論文の概要: Significance and Stability Analysis of Gene-Environment Interaction using RGxEStat
- arxiv url: http://arxiv.org/abs/2604.03337v1
- Date: Fri, 03 Apr 2026 07:19:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-07 15:49:18.523118
- Title: Significance and Stability Analysis of Gene-Environment Interaction using RGxEStat
- Title（参考訳）: RGxEStatを用いた遺伝子環境相互作用の意義と安定性解析
- Authors: Meng'en Qin, Zhe Li, Xiaohui Yang,
- Abstract要約: ジェノタイプ・バイ・環境(GxE)相互作用は多様な環境におけるジェノタイプのパフォーマンスに影響を及ぼす。
本稿では,GxEインタラクション研究の2つの重要なモデルを紹介する。
また、RGxEStatも紹介している。
- 参考スコア（独自算出の注目度）: 8.285860290078018
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Genotype-by-Environment (GxE) interactions influence the performance of genotypes across diverse environments, reducing the predictability of phenotypes in target environments. In-depth analysis of GxE interactions facilitates the identification of how genetic advantages or defects are expressed or suppressed under specific environmental conditions, thereby enabling genetic selection and enhancing breeding practices. This paper introduces two key models for GxE interaction research. Specifically, it includes significance analysis based on the mixed effect model to determine whether genes or GxE interactions significantly affect phenotypic traits; stability analysis, which further investigates the interactive relationships between genes and environments, as well as the relative superiority or inferiority of genotypes across environments. Additionally, this paper presents RGxEStat, a lightweight interactive tool, which is developed by the authors and integrates the construction, solution, and visualization of the aforementioned models. Designed to eliminate the need for breeders and agronomists to learn complex SAS or R programming, RGxEStat provides a user-friendly interface for streamlined breeding data analysis, significantly accelerating research cycles. Codes and datasets are available at https://github.com/mason-ching/RGxEStat.
- Abstract（参考訳）: ジェノタイプ・バイ・環境(GxE)相互作用は、多様な環境における遺伝子型の性能に影響を与え、標的環境における表現型の予測可能性を低下させる。
GxE相互作用の詳細な分析は、特定の環境条件下での遺伝的優位性や欠陥の表現や抑制方法の同定を促進し、遺伝的選択と育種慣行の強化を可能にする。
本稿では,GxEインタラクション研究の2つの重要なモデルを紹介する。
具体的には、遺伝子またはGxE相互作用が表現形質に有意な影響を及ぼすかどうかを判定する混合効果モデルに基づく意味分析、遺伝子と環境間の相互作用関係を更に研究する安定性解析、および環境間の遺伝子型の相対的優越性または劣性などを含む。
さらに,著者らが開発した軽量対話型ツールであるRGxEStatについて述べる。
RGxEStatは、複雑なSASやRプログラミングを学ぶための繁殖者や農学者の必要をなくすために設計されており、研究サイクルを著しく加速する、合理化された繁殖データ分析のためのユーザフレンドリーなインターフェースを提供する。
コードとデータセットはhttps://github.com/mason-ching/RGxEStatで公開されている。
関連論文リスト
- AGP: A Novel Arabidopsis thaliana Genomics-Phenomics Dataset and its HyperGraph Baseline Benchmarking [43.90415454135298]
本研究では,シロイヌナズナの遺伝子発現プロファイルと表現型形質測定をリンクした解析データセットを提案する。
AGPは表現型予測や解釈可能なグラフ学習などのタスクをサポートする。
我々の知る限りでは、これはマルチモーダル遺伝子情報と異種形質または表現型データを提供する最初のデータセットである。
論文 参考訳（メタデータ） (2025-08-19T21:21:23Z) - GRAPE: Heterogeneous Graph Representation Learning for Genetic Perturbation with Coding and Non-Coding Biotype [51.58774936662233]
遺伝子制御ネットワーク(GRN)の構築は、遺伝的摂動の影響を理解し予測するために不可欠である。
本研究では,事前学習した大規模言語モデルとDNAシークエンスモデルを用いて,遺伝子記述やDNAシークエンスデータから特徴を抽出する。
我々は、遺伝子摂動において初めて遺伝子バイオタイプ情報を導入し、細胞プロセスの制御において異なるバイオタイプを持つ遺伝子の異なる役割をシミュレートした。
論文 参考訳（メタデータ） (2025-05-06T03:35:24Z) - Inferring genotype-phenotype maps using attention models [0.21990652930491852]
遺伝子型から表現型を予測することは遺伝学における中心的な課題である。
機械学習の最近の進歩、特に注意に基づくモデルは、有望な代替手段を提供する。
ここでは、注意に基づくモデルを定量的遺伝学に適用する。
論文 参考訳（メタデータ） (2025-04-14T16:32:17Z) - GENERator: A Long-Context Generative Genomic Foundation Model [66.46537421135996]
本稿では,98k塩基対 (bp) と1.2Bパラメータからなるゲノム基盤モデル GENERator を提案する。
DNAの386Bbpからなる拡張データセットに基づいて、GENERatorは、確立されたベンチマークと新しく提案されたベンチマークの両方で最先端のパフォーマンスを実証する。
また、特に特定のアクティビティプロファイルを持つエンハンサーシーケンスを即応的に生成することで、シーケンス最適化において大きな可能性を秘めている。
論文 参考訳（メタデータ） (2025-02-11T05:39:49Z) - G2PDiffusion: Cross-Species Genotype-to-Phenotype Prediction via Evolutionary Diffusion [108.94237816552024]
本稿では,DNAから形態像を生成する最初の遺伝子型対フェノタイプ拡散モデル(G2PDiffusion)を提案する。
本モデルは,1)保存および共進化パターンを識別するMSA検索エンジン,2)複雑なジェノタイプ-環境相互作用を効果的にモデル化する環境対応MSA条件エンコーダ,3)遺伝子型-フェノタイプ整合性を改善する適応型表現的アライメントモジュールを含む。
論文 参考訳（メタデータ） (2025-02-07T06:16:31Z) - evolSOM: an R Package for evolutionary conservation analysis with SOMs [0.4972323953932129]
本稿では,生物変数の保存を探索・可視化するために,自己組織化マップ(SOM)を利用した新しいRパッケージであるevolSOMを紹介する。
パッケージは自動的に変位を計算し、図形的に表示し、保存された変数と変位した変数を効率よく比較および明らかにする。
EvolSOMを用いて遺伝子および表現型形質の変位を解析し、草葉における表現型分化の潜在的な要因を同定した。
論文 参考訳（メタデータ） (2024-02-09T20:33:48Z) - Genetic heterogeneity analysis using genetic algorithm and network
science [2.6166087473624318]
ゲノムワイド・アソシエーション(GWAS)は、疾患に感受性のある遺伝的変数を同定することができる。
遺伝的効果に絡み合った遺伝的変数は、しばしば低い効果サイズを示す。
本稿では,FCSNet(Feature Co-Selection Network)という,GWASのための新しい特徴選択機構を提案する。
論文 参考訳（メタデータ） (2023-08-12T01:28:26Z) - Unsupervised ensemble-based phenotyping helps enhance the
discoverability of genes related to heart morphology [57.25098075813054]
我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。
教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。
これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
論文 参考訳（メタデータ） (2023-01-07T18:36:44Z) - Mycorrhiza: Genotype Assignment usingPhylogenetic Networks [2.286041284499166]
遺伝子型代入問題に対する機械学習手法であるMycorrhizaを紹介する。
提案アルゴリズムは系統ネットワークを用いて,標本間の進化的関係を符号化する特徴を設計する。
Mycorrhizaは、大きな平均固定指数(FST)を持つデータセットやハーディ・ワインバーグ平衡からの偏差で特に顕著な利得を得る。
論文 参考訳（メタデータ） (2020-10-14T02:36:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。