Aplicación del Elastic Net LASSO y modelos relacionados en selección genómica basados en marcadores moleculares
Tesis (Maestría en Ciencias, especialista en Estadística).- Colegio de Postgraduados, 2012.
Saved in:
Main Authors: | , |
---|---|
Other Authors: | |
Format: | Tesis biblioteca |
Language: | spa |
Published: |
2012-05-21
|
Subjects: | Validación cruzada, Regresión penalizada, Predicción de valores genéticos, Cross-validation, Penalized regression, Prediction of genetic values, Estadística, Maestría, |
Online Access: | http://hdl.handle.net/10521/712 |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
id |
oai:colposdigital.colpos.mx:10521-712 |
---|---|
record_format |
koha |
spelling |
oai:colposdigital.colpos.mx:10521-7122022-02-24T19:28:23Z Aplicación del Elastic Net LASSO y modelos relacionados en selección genómica basados en marcadores moleculares LOPEZ CRUZ, MARCO ANTONIO; 343958 López Cruz, Marco Antonio PEREZ RODRIGUEZ, PAULINO; 161952 Validación cruzada Regresión penalizada Predicción de valores genéticos Cross-validation Penalized regression Prediction of genetic values Estadística Maestría Tesis (Maestría en Ciencias, especialista en Estadística).- Colegio de Postgraduados, 2012. El Elastic Net Bayesiano (BEN) es un método de regresión que utiliza una mezcla de las penalizaciones L1 y L2 (Kyung et al., 2010, Li y Lin, 2010). Se ha demostrado que este modelo puede ser usado exitosamente cuando el tamaño de muestra es mucho menor que el número de predictores (n << p). En este trabajo se muestra cómo utilizar este modelo para incluir de forma conjunta Marcadores Moleculares (MM) y Pedigree, ampliamente utilizados en gen etica cuantitativa en la llamada selección asistida por MM. Por medio de validación cruzada, el poder predictivo del BEN se compara con el de otros modelos: LASSO Bayesiano y Regresión Ridge Bayesiana, usando datos reales de rendimiento de cultivares de trigo y cebada, y tiempos de floración de maíz. Los resultados muestran que el BEN tiene un poder predictivo igual o superior que el resto de los modelos mencionados. ________________ APPLICATION OF BAYESIAN ELASTIC NET AND RELATED METHODS IN GENOMIC SELECTION BASED ON MOLECULAR MERKERS. ABSTRACT: The Bayesian Elastic Net (BEN) is a regression method that uses a mixture of L1 and L2 penalties (Kyung et al., 2010, Li y Lin, 2010). It has been shown that this model can be used successfully when the sample size is much smaller than the number of predictors (n << p). This paper shows how to use this model to include jointly Molecular Markers (MM) and Pedigree, widely used in quantitative genetics in the called MM-assisted selection. Through cross-validation, the predictive power of BEN is compared with other models: Bayesian LASSO and Bayesian Ridge Regression, using real data of yield of cultivars wheat and barley and owering time of maize. The results show that BEN has a predictive power equal to or greater than the rest of the models. El Elastic Net Bayesiano (BEN) es un método de regresión que utiliza una mezcla de las penalizaciones L consejo Nacional de Ciencia y Tecnolog a (CONACYT). 2012-05-21T22:05:59Z 2012-05-21T22:05:59Z 2012-05-21 Tesis masterThesis http://hdl.handle.net/10521/712 spa application/pdf |
institution |
COLPOS |
collection |
DSpace |
country |
México |
countrycode |
MX |
component |
Bibliográfico |
access |
En linea |
databasecode |
dig-colpos |
tag |
biblioteca |
region |
America del Norte |
libraryname |
COLPOS Digital |
language |
spa |
topic |
Validación cruzada Regresión penalizada Predicción de valores genéticos Cross-validation Penalized regression Prediction of genetic values Estadística Maestría Validación cruzada Regresión penalizada Predicción de valores genéticos Cross-validation Penalized regression Prediction of genetic values Estadística Maestría |
spellingShingle |
Validación cruzada Regresión penalizada Predicción de valores genéticos Cross-validation Penalized regression Prediction of genetic values Estadística Maestría Validación cruzada Regresión penalizada Predicción de valores genéticos Cross-validation Penalized regression Prediction of genetic values Estadística Maestría LOPEZ CRUZ, MARCO ANTONIO; 343958 López Cruz, Marco Antonio Aplicación del Elastic Net LASSO y modelos relacionados en selección genómica basados en marcadores moleculares |
description |
Tesis (Maestría en Ciencias, especialista en Estadística).- Colegio de Postgraduados, 2012. |
author2 |
PEREZ RODRIGUEZ, PAULINO; 161952 |
author_facet |
PEREZ RODRIGUEZ, PAULINO; 161952 LOPEZ CRUZ, MARCO ANTONIO; 343958 López Cruz, Marco Antonio |
format |
Tesis |
topic_facet |
Validación cruzada Regresión penalizada Predicción de valores genéticos Cross-validation Penalized regression Prediction of genetic values Estadística Maestría |
author |
LOPEZ CRUZ, MARCO ANTONIO; 343958 López Cruz, Marco Antonio |
author_sort |
LOPEZ CRUZ, MARCO ANTONIO; 343958 |
title |
Aplicación del Elastic Net LASSO y modelos relacionados en selección genómica basados en marcadores moleculares |
title_short |
Aplicación del Elastic Net LASSO y modelos relacionados en selección genómica basados en marcadores moleculares |
title_full |
Aplicación del Elastic Net LASSO y modelos relacionados en selección genómica basados en marcadores moleculares |
title_fullStr |
Aplicación del Elastic Net LASSO y modelos relacionados en selección genómica basados en marcadores moleculares |
title_full_unstemmed |
Aplicación del Elastic Net LASSO y modelos relacionados en selección genómica basados en marcadores moleculares |
title_sort |
aplicación del elastic net lasso y modelos relacionados en selección genómica basados en marcadores moleculares |
publishDate |
2012-05-21 |
url |
http://hdl.handle.net/10521/712 |
work_keys_str_mv |
AT lopezcruzmarcoantonio343958 aplicaciondelelasticnetlassoymodelosrelacionadosenselecciongenomicabasadosenmarcadoresmoleculares AT lopezcruzmarcoantonio aplicaciondelelasticnetlassoymodelosrelacionadosenselecciongenomicabasadosenmarcadoresmoleculares |
_version_ |
1756277494051241984 |