| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Café. |
|
Data corrente: |
21/01/2022 |
|
Data da última atualização: |
21/01/2022 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
COSTA, J. A. da; AZEVEDO, C. F.; NASCIMENTO, M.; SILVA, F. F. e; RESENDE, M. D. V. de; NASCIMENTO, A. C. C. |
|
Afiliação: |
JAQUICELE APARECIDA DA COSTA, UFV; CAMILA FERREIRA AZEVEDO, UFV; MOYSÉS NASCIMENTO, UFV; FABYANO FONSECA E SILVA, UFV; MARCOS DEON VILELA DE RESENDE, CNPCa; ANA CAROLINA CAMPANA NASCIMENTO, UFV. |
|
Título: |
A comparison of regression methods based on dimensional reduction for genomic prediction. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
Genetics and Molecular Research, v. 20, n. 2, p. 1-15, 2021. |
|
DOI: |
https://doi.org/10.4238/gmr18877 |
|
Idioma: |
Inglês |
|
Conteúdo: |
multicollinearity and high dimensionality problems, making it impossible to obtain stable estimates through the traditional method of estimation based on ordinary least squares. To overcome such challenges, dimensionality reduction methods have been proposed, because of their simple theory and easy application. We compared three dimensionality reduction methods: Principal Components Regression (PCR), Partial Least Squares (PLS), and Independent Components Regression (ICR). An important step for dimensionality reduction and prediction is selecting the number of components, as it affects the linear combinations of the explanatory variables. The linear combinations are inserted into the model to predict the response based on a reduced number of parameters. We examined the criteria for the selection of the number of components. The dimensionality reduction methods were applied to genomic and phenotype data. We evaluated 370 accessions of Asian rice, Oryza sativa, which were genotyped for 36,901 SNPs markers considered to predict the genomic values for the number of panicles per plant trait.This data set presented multicollinearity and high dimensionality. The computational time for each method was also recorded. Among the methods, PCR and ICR gave the highest accuracy values, with ICR standing out for presenting estimates of the least biased genomic values. However, ICR required more computational time than the other methodologies. |
|
Thesaurus Nal: |
Genomics; Regression analysis. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/230432/1/A-comparison-of-regression-methods.pdf
|
|
Marc: |
LEADER 02131naa a2200217 a 4500
001 2139234
005 2022-01-21
008 2021 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.4238/gmr18877$2DOI
100 1 $aCOSTA, J. A. da
245 $aA comparison of regression methods based on dimensional reduction for genomic prediction.$h[electronic resource]
260 $c2021
520 $amulticollinearity and high dimensionality problems, making it impossible to obtain stable estimates through the traditional method of estimation based on ordinary least squares. To overcome such challenges, dimensionality reduction methods have been proposed, because of their simple theory and easy application. We compared three dimensionality reduction methods: Principal Components Regression (PCR), Partial Least Squares (PLS), and Independent Components Regression (ICR). An important step for dimensionality reduction and prediction is selecting the number of components, as it affects the linear combinations of the explanatory variables. The linear combinations are inserted into the model to predict the response based on a reduced number of parameters. We examined the criteria for the selection of the number of components. The dimensionality reduction methods were applied to genomic and phenotype data. We evaluated 370 accessions of Asian rice, Oryza sativa, which were genotyped for 36,901 SNPs markers considered to predict the genomic values for the number of panicles per plant trait.This data set presented multicollinearity and high dimensionality. The computational time for each method was also recorded. Among the methods, PCR and ICR gave the highest accuracy values, with ICR standing out for presenting estimates of the least biased genomic values. However, ICR required more computational time than the other methodologies.
650 $aGenomics
650 $aRegression analysis
700 1 $aAZEVEDO, C. F.
700 1 $aNASCIMENTO, M.
700 1 $aSILVA, F. F. e
700 1 $aRESENDE, M. D. V. de
700 1 $aNASCIMENTO, A. C. C.
773 $tGenetics and Molecular Research$gv. 20, n. 2, p. 1-15, 2021.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Café (CNPCa) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
| Registros recuperados : 117 | |
| 2. |  | RESENDE, M. D. V. de; SILVA, F. F. e. Análise estatística da interação genótipo x ambientes e normas de reação. In: RESENDE, M. D. V. de; SILVA, F. F. e; AZEVEDO, C. F. Estatística matemática, biométrica e computacional: modelos mistos, multivariados, categóricos e generalizados (REML/BLUP), inferência bayesiana, regressão, aleatória, seleção genômica, QTL, GWAS, estatística espacial e temporal, competição, sobrevivência. Viçosa, MG: UFV, 2014. p. 369-394.| Tipo: Capítulo em Livro Técnico-Científico |
| Biblioteca(s): Embrapa Florestas. |
|   |
| 3. | | RESENDE, M. D. V. de; SILVA, F. F. e. Modelos lineares generalizados e dados categóricos. In: RESENDE, M. D. V. de; SILVA, F. F. e; AZEVEDO, C. F. Estatística matemática, biométrica e computacional: modelos mistos, multivariados, categóricos e generalizados (REML/BLUP), inferência bayesiana, regressão, aleatória, seleção genômica, QTL, GWAS, estatística espacial e temporal, competição, sobrevivência. Viçosa, MG: UFV, 2014. p. 559-594.| Tipo: Capítulo em Livro Técnico-Científico |
| Biblioteca(s): Embrapa Florestas. |
| |
| 5. | | SILVA, F. F. e; MUNIZ, J. A.; AQUINO, L. H. de; SÁFADI, T. Abordagem Bayesiana da curva de lactação de cabras Saanen de primeira e segunda ordem de parto. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 40, n. 1, p. 27-33, jan. 2005 Título em inglês: Bayesian approach in the lactation curve of Saanen goats from first and second calving orders.| Biblioteca(s): Embrapa Unidades Centrais. |
|  |
| 6. | | RESENDE, M. D. V. de; SILVA, F. F. e; AZEVEDO, C. F. Análise de sobrevivência e dados censurados. In: RESENDE, M. D. V. de; SILVA, F. F. e; AZEVEDO, C. F. Estatística matemática, biométrica e computacional: modelos mistos, multivariados, categóricos e generalizados (REML/BLUP), inferência bayesiana, regressão, aleatória, seleção genômica, QTL, GWAS, estatística espacial e temporal, competição, sobrevivência. Viçosa, MG: UFV, 2014. p. 595-626.| Tipo: Capítulo em Livro Técnico-Científico |
| Biblioteca(s): Embrapa Florestas. |
| |
| 7. | | RESENDE, M. D. V. de; AZEVEDO, C. F.; SILVA, F. F. e. Análise estatística de dados longitudinais. In: RESENDE, M. D. V. de; SILVA, F. F. e; AZEVEDO, C. F. Estatística matemática, biométrica e computacional: modelos mistos, multivariados, categóricos e generalizados (REML/BLUP), inferência bayesiana, regressão, aleatória, seleção genômica, QTL, GWAS, estatística espacial e temporal, competição, sobrevivência. Viçosa, MG: UFV, 2014. p. 312-368.| Tipo: Capítulo em Livro Técnico-Científico |
| Biblioteca(s): Embrapa Florestas. |
| |
| 8. | | ROSSI, R. M.; MARTINS, E. N.; LOPES, P. S.; SILVA, F. F. e. Análise bayesiana univariada e bivariada para a conversão alimentar de suínos da raça Piau. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 49, n. 10, p. 754-761, out. 2014. Título em inglês: Univariate and bivariate Bayesian analysis for feed conversion of the Piau swine breed.| Biblioteca(s): Embrapa Unidades Centrais. |
| |
| 12. | | SILVA, F. F. e; SÁFADI, T.; MUNIZ, J. A.; AQUINO, L. H. de; MOURÃO, G. B. Comparação bayesiana de modelos de previsão de diferenças esperadas nas progênies no melhoramento genético de gado Nelore. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 43, n. 1, p. 37-45, jan. 2008| Biblioteca(s): Embrapa Unidades Centrais. |
| |
| 14. | | SANTOS, V. S. dos; MARTINS FILHO, S.; SILVA, F. F. e; RESENDE, M. D. V. de. Uma aplicação do modelo de sobrevivência de Cox na seleção genômica ampla de suínos. Revista Matemática e Estatística em foco, v. 1, n. 2, 2013. Edição especial dos anais do Encontro Mineiro de Estatística, 12., 2013, Uberlândia. Resumo.| Tipo: Resumo em Anais de Congresso |
| Biblioteca(s): Embrapa Florestas. |
| |
| 16. | | RESENDE, M. D. V. de; AZEVEDO, C. F.; SILVA, F. F. e. Inferência bayesiana. In: RESENDE, M. D. V. de; SILVA, F. F. e; AZEVEDO, C. F. Estatística matemática, biométrica e computacional: modelos mistos, multivariados, categóricos e generalizados (REML/BLUP), inferência bayesiana, regressão, aleatória, seleção genômica, QTL, GWAS, estatística espacial e temporal, competição, sobrevivência. Viçosa, MG: UFV, 2014. p. 449-503.| Tipo: Capítulo em Livro Técnico-Científico |
| Biblioteca(s): Embrapa Florestas. |
| |
| 19. | | RESENDE, M. D. V. de; AZEVEDO, C. F.; SILVA, F. F. e. Seleção genômica. In: RESENDE, M. D. V. de; SILVA, F. F. e; AZEVEDO, C. F. Estatística matemática, biométrica e computacional: modelos mistos, multivariados, categóricos e generalizados (REML/BLUP), inferência Bayesiana, regressão, aleatória, seleção genômica, QTL, GWAS, estatística espacial e temporal, competição, sobrevivência. Viçosa, MG: UFV, 2014. p. 627-768.| Tipo: Capítulo em Livro Técnico-Científico |
| Biblioteca(s): Embrapa Florestas. |
| |
| Registros recuperados : 117 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
