Aplicación del Elastic Net LASSO y modelos relacionados en selección genómica basados en marcadores moleculares

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:
Bibliographic Details
Main Authors: LOPEZ CRUZ, MARCO ANTONIO; 343958, López Cruz, Marco Antonio
Other Authors: PEREZ RODRIGUEZ, PAULINO; 161952
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

Similar Items