| 摘要 | 第7-9页 |
| ABSTRACT | 第9页 |
| 1 前言 | 第10-20页 |
| 1.1 研究问题的由来 | 第10-11页 |
| 1.2 文献回顾 | 第11-14页 |
| 1.3 研究目的 | 第14-16页 |
| 1.4 模型创新 | 第16-20页 |
| 2 材料与方法 | 第20-25页 |
| 2.1 群体数据介绍 | 第20-21页 |
| 2.2 FarmCPU模型 | 第21-22页 |
| 2.3 真实性状中算法的评估方法 | 第22-23页 |
| 2.4 性状模拟方法 | 第23页 |
| 2.5 效力与错误率和一类错误的计算方法 | 第23页 |
| 2.6 零分布的验证方法 | 第23-25页 |
| 3 结果与分析 | 第25-58页 |
| 3.1 FarmCPU在真实性状研究中的表现 | 第25-39页 |
| 3.1.1 拟南芥107个性状全基因组关联分析结果 | 第25-29页 |
| 3.1.2 人类肺癌的全基因组关联分析结果 | 第29-33页 |
| 3.1.3 猪背膘厚的全基因组关联分析结果 | 第33-35页 |
| 3.1.4 小鼠体重增长的全基因组关联分析结果 | 第35-37页 |
| 3.1.5 玉米开花期全基因组关联分析结果 | 第37-39页 |
| 3.2 FarmCPU在模拟性状研究中的表现 | 第39-50页 |
| 3.3 FarmCPU模型的零分布 | 第50-52页 |
| 3.4 FarmCPU的速度表现 | 第52-58页 |
| 4 讨论 | 第58-65页 |
| 4.1 FarmCPU控制假阳性和提高统计效力的策略 | 第58页 |
| 4.2 FarmCPU减少假阴性和解决模型的混杂问题的策略 | 第58-59页 |
| 4.3 区别于现有方法的全基因组关联分析结果呈现 | 第59页 |
| 4.4 FarmCPU在大数据计算的优势 | 第59-61页 |
| 4.5 FarmCPU模型的局限 | 第61-64页 |
| 4.6 基于FarmCPU模型的基因互作模型的展望 | 第64-65页 |
| 参考文献 | 第65-73页 |
| 附录1 FarmCPU源代码 | 第73-131页 |
| 附录2 作者简历 | 第131-133页 |
| 致谢 | 第133-134页 |
