![]() ![]() ![]() Then we survey applications of Bayesian methods to human and plant genetic data. In addition, we present techniques for choosing the number of clusters and for selecting informative subsets of ecological variables with respect to population structure. A common feature of the methods presented here is the use of a hierarchical framework which allows their users to implement models of admixture based on hidden regressions of genetic clusters on geographic and ecological variables. However, peculiarities of population genetic data sets arise from a process called genetic admixture, in which the genome of any individual can contain DNA from several groups of populations. The Bayesian analysis of population genetic structure typically addresses unsupervised classification problems for categorical data. In this study, we review Bayesian methods of inference of population genetic structure using multi-locus genotypic data sets. Une deuxième application concerne l’estimation de la structure d’espèces de plantes et les prévision des modèles en fonction de différents scénarios de changement climatique. Une première application de ces modèles concerne la détection de la structure génétique des populations humaines et les relations entre structure génétique et classifications linguistiques pour les populations amérindiennes. ![]() De plus, nous présentons différents critères de choix de modèles qui permettent de choisir le nombre de groupes génétiques ainsi que l’ensemble des covariables spatiales et environnementales. L’originalité des modèles présentés réside dans l’utilisation d’un contexte bayésien hiérarchique qui permet d’inclure, avec une couche de régression cachée, des covariables spatiales et environnementales pour modéliser le métissage. L’une des spécificités des modèles de la génétique des populations vient du fait que le génome d’un individu peut provenir de plusieurs groupes génétiques en raison du métissage. L’analyse bayésienne de la structure génétique résout des problèmes de classification non supervisée à partir de données catégorielles. Dans cet article, nous présentons plusieurs familles de modèles hiérarchiques bayésiens dédiés à l’analyse de la structure génétique des populations à partir de génotypes multi-locus. ![]()
0 Comments
Leave a Reply. |
AuthorWrite something about yourself. No need to be fancy, just an overview. ArchivesCategories |