定量生物学 > 定量方法
[提交于 2016年2月26日
]
标题: 不可识别的家系和一种贝叶斯解决方案
标题: Non-Identifiable Pedigrees and a Bayesian Solution
摘要: 一些方法旨在校正或检验关系或重建家谱,或家族树。 我们表明,由于家谱似然的可识别性,即在家谱模型下继承数据的概率,这些方法无法解决正确关系的歧义。 这意味着没有任何基于似然的方法可以以高概率产生正确的家谱推断。 这种不可靠性对于健康和法医学应用都至关重要。 在本文中,我们首次讨论了非同构家谱中的多个类型个体,$\mathcal{P}$和$\mathcal{Q}$,其中似然是不可识别的,$Pr[G~|~\mathcal{P},\theta] = Pr[G~|~\mathcal{Q},\theta]$,对于所有输入数据$G$和所有重组率参数$\theta$。 虽然之前已知不可识别对,但我们给出一个具有多个个体数据的例子。 此外,还提供了对驱动这些不可识别性例子的通用离散结构的更深入理解,以及指导算法仅检查可识别家谱的结果。 本文引入了一个通用标准,用于确定一对家谱是否不可识别,以及两个易于计算的标准,保证可识别性。 最后,我们建议一种处理不可识别似然的方法:使用贝叶斯规则从似然和先验中获得后验。 我们提出了一种先验,保证后验能够区分所有家谱对。 缩短版发表为:B. Kirkpatrick。 不可识别的家谱和贝叶斯解决方案。 国际生物信息学研究与应用研讨会(ISBRA),7292:139-152 2012。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.