← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 8194.a.1.b.1.e · 生成模型:未记录

大样本仍须考虑多样性

理解等级:高级

更多个体有助于研究低频变化及其与性状的关联,但样本量不能单独替代人群多样性。书中指出,小规模或种族覆盖有限的研究容易产生偏差,家族数据也能提供单一个体缺少的约束。需要多少样本取决于具体问题,不能把某个数量当成普遍发现保证。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 信息革命对生物学研究的影响 测序范围、三层分析与变异推断 · 查看原书依据

      之所以需要进行这样的大规模基因组学研究,是因为大多数常见变异是已知的(并且是非致病性的),并已记录在数据库中;小规模研究更容易产生偏差(例如,种族多样性低);而如果没有家族基因组信息的辅助,我们就很难从数据中识别出新生突变。为推动这些类型的研究,人们开发了许多新的工具,包括可以利用家族信息更准确、更全面地推导出基因型的“联合”变异识别算法。在联合识别算法中,我们会对全部个体同时进行贝叶斯计算。

    参考来源

    - 位置:《人工智能与计算生物的未来 (【美】布赖恩·希尔布什)》信息革命对生物学研究的影响,测序范围、三层分析与变异推断(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能与计算生物的未来 (【美】布赖恩·希尔布什)/_epub-src/EPUB/xhtml/Section02.xhtml) - 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;历史案例不等于当前临床有效性或监管认可。已经核验的边界与书中陈述分开。 - 原始内容:之所以需要进行这样的大规模基因组学研究,是因为大多数常见变异是已知的(并且是非致病性的),并已记录在数据库中;小规模研究更容易产生偏差(例如,种族多样性低);而如果没有家族基因组信息的辅助,我们就很难从数据中识别出新生突变。为推动这些类型的研究,人们开发了许多新的工具,包括可以利用家族信息更准确、更全面地推导出基因型的“联合”变异识别算法。在联合识别算法中,我们会对全部个体同时进行贝叶斯计算。