WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Modélisation spatiale hiérarchique bayésienne de l'apparentement génétique et de l'héritabilité en milieu naturel à  l'aide de marqueurs moléculaires


par Ciré Elimane SALL
Université Montpellier II - Doctorat 2009
  

précédent sommaire suivant

3.3 Estimation de l'apparentement en milieu naturel : prise en compte de l'information spatiale

Le modèle de l'apparentement prenant compte de l'information spatiale a été décrit dans la définition 5. Les paramètres de ce modèle, sont les modes

d'IBD, IBD, pour tous les locus L et tous les couples C, Z le vecteur gaussien latent associé, le seuil á (variable ordinale à trois modalités, il n'y a qu'un seuil), l'effet couple 77 ainsi que les paramètre de régression lié à la distance, í, au et 0-2ç. D'un point de vue bayésien, l'objectif est de pouvoir simuler selon la loi a posteriori

ðIBD,Z,á,ç,u,í,ó2 ç|IBS(IBD,Z, á, 77, au, í, 0-2ç|IBS)

Nous donnons maintenant les lois conditionnelles complètes a posteriori des paramètres à estimer. Comme toutes les conditionnelles ne sont pas accessibles, nous utiliserons les algorithmes de Gibbs et de Métropolis-Hasting (Metropolis-HAsting within Gibbs). Nous nous plaçons désormais dans le cas d'une population non-consanguine.

Loi a posteriori du mode d'IBD La loi conditionnelle a posteriori du mode d'IBD du couple c au locus l est une loi discrète définie par les probabilités

pli = P (IBDli,c|Ä,IBSlj,c)

=

P(IBSlj,c|IBDli,c)P(Zlc E]ák_1, ák]|77c)
P9 i=7 P(IBSlj|IBDli)P(Zlc E]ák_1, ák]|77c)

pour i = 7, 8, 9 et

ák

P(Zlc E]ák_1, ák] |77c) = j ö(Z, 77c, 1)

ak-1

oil ö(Z,77, 1) est la densité d'une loi gaussienne d'espérance 77 et de variance 1.

Loi a posteriori de la variable latente En reprenant les travaux de Chib et Greenberg (1998), la loi a posteriori de la variable latente Z, sachant le mode d'IBD, les seuils associés et le paramètre 77, est une loi gaussienne N(77, 1) tronquée sur l'intervalle ]ák_1, ák].

Loi a posteriori des seuils En reprenant les travaux de Chib et Greenberg (1998), nous proposons de simuler le seuil á selon la loi uniforme

á ~U[max(Z, IBD = 8), min(Z, IBD = 7)]

Loi a posteriori du paramètre ç En reprenant les calcul presente dans le chapitre 2, la loi conditionnelle complète a posteriori du paramètre ç est

ç|Z, u, í, óç~ N

ó2ç

(u + ídc + ó2çZ ,ó2ç 1 + óç2 1 +

Loi a posteriori du paramètre u La densite de la loi conditionnelle complète a posteriori du paramètre u est

~ó2 ~

u0(ç - íd) , ó2 u0ó2 ç

u|ç, d, í, ó2 ç ~ N ó2 u0 + ó2 ó2 u0 + ó2

ç ç

Loi a posteriori du paramètre í La loi conditionnelle complète a posteriori du paramètre í est

~ó2 ~

í0d(ç - u) óí20 óç2

,

ç d, u, óç2

ó20 ó2, ó2 d2 ó2 í

ç ç

Loi a posteriori du paramètre ó2ç Nous choisissons come loi a priori du paramètre ó2ç une inverse-gamma IG(m, s), et la loi conditionnelle complète a posteriori de la variance est donc une inverse-gamma

Cm + n (ç - u - ídY (ç - u - íd)

+ s2,

2

Les lois conditionnelles a posteriori du mode d'IBD d'un couple de genotypes et des paramètres ç, u, í, et ó2ç sont connues mais la loi conditionnelle a posteriori des seuils n'a pas une expression analytique connue. Nous proposons un algorithme comportant une etape de Metropolis-Hastings pour la mise à jour de la loi des seuils et une etape d'echantillonnage de Gibbs pour les autres paramètres dont les lois a posteriori sont connues.

précédent sommaire suivant