BIOINFORMATYKA 8. Analiza asocjacyjna - teoria
|
|
- Eugeniusz Kulesza
- 8 lat temu
- Przeglądów:
Transkrypt
1 IOINFORMTYK 1. Wykład wstępny 2. Struktury danych w adaniach ioinformatycznych 3. azy danych: projektowanie i struktura 4. azy danych: projektowanie i struktura 5. Powiązania pomiędzy genami: równ. Hardyego-Weinerga, wsp. rekominacji 6. naliza sprzężeń - teoria 7. naliza sprzężeń - przykłady programów 8. naliza asocjacyjna - teoria 9. naliza asocjacyjna przykłady programów 10.Symulacje komputerowe, jackknife, ootstrap 11.Monte Carlo Markov Models 12.Metody klasyfikacyjne 13.Wykład podsumowujący 14.Zastosowanie przykładowych programów do analizy danych 15.Zastosowanie przykładowych programów do analizy danych
2 WSTĘP 1. naliza asocjacyjna Zasady stosowania Różnice z analizą sprzężeń 2. Przykłady Metody wykorzystujące modele statystyczne Metody pomijające modele
3 NLIZ SOCJCYJN wstęp
4 ŹRÓDŁ ZURZENI RÓWNOWGI HW pokolenie 1 SPRZĘŻENIE SELEKCJ a a a pokolenie N a a a a a pokolenie 1 pokolenie N
5 POZORNE ZURZENIE RÓWNOWGI HW SUPOPULCJ SUPOPULCJ a a a PRÓ DNYCH a a a
6 NLIZ SOCJCYJN - definicja NLIZ SOCJCYJN 1. Statystyczna procedura poszukiwania genów 2. Poszukiwanie markerów powiązanych z genem głównym 3. Wykorzystująca zaurzenie równowagi HW pomiędzy (widzialnymi) markerami, a (niewidzialnym) genem głównym 4. Oliczone na podstawie korelacji pomiędzy zmiennością cechy, a zmiennością genotypów markerów
7 NLIZ SOCJCYJN - źródła informacji NLIZ SOCJCYJN wartości cechy genotypy markerów spokrewnienie
8 NLIZ SOCJCYJN - poszukiwanie genów POSZUKIWNIE MRKER O NJWYŻSZEJ KORELCJI ZE ZMIENNOŚCIĄ CECHY 1) 2) M1 M2 M3 M4 M5 M6... M7 0 cm 100 cm QTL M1 M2 M3 M4 M5 M6 M7 0 cm 100 cm QTL lokalizacja: 1 Marker lokalizacja: 2 Marker 7) M1 M2 M3 M4 M5 M6 M7 0 cm 100 cm QTL lokalizacja: 7 marker
9 NLIZ SOCJCYJN - NLIZ SPRZĘŻEŃ NLIZ SPRZĘŻEŃ Wykorzystuje informacje o spokrewnieniu NLIZ SOCJCYJN Nie wykorzystuje informacji o spokrewnieniu Detekcja rzeczywistego sprzężenia pomiędzy genem, a markerem Duża moc detekcji QTL nawet w pewnej odległości od markera Mała precyzja lokalizacji QTL Skan genomu Detekcja powiązania =korelacji pomiędzy genem, a markerem Mała moc detekcji QTL zlokalizowanego w pewnej odległości od markera Duża precyzja lokalizacji QTL Mapowanie precyzyjne lu skan genomu np. wykorzystanie mikromacierzy Copyright 2011, SNP Joanna Szyda
10 NLIZ SOCJCYJN cechy ciągłe
11 NLIZ SOCJCYJN - poszukiwanie genów POSZUKIWNIE MRKER O NJWYŻSZEJ KORELCJI ZE ZMIENNOŚCIĄ CECHY 1) y = + m 1 + e prawdopodoieństwo 2) y = + m 2 + e prawdopodoieństwo... 7) y = + m 7 + e prawdopodoieństwo ELEMENTY MODELU: y wartość cechy efekty wspólne dla wszystkich osoników e efekty niemierzalne (łąd) m i efekt markera " i "
12 NLIZ SPRZĘŻEŃ - poszukiwanie genów y = + m i + e Kod genotypu markera (11, 12, 22)
13 KODOWNIE GENOTYPÓW MRKERÓW - przykłady Niezależne od frekwencji alleli 11 1 Kao and Zeng, Zależne od frekwencji alleli 11 2p 2 Cockerham, p 2 - p p 1
14 TESTOWNIE - prawdopodoieństwa dla każdego markera ln ( prawdopod. ) 1) y = + m 1 + e prawdopodoieństwo 2) y = + m 2 + e prawdopodoieństwo... 7) y = + m 7 + e prawdopodoieństwo marker
15 TESTOWNIE - hipotezy i test HIPOTEZY H 0 : marker "i" nieskorelowany z QTL m i = 0 rak asocjacji H 1 : marker "i" skorelowany z QTL m i 0 występuje asocjacja MODELE STTYSTYCZNE MODEL 0 : MODEL 1 : y = + e y = + m i + e TEST LRT (likelihood ratio test) LRT = -2 [ lnpr ( MODEL 0 ) - lnpr ( MODEL 1 ) ] ~ c 2 M1-M0 Copyright 2012, Joanna Szyda
16 TESTOWNIE - wnioskowanie najardziej prawdopodona lokalizacja genu: marker 5 LRT = założone maksymalne prawdopodoieństwo łędu a MX = 0.01 prawdopodoieństwo łędu dla LRT=25.46 wynosi a T = a MX > a T H 1 na dziedziczenie cechy ma wpływ gen główny LRT gen jest w LD z markerem lokalizacja genu
17 NLIZ SOCJCYJN - przykład, skan genomu GWS GenomeWise ssociation Study
18 NLIZ SOCJCYJN - przykład z literatury
19 NLIZ SOCJCYJN cechy 0/1
20 TRNSMISSION DISEQUILIRIUM TEST - sprzężenie + asocjacja allel przekazany allel nieprzekazany x x rodzice + chore dziecko allel przekazany allel nieprzekazany x n 12 2 n 21 x
21 TRNSMISSION DISEQUILIRIUM TEST allel przekazany allel nieprzekazany x n 12 2 n 21 x TDT 2 n n ~ c1 12 n21 n rak założeń nt modelu dziedziczenia cechy
22 TRNSMISSION DISEQUILIRIUM TEST - przykład
23 TRNSMISSION DISEQUILIRIUM TEST - przykład H 0 równowaga miedzy markerem a genem H 1 zaurzenie równowagi miedzy markerem a genem H 0 : n 12 =n 21 H 1 : n 12 n 21 allel przekazany allel nieprzekazany x x TDT = 8.71 dla markera D6S2889 na chromosomie 6 a max = 0.01 a T = H 1 Segregacja genotypów markera D6S2889 jest skorelowana z ojawami łysienia plackowatego Copyright 2013 Joanna Szyda
24 COCHRN-RMITGE TEST Genotyp chory N 11chore N 12chore N 22chore zdrowy N 11zdrowe N 12zdrowe N 22zdrowe rak założeń nt modelu dziedziczenia cechy Copyright 2013, Joanna Szyda
25 zasady stosowania M1 M2 M3 M4 M5 M6 QTL M1 M2 M3 M4 M5 M6 M7 M7 QTL NLIZ SOCJCYJN y = + m i + e
1. Analiza asocjacyjna. Cechy ciągłe. Cechy binarne. Analiza sprzężeń. Runs of homozygosity. Signatures of selection
BIOINFORMATYKA 1. Wykład wstępny 2. Bazy danych: projektowanie i struktura 3. Równowaga Hardyego-Weinberga, wsp. rekombinacji 4. Analiza asocjacyjna 5. Analiza asocjacyjna 6. Sekwencjonowanie nowej generacji
Bardziej szczegółowoWSTĘP. Copyright 2011, Joanna Szyda
BIOINFORMATYKA 1. Wykład wstępny 2. Struktury danych w badaniach bioinformatycznych 3. Bazy danych: projektowanie i struktura 4. Bazy danych: projektowanie i struktura 5. Równowaga Hardyego-Weinberga,
Bardziej szczegółowoBIOINFORMATYKA. Copyright 2011, Joanna Szyda
BIOINFORMATYKA 1. Wykład wstępny 2. Struktury danych w badaniach bioinformatycznych 3. Bazy danych: projektowanie i struktura 4. Bazy danych: projektowanie i struktura 5. Powiązania pomiędzy genami: równ.
Bardziej szczegółowo1. Symulacje komputerowe Idea symulacji Przykład. 2. Metody próbkowania Jackknife Bootstrap. 3. Łańcuchy Markova. 4. Próbkowanie Gibbsa
BIOINFORMATYKA 1. Wykład wstępny 2. Bazy danych: projektowanie i struktura 3. Równowaga Hardyego-Weinberga, wsp. rekombinacji 4. Analiza asocjacyjna 5. Analiza asocjacyjna 6. Sekwencjonowanie nowej generacji
Bardziej szczegółowoMapowanie genów cz owieka. podstawy
Mapowanie genów czowieka podstawy Sprzężenie Geny leżące na różnych chromosomach spełniają II prawo Mendla Dla 2 genów: 4 równoliczne klasy gamet W. S Klug, M.R Cummings Concepts of Genetics 8 th edition,
Bardziej szczegółowoPODSTAWY BIOINFORMATYKI 11 BAZA DANYCH HAPMAP
PODSTAWY BIOINFORMATYKI 11 BAZA DANYCH HAPMAP WSTĘP 1. SNP 2. haplotyp 3. równowaga sprzężeń 4. zawartość bazy HapMap 5. przykłady zastosowań Copyright 2013, Joanna Szyda HAPMAP BAZA DANYCH HAPMAP - haplotypy
Bardziej szczegółowoBadania asocjacyjne w skali genomu (GWAS)
Badania asocjacyjne w skali genomu (GWAS) Wstęp do GWAS Część 1 - Kontrola jakości Bioinformatyczna analiza danych Wykład 2 Dr Wioleta Drobik-Czwarno Katedra Genetyki i Ogólnej Hodowli Zwierząt Badania
Bardziej szczegółowoPodstawy genetyki człowieka. Cechy wieloczynnikowe
Podstawy genetyki człowieka Cechy wieloczynnikowe Dziedziczenie Mendlowskie - jeden gen = jedna cecha np. allele jednego genu decydują o barwie kwiatów groszku Bardziej złożone - interakcje kilku genów
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoOprogramowanie dla GWAS
BIOINFORMATYKA 1. Wykład wstępny 2. Bazy danych: projektowanie i struktura 3. Równowaga Hardyego-Weinberga, wsp. rekombinacji 4. Analiza asocjacyjna 5. Analiza asocjacyjna 6. Sekwencjonowanie nowej generacji
Bardziej szczegółowoAnaliza sprzężeń u człowieka. Podstawy
Analiza sprzężeń u człowieka Podstawy Geny i chromosomy Allele genów zlokalizowanych na różnych chromosomach segregują niezależnie (II prawo Mendla) Dla 2 genów: 4 równoliczne klasy gamet W. S Klug, M.R
Bardziej szczegółowoAnaliza sprzężeń u człowieka. Podstawy
Analiza sprzężeń u człowieka Podstawy Badanie relacji genotyp-fenotyp u człowieka Analiza sprzężeń - poszukiwanie rejonów chromosomu położonych blisko genu determinującego daną cechę Analiza asocjacji
Bardziej szczegółowoAnaliza sprzężeń u człowieka. Podstawy
Analiza sprzężeń u człowieka Podstawy Geny i chromosomy Allele genów zlokalizowanych na różnych chromosomach segregują niezależnie (II prawo Mendla) Dla 2 genów: 4 równoliczne klasy gamet W. S Klug, M.R
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZNE W BIOLOGII 1. Wykład wstępny 2. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoZARZĄDZANIE POPULACJAMI ZWIERZĄT
ZARZĄDZANIE POPULACJAMI ZWIERZĄT Ćwiczenia 1 mgr Magda Kaczmarek-Okrój magda_kaczmarek_okroj@sggw.pl 1 ZAGADNIENIA struktura genetyczna populacji obliczanie frekwencji genotypów obliczanie frekwencji alleli
Bardziej szczegółowoPODSTAWY BIOINFORMATYKI 12 MIKROMACIERZE
PODSTAWY BIOINFORMATYKI 12 MIKROMACIERZE WSTĘP 1. Mikromacierze ekspresyjne tworzenie macierzy przykłady zastosowań 2. Mikromacierze SNP tworzenie macierzy przykłady zastosowań MIKROMACIERZE EKSPRESYJNE
Bardziej szczegółowoAnaliza sprzężeń u człowieka. Podstawy
Analiza sprzężeń u człowieka Podstawy Badanie relacji genotyp-fenotyp u człowieka Analiza sprzężeń - poszukiwanie rejonów chromosomu położonych blisko genu determinującego daną cechę Analiza asocjacji
Bardziej szczegółowoMapowanie genów cz owieka i badania asocjacji. podstawy
Mapowanie genów czowieka i badania asocjacji podstawy Sprzężenie Geny leżące na różnych chromosomach spełniają II prawo Mendla Dla 2 genów: 4 równoliczne klasy gamet W. S Klug, M.R Cummings Concepts of
Bardziej szczegółowoOpis wykonanych badań naukowych oraz uzyskanych wyników
Opis wykonanych badań naukowych oraz uzyskanych wyników 1. Analiza danych (krok 2 = uwzględnienie epistazy w modelu): detekcja QTL przy wykorzystaniu modeli dwuwymiarowych z uwzględnieniem różnych modeli
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 1
STATYSTYKA MATEMATYCZNA WYKŁAD 1 Wykład wstępny Teoria prawdopodobieństwa Magda Mielczarek wykłady, ćwiczenia Copyright 2017, J. Szyda & M. Mielczarek STATYSTYKA MATEMATYCZNA? ASHG 2011 Writing Workshop;
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny 2. Teoria prawdopodobieństwa i elementy kombinatoryki 3. Zmienne losowe 4. Populacje i próby danych 5. Testowanie hipotez i estymacja parametrów 6. Test t 7. Test
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez statystycznych
Bardziej szczegółowoEkologia molekularna. wykład 14. Genetyka ilościowa
Ekologia molekularna wykład 14 Genetyka ilościowa Dziedziczenie mendlowskie wykład 14/2 Cechy wieloczynnikowe (ilościowe) wzrost masa ciała kolor skóry kolor oczu itp wykład 14/3 Rodzaje cech ilościowych
Bardziej szczegółowoPostępy w realizacji polskiego programu selekcji genomowej buhajów MASinBULL Joanna Szyda
Postępy w realizacji polskiego programu selekcji genomowej buhajów MASinBULL Joanna Szyda Uniwersytet Przyrodniczy we Wrocławiu Katedra Genetyki, Pracownia Biostatystyki 1. MASinBULL 2. Metody oceny genomowej
Bardziej szczegółowoBadania asocjacyjne w skali genomu (GWAS)
Badania asocjacyjne w skali genomu (GWAS) Część 2 LD, PCA Bioinżynieria, I mgr Bioinformatyczna analiza danych Wykład 3 Dr Wioleta Drobik-Czwarno Katedra Genetyki i Ogólnej Hodowli Zwierząt Analiza głównych
Bardziej szczegółowoWSTĘP Oprogramowanie dla GWAS
ANALIZA DANYCH 1. Wykład wstępny 2. Charakterystyka danych 3. Analiza wstępna genomiczna charakterystyka cech 4. Prezentacje grup roboczych analiza wstępna 5. Prezentacje grup roboczych analiza wstępna
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STTYSTYK MTMTYCZN 1. Wykład wstępny 2. Teoria prawdopodobieństwa i elementy kombinatoryki 3. Zmienne losowe 4. opulacje i próby danych 5. Testowanie hipotez i estymacja parametrów 6. Test t 7. Test 2 8.
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. opulacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 3. Zmienne losowe 4. Populacje i próby danych 5. Testowanie hipotez i estymacja parametrów 6. Test t 7. Test
Bardziej szczegółowoSpokrewnienie prawdopodobieństwo, że dwa losowe geny od dwóch osobników są genami IBD. IBD = identical by descent, geny identycznego pochodzenia
prawdopodobieństwo, że dwa losowe geny od dwóch osobników są genami ID. Relationship Relatedness Kinship Fraternity ID = identical by descent, geny identycznego pochodzenia jest miarą względną. Przyjmuje
Bardziej szczegółowoSYSTEMY INFORMATYCZNE WSPOMAGAJĄCE HODOWLĘ MAGDALENA FRĄSZCZAK
SYSTEMY INFORMATYCZNE WSPOMAGAJĄCE HODOWLĘ Prowadzący: JOANNA SZYDA MAGDALENA FRĄSZCZAK WSTĘP 1. Systemy informatyczne w hodowli -??? 2. Katedra Genetyki 3. Pracownia biostatystyki - wykorzystanie narzędzi
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZA 1. Wykład wstępny. Zmienne losowe i teoria prawdopodobieństwa 3. Populacje i próby danych 4. Testowanie hipotez i estymacja parametrów 5. ajczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoEkologia molekularna. wykład 3
Ekologia molekularna wykład 3 Dziedziczenie mendlowskie Grzegorz Mendel 1822-1884 Darwin + Mendel = Ronald Fisher 1890-1962 wykład 3/2 Prawo Hardy'ego-Weinberga A A gamety możliwe genotypy potomstwa genotyp
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 2. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5.
Bardziej szczegółowoGENETYKA POPULACJI. Ćwiczenia 4 Biologia I MGR
GEETYKA POPULACJI Ćwiczenia 4 Biologia I MGR Ad. Ćwiczenia Liczba możliwych genotypów w locus wieloallelicznym Geny sprzężone z płcią Prawo Hardy ego-weinberga p +pq+q = p+q= m( m ) p P Q Q P p AA Aa wszystkich_
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny. Teoria prawdopodobieństwa i elementy kombinatoryki 3. Zmienne losowe 4. Populacje i próby danych 5. Testowanie hipotez i estymacja parametrów 6. Test t 7. Test
Bardziej szczegółowoZARZĄDZANIE POPULACJAMI ZWIERZĄT 1. RÓWNOWAGA GENETYCZNA POPULACJI. Prowadzący: dr Wioleta Drobik Katedra Genetyki i Ogólnej Hodowli Zwierząt
ZARZĄDZANIE POPULACJAMI ZWIERZĄT 1. RÓWNOWAGA GENETYCZNA POPULACJI Fot. W. Wołkow Prowadzący: dr Wioleta Drobik Katedra Genetyki i Ogólnej Hodowli Zwierząt POPULACJA Zbiór organizmów żywych, które łączy
Bardziej szczegółowoCzłowiek mendlowski? Genetyka człowieka w XX i XXI w.
Człowiek mendlowski? Genetyka człowieka w XX i XXI w. Informacje Kontakt: Paweł Golik Instytut Genetyki i Biotechnologii, Pawińskiego 5A pgolik@igib.uw.edu.pl Informacje, materiały: http://www.igib.uw.edu.pl/
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny 2. Teoria prawdopodobieństwa i elementy kombinatoryki 3. Zmienne losowe 4. Populacje i próby danych 5. Testowanie hipotez i estymacja parametrów 6. Test t 7. Test
Bardziej szczegółowo1. KEGG 2. GO. 3. Klastry
ANALIZA DANYCH 1. Wykład wstępny 2. Charakterystyka danych 3. Analiza wstępna genomiczna charakterystyka cech 4. Prezentacje grup roboczych analiza wstępna 5. Prezentacje grup roboczych analiza wstępna
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny 2. Zmienne losowe i teoria prawdopodobieństwa 3. Populacje i próby danych 4. Testowanie hipotez i estymacja parametrów 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA
STATYSTYKA MATEMATYCZNA 1. Wykład wstępny 2. Zmienne losowe i teoria prawdopodobieństwa 3. Populacje i próby danych 4. Testowanie hipotez i estymacja parametrów 5. Najczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoAnna Szewczyk. Wydział Geodezji Górniczej i InŜynierii środowiska AGH
Anna Szewczyk Wydział Geodezji Górniczej i InŜynierii środowiska AGH Zastosowania biblioteki Genetics programu R The genetics Package Tytuł: Populacja genetyczna Wersja:1.2.0 Data utworzenia: 2005-11-09
Bardziej szczegółowoZarządzanie populacjami zwierząt. Parametry genetyczne cech
Zarządzanie populacjami zwierząt Parametry genetyczne cech Teoria ścieżki zależność przyczynowo-skutkowa X p 01 Z Y p 02 p 01 2 + p 02 2 = 1 współczynniki ścieżek miary związku między przyczyną a skutkiem
Bardziej szczegółowoPODSTAWY BIOINFORMATYKI 6 BAZA DANYCH NCBI - II
PODSTAWY BIOINFORMATYKI 6 BAZA DANYCH NCBI - II BAZA DANYCH NCBI 1. NCBI 2. Dane gromadzone przez NCBI 3. Przegląd baz danych NCBI: Publikacje naukowe Projekty analizy genomów OMIM: fenotypy człowieka
Bardziej szczegółowoMETODY STATYSTYCZNE W BIOLOGII
METODY STATYSTYCZE W BIOLOGII 1. Wykład wstępny. Populacje i próby danych 3. Testowanie hipotez i estymacja parametrów 4. Planowanie eksperymentów biologicznych 5. ajczęściej wykorzystywane testy statystyczne
Bardziej szczegółowoPODSTAWY GENETYKI. Prowadzący wykład: prof. dr hab. Jarosław Burczyk
PODSTAWY GENETYKI Prawa Mendla (jako punkt wyjścia) Epistaza (interakcje między genami) Sprzężenia genetyczne i mapowanie genów Sprzężenie z płcią Analiza rodowodów Prowadzący wykład: prof. dr hab. Jarosław
Bardziej szczegółowoPAKIETY STATYSTYCZNE JOANNA SZYDA TOMASZ SUCHOCKI
PAKIETY STATYSTYCZNE JOANNA SZYDA TOMASZ SUCHOCKI WSTĘP 1. Katedra Genetyki 2. Pracownia biostatystyki - projekt 3. Charakterystyka przedmiotu 4. Kontakt 5. Literatura Copyright 2017 Joanna Szyda KATEDRA
Bardziej szczegółowoWprowadzenie do genetyki medycznej i sądowej
Genetyka medyczno-sądowa Wprowadzenie do genetyki medycznej i sądowej Kierownik Pracowni Genetyki Medycznej i Sądowej Ustalanie tożsamości zwłok Identyfikacja sprawców przestępstw Identyfikacja śladów
Bardziej szczegółowoGenetyka człowieka II. Cechy wieloczynnikowe, polimorfizmy i asocjacje
Genetyka człowieka II Cechy wieloczynnikowe, polimorfizmy i asocjacje Dziedziczenie Mendlowskie - jeden gen = jedna cecha np. allele jednego genu decydują o barwie kwiatów groszku Bardziej złożone - interakcje
Bardziej szczegółowoMapowanie genów człowieka i badania asocjacji. podstawy
Mapowanie genów człowieka i badania asocjacji podstawy Sprzężenie } Geny leżące na różnych chromosomach spełniają II prawo Mendla Dla 2 genów: 4 równoliczne klasy gamet W. S Klug, M.R Cummings Concepts
Bardziej szczegółowoDziedziczenie poligenowe
Dziedziczenie poligenowe Dziedziczenie cech ilościowych Dziedziczenie wieloczynnikowe Na wartość cechy wpływa Komponenta genetyczna - wspólne oddziaływanie wielu (najczęściej jest to liczba nieznana) genów,
Bardziej szczegółowoStatystyka matematyczna Test χ 2. Wrocław, 18.03.2016r
Statystyka matematyczna Test χ 2 Wrocław, 18.03.2016r Zakres stosowalności Testowanie zgodności Testowanie niezależności Test McNemara Test ilorazu szans Copyright 2014, Joanna Szyda ZAKRES STOSOWALNOŚCI
Bardziej szczegółowoPAKIETY STATYSTYCZNE
. Wykład wstępny PAKIETY STATYSTYCZNE 2. SAS, wprowadzenie - środowisko Windows, Linux 3. SAS, elementy analizy danych edycja danych 4. SAS, elementy analizy danych regresja liniowa, regresja nieliniowa
Bardziej szczegółowoANALIZA DANYCH POCHODZĄCYCH Z SEKWENCJONOWANIA NASTĘPNEJ GENERACJI
ANALIZA DANYCH POCHODZĄCYCH Z SEKWENCJONOWANIA NASTĘPNEJ GENERACJI JOANNA SZYDA MAGDALENA FRĄSZCZAK MAGDA MIELCZAREK WSTĘP 1. Katedra Genetyki 2. Pracownia biostatystyki 3. Projekty NGS 4. Charakterystyka
Bardziej szczegółowoPodstawy genetyki populacji SYLABUS A. Informacje ogólne
Podstawy genetyki populacji A. Informacje ogólne Elementy sylabusu Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Kod Rodzaj Rok studiów /semestr
Bardziej szczegółowoGENETYKA POPULACJI. Ćwiczenia 1 Biologia I MGR /
GENETYKA POPULACJI Ćwiczenia 1 Biologia I MGR 1 ZAGADNIENIA struktura genetyczna populacji obliczanie frekwencji genotypów obliczanie frekwencji alleli przewidywanie struktury następnego pokolenia przy
Bardziej szczegółowoPAKIETY STATYSTYCZNE
1. Wykład wstępny PAKIETY STATYSTYCZNE 2. SAS, wprowadzenie - środowisko Windows, Linux 3. SAS, elementy analizy danych edycja danych 4. SAS, elementy analizy danych regresja liniowa, regresja nieliniowa
Bardziej szczegółowoANALIZA DANYCH POCHODZĄCYCH Z SEKWENCJONOWANIA NASTĘPNEJ GENERACJI
ANALIZA DANYCH POCHODZĄCYCH Z SEKWENCJONOWANIA NASTĘPNEJ GENERACJI Joanna Szyda Magdalena Frąszczak Magda Mielczarek WSTĘP 1. Katedra Genetyki 2. Pracownia biostatystyki 3. Projekty NGS 4. Charakterystyka
Bardziej szczegółowoBiologia medyczna, materiały dla studentów
Jaka tam ewolucja. Zanim trafię na jednego myślącego, muszę stoczyć bitwę zdziewięcioma orangutanami Carlos Ruis Zafon Wierzbownica drobnokwiatowa Fitosterole, garbniki, flawonoidy Właściwości przeciwzapalne,
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 5 TEST T
STATYSTYKA MATEMATYCZNA WYKŁAD 5 TEST T WSTĘP Test t 1. Zakres stosowalności 2. Dla pojedynczej próby 3. Dla 2 niezależnych prób 4. Dla 2 sparowanych prób ZAKRES STOSOWALNOŚCI TESTU T 1. Test parametryczny
Bardziej szczegółowoWykład 14 Test chi-kwadrat zgodności
Wykład 14 Test chi-kwadrat zgodności Obserwacje klasyfikujemy do jakościowych klas Zliczamy liczbę obserwacji w każdej klasie Jeżeli są tylko dwie klasy, to liczba obserwacji w pierszej klasie ma rozkład
Bardziej szczegółowoBioTe21, Pracownia Kryminalistyki i Badań Ojcostwa.
Bio Kraków, dnia... EKSPERTYZA Z BADAŃ GENETYCZNYCH POKREWIEŃSTWA Nr ekspertyzy:... Badania wykonano w: Bio, Ojcostwa. Na zlecenie:... Typ wybranego testu: TIG3-16 Zlecenie z dnia:... Data otrzymania mat.
Bardziej szczegółowoZmienność populacji człowieka. Polimorfizmy i asocjacje
Zmienność populacji człowieka Polimorfizmy i asocjacje Prezentacja } http://wiki.biol.uw.edu.pl/ 2 MONOGENOWE CZYNNIKI GENETYCZNE DZIEDZICZENIE MENDLOWSKIE NIEPEŁNA PENETRACJA GENU DZIEDZICZENIE WIELOCZYNNIKOWE
Bardziej szczegółowoSkładniki jądrowego genomu człowieka
Składniki jądrowego genomu człowieka Genom człowieka 3 000 Mpz (3x10 9, 100 cm) Geny i sekwencje związane z genami (900 Mpz, 30% g. jądrowego) DNA pozagenowy (2100 Mpz, 70%) DNA kodujący (90 Mpz ~ ok.
Bardziej szczegółowoBadanie predyspozycji do łysienia androgenowego u kobiet (AGA)
Badanie predyspozycji do łysienia androgenowego u kobiet (AGA) RAPORT GENETYCZNY Wyniki testu dla Pacjent Testowy Pacjent Pacjent Testowy ID pacjenta 0999900004112 Imię i nazwisko pacjenta Pacjent Testowy
Bardziej szczegółowoGenetyka Populacji http://ggoralski.com
Genetyka Populacji http://ggoralski.com Frekwencje genotypów i alleli Frekwencja genotypów Frekwencje genotypów i alleli Zadania P AA = 250/500 = 0,5 P Aa = 100/500 = 0,2 P aa = 150/500 = 0,3 = 1 Frekwencje
Bardziej szczegółowoPRZYGODY DGV. historia programu selekcji genomowej w Polsce. Joanna Szyda, Andrzej Żarnecki
PRZYGODY DGV historia programu selekcji genomowej w Polsce Joanna Szyda, Andrzej Żarnecki Co to DGV? DGV Direct Genomic Value bezpośrednia genomowa wartość hodowlana suma addytywnych efektów markerów SNP
Bardziej szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl
Statystyka w pracy badawczej nauczyciela Wykład 4: Analiza współzależności dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Statystyczna teoria korelacji i regresji (1) Jest to dział statystyki zajmujący
Bardziej szczegółowoSekwencjonowanie nowej generacji i rozwój programów selekcyjnych w akwakulturze ryb łososiowatych
Sekwencjonowanie nowej generacji i rozwój programów selekcyjnych w akwakulturze ryb łososiowatych Konrad Ocalewicz Zakład Biologii i Ekologii Morza, Instytut Oceanografii, Wydział Oceanografii i Geografii,
Bardziej szczegółowoTomasz Suchocki Kacper Żukowski, Magda Mielczarek, Joanna Szyda
Tomasz Suchocki Kacper Żukowski, Magda Mielczarek, Joanna Szyda Uniwersytet Przyrodniczy we Wrocławiu, Pracownia Biostatystyki Instytut Zootechniki Państwowy Instytut Badawczy 2 > 76 000 osobników w bazie
Bardziej szczegółowoPODSTAWY BIOINFORMATYKI
PODSTAWY BIOINFORMATYKI Prowadzący: JOANNA SZYDA ADRIAN DROśDś WSTĘP 1. Katedra Genetyki badania bioinformatyczne 2. Tematyka przedmiotu 3. Charakterystyka wykładów 4. Charakterystyka ćwiczeń 5. Informacje
Bardziej szczegółowoALGORYTMY GENETYCZNE (wykład + ćwiczenia)
ALGORYTMY GENETYCZNE (wykład + ćwiczenia) Prof. dr hab. Krzysztof Dems Treści programowe: 1. Metody rozwiązywania problemów matematycznych i informatycznych.. Elementarny algorytm genetyczny: definicja
Bardziej szczegółowoStatystyka matematyczna Testowanie hipotez i estymacja parametrów. Wrocław, r
Statystyka matematyczna Testowanie hipotez i estymacja parametrów Wrocław, 18.03.2016r Plan wykładu: 1. Testowanie hipotez 2. Etapy testowania hipotez 3. Błędy 4. Testowanie wielokrotne 5. Estymacja parametrów
Bardziej szczegółowoDziedziczenie cech sprzężonych, crossing-over i mapy chromosomów
Dziedziczenie cech sprzężonych, crossing-over i mapy chromosomów Zadanie 1. Komórka zawiera 3 pary chromosomów, mieszczących 5 par genów. Pary genów A, a i B, b sprzężone są w układzie cis. Pary C, c i
Bardziej szczegółowoĆwiczenie 12. Diagnostyka molekularna. Poszukiwanie SNPs Odczytywanie danych z sekwencjonowania. Prof. dr hab. Roman Zieliński
Ćwiczenie 12 Diagnostyka molekularna. Poszukiwanie SNPs Odczytywanie danych z sekwencjonowania Prof. dr hab. Roman Zieliński 1. Diagnostyka molekularna 1.1. Pytania i zagadnienia 1.1.1. Jak definiujemy
Bardziej szczegółowoa) Zapisz genotyp tego mężczyzny... oraz zaznacz poniżej (A, B, C lub D), jaki procent gamet tego mężczyzny będzie miało genotyp ax b.
W tomie 2 zbioru zadań z biologii z powodu nieprawidłowego wprowadzenia komendy przenoszenia spójników i przyimków do następnej linii wystąpiła zamiana samotnych dużych liter (A, I, W, U) na małe litery.
Bardziej szczegółowoSTATYSTYKA MATEMATYCZNA WYKŁAD 3. Populacje i próby danych
STATYSTYKA MATEMATYCZNA WYKŁAD 3 Populacje i próby danych POPULACJA I PRÓBA DANYCH POPULACJA population Obserwacje dla wszystkich osobników danego gatunku / rasy PRÓBA DANYCH sample Obserwacje dotyczące
Bardziej szczegółowoDziedziczenie wieloczynnikowe. Problem przewidywalności
Dziedziczenie wieloczynnikowe Problem przewidywalności Cechy wieloczynnikowe a mendlowskie Mendlowskie Wieloczynnikowe Proste dziedziczenie, allele pojedynczych genów, wysoka penetracja Złożone dziedziczenie:
Bardziej szczegółowoPDF created with FinePrint pdffactory Pro trial version http://www.fineprint.com
Analiza korelacji i regresji KORELACJA zależność liniowa Obserwujemy parę cech ilościowych (X,Y). Doświadczenie jest tak pomyślane, aby obserwowane pary cech X i Y (tzn i ta para x i i y i dla różnych
Bardziej szczegółowoCECHY ILOŚCIOWE PARAMETRY GENETYCZNE
CECHY ILOŚCIOWE PARAMETRY GENETYCZNE Zarządzanie populacjami zwierząt, ćwiczenia V Dr Wioleta Drobik Rodzaje cech Jakościowe o prostym dziedziczeniu uwarunkowane zwykle przez kilka genów Słaba podatność
Bardziej szczegółowoĆwiczenie 3/4. Prawa Mendla: zadania, analiza rodowodów Sprzężenia i odległość genetyczna. Kariotypy i chromosomopatie. Prof. dr hab.
Ćwiczenie 3/4 Prawa Mendla: zadania, analiza rodowodów Sprzężenia i odległość genetyczna. Kariotypy i chromosomopatie Prof. dr hab. Roman Zieliński 1 Prawa Mendla 1.1. Pytania i zagadnienia 1.1.1. Przypomnij
Bardziej szczegółowo21. Poszukiwanie markerów molekularnych genów przywracania płodności pyłku u żyta ( Secale cereale
Lp. w zał. do Rozporządzenia MRiRW: 21. Tytuł zadania: Poszukiwanie markerów molekularnych genów przywracania płodności pyłku u żyta (Secale cereale L.) z CMS-Pampa. Kierownik zadania: dr hab. P. Bednarek
Bardziej szczegółowoPAKIETY STATYSTYCZNE
1. Wykład wstępny PAKIETY STATYSTYCZNE 2. SAS, wprowadzenie - środowisko Windows, Linux 3. SAS, elementy analizy danych edycja danych 4. SAS, elementy analizy danych regresja liniowa, regresja nieliniowa
Bardziej szczegółowoĆWICZENIE 11 ANALIZA KORELACJI I REGRESJI
ĆWICZENIE 11 ANALIZA KORELACJI I REGRESJI Korelacja 1. Współczynnik korelacji 2. Współczynnik korelacji liniowej definicja 3. Estymacja współczynnika korelacji 4. Testy istotności współczynnika korelacji
Bardziej szczegółowo1 Podstawowe pojęcia z zakresu genetyki. 2 Podstawowy model dziedziczenia
Rachunek Prawdopodobieństwa MAP8 Wydział Matematyki, Matematyka Stosowana Projekt - zastosowania rachunku prawdopodobieństwa w genetyce Opracowanie: Antonina Urbaniak Podstawowe pojęcia z zakresu genetyki
Bardziej szczegółowoIdea. θ = θ 0, Hipoteza statystyczna Obszary krytyczne Błąd pierwszego i drugiego rodzaju p-wartość
Idea Niech θ oznacza parametr modelu statystycznego. Dotychczasowe rozważania dotyczyły metod estymacji tego parametru. Teraz zamiast szacować nieznaną wartość parametru będziemy weryfikowali hipotezę
Bardziej szczegółowoDr hab.n.med. Renata Jacewicz
GENOM CZŁOWIEKA >99,999% 0,0005% 65% Dr hab.n.med. Renata Jacewicz Kierownik Pracowni Genetyki Medycznej i Sądowej 3% 32% 2013 Pracownia Genetyki Medycznej i Sądowej ZMS Dojrzałe erytrocyty, trzony włosów
Bardziej szczegółowoMikroekonometria 6. Mikołaj Czajkowski Wiktor Budziński
Mikroekonometria 6 Mikołaj Czajkowski Wiktor Budziński Metody symulacyjne Monte Carlo Metoda Monte-Carlo Wykorzystanie mocy obliczeniowej komputerów, aby poznać charakterystyki zmiennych losowych poprzez
Bardziej szczegółowoweryfikacja hipotez dotyczących parametrów populacji (średnia, wariancja)
PODSTAWY STATYSTYKI. Teoria prawdopodobieństwa i elementy kombinatoryki. Zmienne losowe i ich rozkłady 3. Populacje i próby danych, estymacja parametrów 4. Testowanie hipotez 5. Testy parametryczne (na
Bardziej szczegółowoPytania i odpowiedzi
Pytania i odpowiedzi Czy kontrola jakości płytek w programach analizy danych jest dostosowywana do przeprowadzanego badania, czy też przyjmuje się jednakową jej wartość dla różnych analiz? We wstępnym
Bardziej szczegółowoPODSTAWY BIOINFORMATYKI WYKŁAD 5 ANALIZA FILOGENETYCZNA
PODSTAWY BIOINFORMATYKI WYKŁAD 5 ANALIZA FILOGENETYCZNA ANALIZA FILOGENETYCZNA 1. Wstęp - filogenetyka 2. Struktura drzewa filogenetycznego 3. Metody konstrukcji drzewa 4. Etapy konstrukcji drzewa filogenetycznego
Bardziej szczegółowoGenetyka człowieka II. Cechy wieloczynnikowe, polimorfizmy i asocjacje
Genetyka człowieka II Cechy wieloczynnikowe, polimorfizmy i asocjacje MONOGENOWE CZYNNIKI GENETYCZNE DZIEDZICZENIE MENDLOWSKIE NIEPEŁNA PENETRACJA GENU DZIEDZICZENIE WIELOCZYNNIKOWE Z DOMINACJĄ POJEDYNCZEGO
Bardziej szczegółowoZastosowanie nowych technologii genotypowania w nowoczesnej hodowli i bankach genów
Zastosowanie nowych technologii genotypowania w nowoczesnej hodowli i bankach genów Jerzy H. Czembor, Bogusław Łapiński, Aleksandra Pietrusińska, Urszula Piechota Krajowe Centrum Roślinnych Zasobów Genowych
Bardziej szczegółowoĆWICZENIE 11 NIEPARAMETRYCZNE TESTY ISTOTNOŚCI
ĆWICZENIE 11 NIEPARAMETRYCZNE TESTY ISTOTNOŚCI ANALIZA KORELACJI Korelacja 1. Współczynnik korelacji 2. Współczynnik korelacji liniowej definicja 3. Estymacja współczynnika korelacji 4. Testy istotności
Bardziej szczegółowoWykładnicze grafy przypadkowe: teoria i przykłady zastosowań do analizy rzeczywistych sieci złożonych
Gdańsk, Warsztaty pt. Układy Złożone (8 10 maja 2014) Agata Fronczak Zakład Fizyki Układów Złożonych Wydział Fizyki Politechniki Warszawskiej Wykładnicze grafy przypadkowe: teoria i przykłady zastosowań
Bardziej szczegółowoZ1/1. ANALIZA BELEK ZADANIE 1
05/06 Z1/1. NLIZ LK ZNI 1 1 Z1/1. NLIZ LK ZNI 1 Z1/1.1 Zadanie 1 Udowodnić geometryczną niezmienność belki złożonej na rysunku Z1/1.1 a następnie wyznaczyć reakcje podporowe oraz wykresy siły poprzecznej
Bardziej szczegółowoPORÓWNYWANIE POPULACJI POD WZGLĘDEM STRUKTURY
PORÓWNYWANIE POPULACJI POD WZGLĘDEM STRUKTURY obliczanie dystansu dzielącego grupy (subpopulacje) wyrażonego za pomocą indeksu F Wrighta (fixation index) w modelu jednego locus 1 Ćwiczenia III Mgr Kaczmarek-Okrój
Bardziej szczegółowo