![]()
内容推荐 本书较为系统的阐述了动物育种学中新出现的统计方法,主要对系谱数据处理方法,动物遗传育种中的数据模拟,线性模型的建立、求解及其扩展,多性状模型,分子标记和多基因效应单性状模型,MCMC算法,全基因组统计分析等问题进行了较为详细的论述。 本书可以作为高等院校动物遗传育种相关专业的教学用书,同时也对高等院校和科研机构的研究人员和研究生有参考价值。 目录 第一章 动物育种学基础 第一节 基因组关联分析——单点分析 第二节 GS模型验证 第三节 育种数据模拟 第四节 G-BLUP和RR-BLUP 第五节 混合模型方程 第六节 经济选择指数 第七节 多阶段选择和Bulmer效应 第八节 方差组分和遗传力的估计 第九节 系谱群体的关系和近交 第十节 遗传漂变和近交 第十一节 动物模型 第十二节 公畜模型 第十三节 简化动物模型 第十四节 分组动物模型 第十五节 重复数据模型 第十六节 共同环境效应模型 第二章 统计计算基础 第一节 优化和解非线性方程 第二节 组合优化 第三节 方差组分估计 第四节 随机回归模型 第五节 求解混合模型方程(MME)的迭代方法 第六节 阈模型 第七节 贝叶斯线性回归模型 第八节 EM优化方法 第九节 模拟和蒙特卡洛积分 第十节 马尔可夫链蒙特卡洛 第十一节 Bootstrapping方法 第十二节 密度估计和平滑 第十三节 双变量平滑 第十四节 多元平滑 第三章 统计学习基础 第一节 简单线性回归 第二节 多元线性回归 第三节 分类方法 第四节 交叉验证和自助法 第五节 线性模型和正则化方法 第六节 支持向量机 第七节 深度学习 第八节 无监督学习 第九节 多重检验 第四章 基因组预测中的机器学习方法 第一节 线性模型 第二节 半参数方法 第三节 神经网络 第四节 验证方法 第五节 深度学习方法在基因组选择中的应用 附录 NVIDIA计算卡及相关程序安装 参考文献 |