- 综合排序
- 最热优先
- 最新优先
- 来自专栏育种数据分析之放飞自我
GLMM：广义线性混合模型（遗传参数评估）
飞哥感言 这篇文章，主要是介绍了抗性数据，如何利用GLMM模型进行的分析，文中，他将9级分类性状变为了二分类性状，进行分析。 分析中用到了加性效应（A矩阵），空间分析（行列信息）。 摘要 「要点：」 LMM模型可以结合遗传（G矩阵）和空间分析（误差R矩阵），估算BLUP值 SAS中的GLIMMIX可以处理GLMM模型，但是门槛较高 ASReml可以处理GLMM模型 ❝线性混合模型（ Piepho（1999）提供了一个很好的讨论，并举例说明了使用GLMM分析设计实验的疾病发病率数据。 基于上述原因，我们使用了适用于二进制/二项分布式数据的GLMM方法。GLMM的基本原理在一段时间前就已经开发出来，但它在广泛可用的统计软件中的实现却发生了很晚。R lme4包装（Bates等人。 ❞ 「系谱信息如下：」 可以构建A矩阵，加入到GLMM模型中 ? 7.
2.6K30发布于 2020-09-30 - 来自专栏生信技能树
单细胞转录组差异分析的8大痛点
GLMM 是一种灵活的统计方法，可以同时处理固定效应和随机效应。 以下是 GLMM 在单细胞数据分析中的一些优缺点： 优点： 处理多层次数据结构：GLMM 可以很好地处理单细胞数据中的多层次结构，例如，考虑细胞类型、供体（donor）和实验批次等不同层次的效应。 更好的敏感性：GLMM 显示出比现有方法更高的敏感性，能够检测到更多的差异表达基因。 稳健性：GLMM 对模型的误设定具有较好的稳健性，即使数据的实际分布与模型假设不完全一致，也能提供可靠的结果。 ，使用GLMM框架来调整批次效应和样本内变异。 对比结果显示： Poisson-glmm 和 Binomial-glmm：在多个场景中显示出较高的灵敏度和稳健性，能够识别出更多的差异表达基因（DEGs），并且能够更好地捕捉到组间表达差异。
98910编辑于 2024-07-05 - 来自专栏拓端tecdat
R语言广义线性混合模型（GLMM）bootstrap预测置信区间可视化
对于广义线性混合模型（GLMM），预测函数不允许推导标准误差，原因是：“没有计算预测标准误差的选项，因为很难定义一种有效的方法来将方差参数中的不确定性纳入其中”。 01 02 03 04 在predict.merMod函数的帮助页面中，lme4包的作者写道，bootMer应该是从广义线性混合模型（GLMM）推导置信区间的首选方法。 现在让我们转向一个更复杂的例子，一个具有两个交叉随机效应的泊松广义线性混合模型（Poisson GLMM）： # 第二个案例，具有两个交叉随机效应和泊松响应的更复杂设计 m <- glmer 选择哪种方法取决于您想看到什么（我拟合的线的周围不确定性的程度，或者如果我抽样新的观测值，它们会取什么值），以及复杂模型的计算能力，因为对于具有许多观测值和复杂模型结构的广义线性混合模型（GLMM），bootMer
1K10编辑于 2024-04-01 - 来自专栏育种数据分析之放飞自我
GCTA学习3 | GCTA的两篇NG：fast-LMM和fast-GLMM
3. 2021年NG：fast-GLMM模型 「2021年的NG，介绍了fast-GLMM模型，分析1184万个个体，2989个二元性状性状，无压力！」 这个主要分析二分类性状！ 4. fastGWA-GLMM和SAIGE的运算速度和内存使用量的比较 ❝该团队用真实数据展示了fastGWA-GLMM极高的运算效率，远超同类二元性状关联分析方法，运算效率最高可达到传统方法的36倍。 fastGWA-GLMM对大量数据的快速处理能力，对即将到来的百万级生物样本库具有重大意义。 ❞ 「16核32G内存，17小时分析了百万人的二分类性状！！！」 图2 fastGWA-GLMM在2百万样本中的运算速度和内存使用量 ❝作为一款稳健、强大且高效的关联分析工具，fastGWA-GLMM可以应用于几乎所有的大型生物样本库的二元性状关联分析。 fastGWA和fastGWA-GLMM或将成为未来超大型生物样本库关联分析研究不可或缺的工具之一，其破解人类复杂疾病遗传奥秘的应用潜力不可估量。 6.
95440编辑于 2022-02-09 - 来自专栏育种数据分析之放飞自我
GCTA学习4 | GCTA说明文档--功能分类及常见问题
Haseman-Elston regression: 基于SNP的遗传相关 sBLUP：基于BLUP的基因型风险预测 2.2 GWAS分析 fastGWA：稀疏矩阵的LMM模型，fast-GWA模块 fastGWA-GLMM : GLMM模型的GWAS分析模块 MLMA和MLMA-LOCO：稠密矩阵的LMM模型 COJO：条件和联合分析 mtCOJO：多性状条件和联合分析 fastBAT： fastGWA-BB： ACTA-V 第一篇：GCTA学习1 | 抛砖引玉--初步介绍 第二篇：GCTA学习2 | 软件下载安装--windows和Linux 第二篇：GCTA学习3 | GCTA的两篇NG：fast-LMM和fast-GLMM
2.2K20编辑于 2022-02-09 - 来自专栏拓端tecdat
R语言用Rshiny探索lme4广义线性混合模型（GLMM）和线性混合模型（LMM）
p=3138 随着软件包的进步，使用广义线性混合模型（GLMM）和线性混合模型（LMM）变得越来越容易。 1.0169070 0.026562174 1101.553 98 #> 6 66 0.9568607 0.008602823 1098.049 97 效果模拟 解释LMM和GLMM
2.1K10发布于 2020-11-19 - 来自专栏拓端tecdat
R语言+AI提示词：贝叶斯广义线性混合效应模型GLMM生物学Meta分析
在贝叶斯统计框架下，使用马尔可夫链蒙特卡罗（MCMC）方法拟合广义线性混合效应模型（GLMM）。即使不完全理解贝叶斯统计和混合建模的复杂概念，也可以使用该包进行分析。 三、MCMCglmm介绍 MCMCglmm使用马尔可夫链蒙特卡罗（MCMC）方法，在贝叶斯统计框架下拟合广义线性混合效应模型（GLMM）。贝叶斯统计听起来可能很复杂，但实际上比频率统计更直观。
92010编辑于 2025-02-28 - 来自专栏拓端tecdat
R语言用Rshiny探索lme4广义线性混合模型（GLMM）和线性混合模型（LMM）|附代码数据
p=3138随着软件包的进步，使用广义线性混合模型（GLMM）和线性混合模型（LMM）变得越来越容易最近我们被客户要求撰写关于广义线性混合模型的研究报告，包括一些图形和统计输出。 1.0169070 0.026562174 1101.553 98#> 6 66 0.9568607 0.008602823 1098.049 97效果模拟解释LMM和GLMM 本文选自《R语言用Rshiny探索lme4广义线性混合模型（GLMM）和线性混合模型（LMM）》。 点击标题查阅往期内容R语言用潜类别混合效应模型(Latent Class Mixed Model ,LCMM)分析老年痴呆年龄数据R语言贝叶斯广义线性混合（多层次/水平/嵌套）模型GLMM、逻辑回归分析教育留级影响因素数据 的贝叶斯分层混合模型的诊断准确性研究R语言建立和可视化混合效应模型mixed effect modelR语言LME4混合效应模型研究教师的受欢迎程度R语言 线性混合效应模型实战案例R语言用Rshiny探索lme4广义线性混合模型（GLMM
1.4K10编辑于 2022-12-12 - 来自专栏拓端tecdat
R语言广义线性混合模型GLMMs在生态学中应用可视化2实例合集|附数据代码
这篇文章主要是为了展示如何拟合GLMM、如何评估GLMM假设、何时在固定效应模型和混合效应模型之间做出选择、如何在GLMM中进行模型选择以及如何从GLMM中得出推论的R脚本。 使用数据（查看文末了解数据免费获取方式）如下： 以下是一个R脚本的示例，用于展示如何在广义线性混合模型（GLMM）中演示GLMM的拟合、假设检验、模型选择以及结果推断。 最终得到以下的模型预测图 01 02 03 04 # 展示数据的前几行以确认数据加载正确 head(data) # 第一部分：拟合GLMM # 随机截距模型 拟合GLMM模型： glmer 函数用于拟合广义线性混合效应模型，这里以物种丰富度（Richness）作为响应变量，NAP和Exposure作为固定效应，同时考虑到Beach作为随机效应。 图1 r 旨在与任何可以与 lme 4 中的 lmer 或 glmer 配合的线性混合模型 (LMM) 或 GLMM 一起使用。这允许具有不同固定和随机效应规范的各种模型。
3.5K10编辑于 2024-04-03 - 来自专栏拓端tecdat
R语言广义线性混合模型GLMMs在生态学中应用可视化2实例合集|附数据代码
这篇文章主要是为了展示如何拟合GLMM、如何评估GLMM假设、何时在固定效应模型和混合效应模型之间做出选择、如何在GLMM中进行模型选择以及如何从GLMM中得出推论的R脚本。 使用数据（查看文末了解数据免费获取方式）如下： 以下是一个R脚本的示例，用于展示如何在广义线性混合模型（GLMM）中演示GLMM的拟合、假设检验、模型选择以及结果推断。 最终得到以下的模型预测图 # 展示数据的前几行以确认数据加载正确 head(data) # 第一部分：拟合GLMM # 随机截距模型 summary 拟合GLMM模型： glmer 函数用于拟合广义线性混合效应模型，这里以物种丰富度（Richness）作为响应变量，NAP和Exposure作为固定效应，同时考虑到Beach作为随机效应。 图1 r 旨在与任何可以与 lme 4 中的 lmer 或 glmer 配合的线性混合模型 (LMM) 或 GLMM 一起使用。这允许具有不同固定和随机效应规范的各种模型。
1.1K10编辑于 2025-01-01 - 来自专栏拓端tecdat
生态学模拟对广义线性混合模型GLMM进行功率（功效、效能、效力）分析power analysis环境监测数据
广义线性混合模型 (GLMM) 在生态学中很重要，它允许分析计数和比例以及连续数据，并控制空间非独立性. 蒙特卡罗模拟是一种灵活且准确的方法，适用于现实的生态研究设计。 图1 r 旨在与任何可以与 lme 4 中的 lmer 或 glmer 配合的线性混合模型 (LMM) 或 GLMM 一起使用。这允许具有不同固定和随机效应规范的各种模型。 ---- 本文摘选《R语言生态学模拟对广义线性混合模型GLMM进行功率（功效、效能、效力）分析power analysis环境监测数据》。
1K40编辑于 2021-12-31 - 来自专栏生信技能树
cytofWorkflow之亚群比例差异分析（六）
内置的统计学方法包括： "diffcyt-DA-edgeR" "diffcyt-DA-voom" "diffcyt-DA-GLMM". da_formula1, contrast = contrast, analysis_type = "DA", method_DA = "diffcyt-DA-GLMM da_formula2, contrast = contrast, analysis_type = "DA", method_DA = "diffcyt-DA-GLMM
1.1K30发布于 2020-11-23 - 来自专栏拓端tecdat
R语言广义线性模型(GLM)、全子集回归模型选择、检验分析全国风向气候数据|附代码数据
点击标题查阅往期内容R语言用Rshiny探索lme4广义线性混合模型（GLMM）和线性混合模型（LMM）R语言用潜类别混合效应模型(Latent Class Mixed Model ,LCMM)分析老年痴呆年龄数据 R语言贝叶斯广义线性混合（多层次/水平/嵌套）模型GLMM、逻辑回归分析教育留级影响因素数据R语言估计多元标记的潜过程混合效应模型（lcmm）分析心理测试的认知过程R语言因子实验设计nlme拟合非线性混合模型分析有机农业施氮水平 的贝叶斯分层混合模型的诊断准确性研究R语言建立和可视化混合效应模型mixed effect modelR语言LME4混合效应模型研究教师的受欢迎程度R语言 线性混合效应模型实战案例R语言用Rshiny探索lme4广义线性混合模型（GLMM
1.3K00编辑于 2023-02-10 - 来自专栏拓端tecdat
R语言使用bootstrap和增量法计算广义线性模型（GLM）预测置信区间|附代码数据
语言广义线性模型GLM、多项式回归和广义可加模型GAM预测泰坦尼克号幸存者 R语言广义线性模型(GLM)、全子集回归模型选择、检验分析全国风向气候数据 R语言用Rshiny探索lme4广义线性混合模型（GLMM ）和线性混合模型（LMM） R语言用潜类别混合效应模型(Latent Class Mixed Model ,LCMM)分析老年痴呆年龄数据 R语言贝叶斯广义线性混合（多层次/水平/嵌套）模型GLMM、逻辑回归分析教育留级影响因素数据 R语言建立和可视化混合效应模型mixed effect model R语言LME4混合效应模型研究教师的受欢迎程度 R语言 线性混合效应模型实战案例 R语言用Rshiny探索lme4广义线性混合模型（GLMM
1.1K00编辑于 2023-01-29 - 来自专栏拓端tecdat
R语言广义线性模型(GLM)、全子集回归模型选择、检验分析全国风向气候数据
点击标题查阅往期内容 R语言用Rshiny探索lme4广义线性混合模型（GLMM）和线性混合模型（LMM） R语言用潜类别混合效应模型(Latent Class Mixed Model ,LCMM)分析老年痴呆年龄数据 R语言贝叶斯广义线性混合（多层次/水平/嵌套）模型GLMM、逻辑回归分析教育留级影响因素数据 R语言估计多元标记的潜过程混合效应模型（lcmm）分析心理测试的认知过程 R语言因子实验设计nlme拟合非线性混合模型分析有机农业施氮水平 语言建立和可视化混合效应模型mixed effect model R语言LME4混合效应模型研究教师的受欢迎程度 R语言 线性混合效应模型实战案例 R语言用Rshiny探索lme4广义线性混合模型（GLMM
68020编辑于 2023-11-17 - 来自专栏脑电信号科研科普
Brain：楔前叶TMS治疗阿尔茨海默病
通过随机截距和随机斜率的广义线性混合模型(GLMM)对各组终点进行纵向评估，以解释基线时的个体差异，并通过随访评估个体变化。 采用GLMM评估对TEPs的影响，将组(因素间)、时间和窗口(因素内)作为自变量。 GLMM对ADAS-Cog11评分显示显著的时间组交互作用(P=0.035)。 MMSE评分的GLMM显示出显著的时间组交互作用(P=0.041)。 GLMM分析的详细输出见补充表3。
99530编辑于 2023-01-04 - 来自专栏拓端tecdat
R语言广义线性模型(GLM)、全子集回归模型选择、检验分析全国风向气候数据|附代码数据
点击标题查阅往期内容 R语言用Rshiny探索lme4广义线性混合模型（GLMM）和线性混合模型（LMM） R语言用潜类别混合效应模型(Latent Class Mixed Model ,LCMM)分析老年痴呆年龄数据 R语言贝叶斯广义线性混合（多层次/水平/嵌套）模型GLMM、逻辑回归分析教育留级影响因素数据R语言估计多元标记的潜过程混合效应模型（lcmm）分析心理测试的认知过程 R语言因子实验设计nlme拟合非线性混合模型分析有机农业施氮水平 R语言建立和可视化混合效应模型mixed effect model R语言LME4混合效应模型研究教师的受欢迎程度 R语言 线性混合效应模型实战案例 R语言用Rshiny探索lme4广义线性混合模型（GLMM
1.3K00编辑于 2023-03-02 - 来自专栏拓端tecdat
R语言淮河流域水库水质数据相关性分析、地理可视化、广义相加模型GAM调查报告|附代码数据
加权线性最小二乘、稳健最小二乘、非线性最小二乘与剔除异常值效果比较 数据分享|R语言广义线性模型GLM：线性最小二乘、对数变换、泊松、二项式逻辑回归分析冰淇淋销售时间序列数据和模拟 生态学模拟对广义线性混合模型GLMM 泊松回归的lasso、弹性网络分类预测学生考试成绩数据和交叉验证 有限混合模型聚类FMM、广义线性回归模型GLM混合应用分析威士忌市场和研究专利申请数据 R语言贝叶斯广义线性混合（多层次/水平/嵌套）模型GLMM 多层次（混合效应）广义线性模型（GLM），逻辑回归分析教育留级调查数据 R语言广义线性模型GLM、多项式回归和广义可加模型GAM预测泰坦尼克号幸存者 R语言用Rshiny探索lme4广义线性混合模型（GLMM
90400编辑于 2023-02-24 - 来自专栏机器之心
若DL没了独立同分布假设，样本不独立的机器学习方法综述
为解决这一问题，提出了广义线性混合效应模型（Generalized Linear Mixed Effects Model，GLMM），GLMM 的核心是引入一对随机变量来解释患者特异性效应和医院特异性效应 GLMM 的预测函数为： 根据贝叶斯理论，用训练过的 GLM 对一个新的测试样本 x 进行分类时，需要对分类器固定效果参数进行边缘化处理： 同理，对于 GLMM 的边缘化处理扩展如下 为解决这一问题，本文提出使用点分类器代替贝叶斯积分的 GLMM 分类计算。 结肠癌图像实验结果 统计分析表明，FD-AFV 准确度高于 FD(p 值为 0.01)，GLMM 准确度高于 FD（p 值为 0.07），而 FD-AFV 准确度高于 GLMM（p 值为 0.18 肺栓塞图像实验结果 统计分析表明，FD-AFV 比 FD 更加敏感（p 值为 0.08），GLMM 比 FD 更加敏感（p 值为 0.25），FD-AFV 比 GLMM 更加敏感（p 值为 0.38
3K50发布于 2019-09-10 - 来自专栏拓端tecdat
R语言贝叶斯广义线性混合（多层次水平嵌套）模型GLMM、逻辑回归分析教育留级影响因素数据
当前教程特别关注贝叶斯逻辑回归在二元结果和计数/比例结果场景中的使用，以及模型评估的相应方法。使用教育数据示例。 此外，本教程简要演示了贝叶斯 GLM 模型的多层次扩展。
3.5K20发布于 2021-11-16
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号