• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

FaST-LMM-Select for addressing confounding from spatial structure and rare variants.

作者信息

Listgarten Jennifer, Lippert Christoph, Heckerman David

出版信息

Nat Genet. 2013 May;45(5):470-1. doi: 10.1038/ng.2620.

DOI:10.1038/ng.2620
PMID:23619783
Abstract
摘要

相似文献

1
FaST-LMM-Select for addressing confounding from spatial structure and rare variants.用于解决空间结构和罕见变异混杂问题的快速线性混合模型选择方法（FaST-LMM-Select）。
Nat Genet. 2013 May;45(5):470-1. doi: 10.1038/ng.2620.
2
Reply to: "FaST-LMM-Select for addressing confounding from spatial structure and rare variants".回复：“用于解决空间结构和罕见变异混杂问题的FaST-LMM-Select”
Nat Genet. 2013 May;45(5):471. doi: 10.1038/ng.2619.
3
Differential confounding of rare and common variants in spatially structured populations.空间结构群体中罕见和常见变异的差异混淆。
Nat Genet. 2012 Feb 5;44(3):243-6. doi: 10.1038/ng.1074.
4
The benefits of selecting phenotype-specific variants for applications of mixed models in genomics.选择表型特异性变体用于基因组学中混合模型应用的优势。
Sci Rep. 2013;3:1815. doi: 10.1038/srep01815.
5
Association Tests for Rare Variants.罕见变异的关联检验
Annu Rev Genomics Hum Genet. 2016 Aug 31;17:117-30. doi: 10.1146/annurev-genom-083115-022609. Epub 2016 Apr 21.
6
In search of low-frequency and rare variants affecting complex traits.寻找影响复杂性状的低频和罕见变异。
Hum Mol Genet. 2013 Oct 15;22(R1):R16-21. doi: 10.1093/hmg/ddt376. Epub 2013 Aug 6.
7
Genome-wide mapping of quantitative trait loci in admixed populations using mixed linear model and Bayesian multiple regression analysis.混合线性模型和贝叶斯多元回归分析在混合人群中进行数量性状基因座的全基因组图谱绘制。
Genet Sel Evol. 2018 Jun 19;50(1):32. doi: 10.1186/s12711-018-0402-1.
8
CCRaVAT and QuTie-enabling analysis of rare variants in large-scale case control and quantitative trait association studies.大规模病例对照和数量性状关联研究中罕见变异的 CCRaVAT 和 QuTie 分析。
BMC Bioinformatics. 2010 Oct 21;11:527. doi: 10.1186/1471-2105-11-527.
9
Comparison of gene-based rare variant association mapping methods for quantitative traits in a bovine population with complex familial relationships.基于基因的稀有变异关联定位方法在具有复杂家族关系的牛群数量性状中的比较。
Genet Sel Evol. 2016 Aug 17;48(1):60. doi: 10.1186/s12711-016-0238-5.
10
Comparison of methods that use whole genome data to estimate the heritability and genetic architecture of complex traits.使用全基因组数据估计复杂性状遗传力和遗传结构的方法比较。
Nat Genet. 2018 May;50(5):737-745. doi: 10.1038/s41588-018-0108-x. Epub 2018 Apr 26.

引用本文的文献

1
GWAS Procedures for Gene Mapping in Diverse Populations With Complex Structures.复杂结构多样化人群中基因定位的全基因组关联研究程序
Bio Protoc. 2025 Apr 20;15(8):e5284. doi: 10.21769/BioProtoc.5284.
2
A scalable variational inference approach for increased mixed-model association power.一种用于提高混合模型关联能力的可扩展变分推理方法。
Nat Genet. 2025 Feb;57(2):461-468. doi: 10.1038/s41588-024-02044-7. Epub 2025 Jan 9.
3
Discovering SNP-disease relationships in genome-wide SNP data using an improved harmony search based on SNP locus and genetic inheritance patterns.

本文引用的文献

1
Improved linear mixed models for genome-wide association studies.用于全基因组关联研究的改进线性混合模型。
Nat Methods. 2012 May 30;9(6):525-6. doi: 10.1038/nmeth.2037.
2
Differential confounding of rare and common variants in spatially structured populations.空间结构群体中罕见和常见变异的差异混淆。
Nat Genet. 2012 Feb 5;44(3):243-6. doi: 10.1038/ng.1074.
3
FaST linear mixed models for genome-wide association studies.Fast 线性混合模型在全基因组关联研究中的应用。
利用基于 SNP 位置和遗传遗传模式的改进和声搜索在全基因组 SNP 数据中发现 SNP 疾病关系。
PLoS One. 2023 Oct 13;18(10):e0292266. doi: 10.1371/journal.pone.0292266. eCollection 2023.
4
Advances in sequencing technologies for amyotrophic lateral sclerosis research.肌萎缩侧索硬化症研究中测序技术的进展。
Mol Neurodegener. 2023 Jan 13;18(1):4. doi: 10.1186/s13024-022-00593-1.
5
Dissecting Complex Traits Using Omics Data: A Review on the Linear Mixed Models and Their Application in GWAS.利用组学数据剖析复杂性状：线性混合模型及其在全基因组关联研究中的应用综述
Plants (Basel). 2022 Nov 28;11(23):3277. doi: 10.3390/plants11233277.
6
Advances and challenges in quantitative delineation of the genetic architecture of complex traits.复杂性状遗传结构定量描述的进展与挑战
Quant Biol. 2021 Jun;9(2):168-184. doi: 10.15302/j-qb-021-0249.
7
Trade-offs of Linear Mixed Models in Genome-Wide Association Studies.全基因组关联研究中线性混合模型的权衡
J Comput Biol. 2022 Mar;29(3):233-242. doi: 10.1089/cmb.2021.0157. Epub 2022 Feb 25.
8
Genome-Wide Association Studies of Salt Tolerance at Seed Germination and Seedling Stages in .关于[具体植物名称未给出]种子萌发和幼苗期耐盐性的全基因组关联研究
Front Plant Sci. 2022 Jan 5;12:772708. doi: 10.3389/fpls.2021.772708. eCollection 2021.
9
Controlling for background genetic effects using polygenic scores improves the power of genome-wide association studies.使用多基因分数控制背景遗传效应可提高全基因组关联研究的功效。
Sci Rep. 2021 Oct 1;11(1):19571. doi: 10.1038/s41598-021-99031-3.
10
Controlling for human population stratification in rare variant association studies.控制罕见变异关联研究中的人类群体分层。
Sci Rep. 2021 Sep 24;11(1):19015. doi: 10.1038/s41598-021-98370-5.
Nat Methods. 2011 Sep 4;8(10):833-5. doi: 10.1038/nmeth.1681.
4
Variance component model to account for sample structure in genome-wide association studies.用于全基因组关联研究中样本结构的方差成分模型。
Nat Genet. 2010 Apr;42(4):348-54. doi: 10.1038/ng.548. Epub 2010 Mar 7.
5
Increased accuracy of artificial selection by using the realized relationship matrix.通过使用实现的关系矩阵提高人工选择的准确性。
Genet Res (Camb). 2009 Feb;91(1):47-60. doi: 10.1017/S0016672308009981.
6
Principal components analysis corrects for stratification in genome-wide association studies.主成分分析可校正全基因组关联研究中的分层现象。
Nat Genet. 2006 Aug;38(8):904-9. doi: 10.1038/ng1847. Epub 2006 Jul 23.
7
A unified mixed-model method for association mapping that accounts for multiple levels of relatedness.一种用于关联映射的统一混合模型方法，该方法考虑了多个相关水平。
Nat Genet. 2006 Feb;38(2):203-8. doi: 10.1038/ng1702. Epub 2005 Dec 25.
8
Genomic control for association studies.关联研究的基因组控制
Biometrics. 1999 Dec;55(4):997-1004. doi: 10.1111/j.0006-341x.1999.00997.x.