擇的一種統(tǒng)計(jì)推斷方法.pdf
- 17741.若干隨機(jī)擴(kuò)散模型的統(tǒng)計(jì)推斷及數(shù)值解
- 隨機(jī)性模型與模擬方法
- 響應(yīng)變量隨機(jī)缺失下變系數(shù)模型的統(tǒng)計(jì)推斷.pdf
- 正倒向隨機(jī)微分方程和高維模型的統(tǒng)計(jì)推斷.pdf
- 計(jì)量經(jīng)濟(jì)模型中的統(tǒng)計(jì)推斷:非參數(shù)與半?yún)?shù)方法.pdf
- 若干種推斷有觀測(cè)誤差統(tǒng)計(jì)模型的方法.pdf
- 隨機(jī)物流模型的建模及求解方法研究.pdf
- 隨機(jī)波動(dòng)模型及其建模方法研究.pdf
- 復(fù)雜隨機(jī)系統(tǒng)模型檢測(cè)方法研究.pdf
- RCA(1)模型的統(tǒng)計(jì)推斷研究.pdf
- 7076.空間滯后隨機(jī)前沿模型的bayesian推斷及技術(shù)效率估計(jì)
- 邊緣模型中的兩種統(tǒng)計(jì)推斷方法:GEE與QIF.pdf
- 響應(yīng)變量隨機(jī)缺失下變系數(shù)模型的經(jīng)驗(yàn)似然推斷.pdf
評(píng)論
0/150
提交評(píng)論