Biometrical tools for heterosis research

Schützenmeister, André

Biometrical tools for heterosis research

dc.contributor.advisor	Piepho, Hans-Peter	de
dc.contributor.author	Schützenmeister, André	de
dc.date.accepted	2011-05-26
dc.date.accessioned	2024-04-08T08:45:41Z
dc.date.available	2024-04-08T08:45:41Z
dc.date.created	2011-07-19
dc.date.issued	2010
dc.description.abstract	Molecular biological technologies are frequently applied for heterosis research. Large datasets are generated, which are usually analyzed with linear models or linear mixed models. Both types of model make a number of assumptions, and it is important to ensure that the underlying theory applies for datasets at hand. Simultaneous violation of the normality and homoscedasticity assumptions in the linear model setup can produce highly misleading results of associated t- and F-tests. Linear mixed models assume multivariate normality of random effects and errors. These distributional assumptions enable (restricted) maximum likelihood based procedures for estimating variance components. Violations of these assumptions lead to results, which are unreliable and, thus, are potentially misleading. A simulation-based approach for the residual analysis of linear models is introduced, which is extended to linear mixed models. Based on simulation results, the concept of simultaneous tolerance bounds is developed, which facilitates assessing various diagnostic plots. This is exemplified by applying the approach to the residual analysis of different datasets, comparing results to those of other authors. It is shown that the approach is also beneficial, when applied to formal significance tests, which may be used for assessing model assumptions as well. This is supported by the results of a simulation study, where various alternative, non-normal distributions were used for generating data of various experimental designs of varying complexity. For linear mixed models, where studentized residuals are not pivotal quantities, as is the case for linear models, a simulation study is employed for assessing whether the nominal error rate under the null hypothesis complies with the expected nominal error rate. Furthermore, a novel step within the preprocessing pipeline of two-color cDNA microarray data is introduced. The additional step comprises spatial smoothing of microarray background intensities. It is investigated whether anisotropic correlation models need to be employed or isotropic models are sufficient. A self-versus-self dataset with superimposed sets of simulated, differentially expressed genes is used to demonstrate several beneficial features of background smoothing. In combination with background correction algorithms, which avoid negative intensities and which have already been shown to be superior, this additional step increases the power in finding differentially expressed genes, lowers the number of false positive results, and increases the accuracy of estimated fold changes.	en
dc.description.abstract	Molekularbiologische Verfahren werden häufig in der Heterosis-Forschung eingesetzt. Dabei werden große Datensätze generiert, welche gewöhnlich mittels linearer oder linearer gemischter Modelle analysiert werden. Beide Modellklassen setzen bestimmte Annahmen voraus, damit deren zugrunde liegende Theorie greift. Werden die Annahmen der Normalität und Varianzhomogenität für lineare Modelle gleichzeitig verletzt, kann das zu völlig falschen Ergebnissen bei den zugehörigen t- und F-Tests führen. Bei linearen gemischten Modellen wird multivariate Normalverteilung der zufälligen Effekte sowie der Fehlerterme vorausgesetzt. Diese Verteilungsannahmen ermöglichen die Anwendung des (Restricted) Maximum Likelihood Verfahrens zur Schätzung der Varianzkomponenten. Verletzung dieser Annahmen führen zu ungenauen Schätzungen und sind deshalb von geringem Nutzen. Es wird ein auf Simulation beruhendes Verfahren für die Residuenanalyse linearer Modelle vorgestellt, welches dann auf lineare gemischte Modelle erweitert wird. Basierend auf den simulierten Daten wird das Konzept simultaner Toleranzgrenzen entwickelt, welches die Bewertung verschiedener diagnostischer Plots vereinfacht. Dies wird anhand der jeweiligen Residuenanalyse für verschiedene Datensätze gezeigt, wobei die Ergebnisse des auf Simulation beruhenden Verfahrens mit denen anderer Autoren verglichen werden. Außerdem wird gezeigt, dass dieses Verfahren auf Signifikanztests, welche man ebenfalls zur Überprüfung der Modellvoraussetzungen benutzen könnte, übertragen werden kann und dabei von Vorteil ist. Die Ergebnisse einer Simulationsstudie lassen dies erkennen, wobei verschiedene alternative Verteilungen benutzt werden, um Daten verschiedener, unterschiedlich komplexer Designs zu erzeugen. Im Falle von linearen gemischten Modellen sind studentisierte Residuen nicht unabhängig von Modellparametern, was bei linearen Modellen der Fall ist. Aus diesem Grund wird eine Simulationsstudie präsentiert, welche die Fragestellung klären soll, ob die empirischen Fehlerraten von simultanen Toleranzgrenzen von den erwarteten Fehlerraten abweichen, wenn man Daten unter der Nullhypothese simuliert. Desweiteren wird ein Verfahren für die komplexe Preprozessierung von 2-Kanal cDNA Microarrays vorgestellt. Dieser zusätzliche Schritt umfasst räumliche Glättungsverfahren für die Hintergrundfluoreszens von Microarrays. Es wird der Frage nachgegangen, ob man Verfahren benötigt, welche anisotrope Korrelationsmodelle verwenden, oder ob isotrope Modelle ausreichen. Um die verschiedenen vorteilhaften Eigenschaften dieses Verfahrens zu zeigen, wird ein Self-versus-Self Microarray Datensatz mit einem simulierten Anteil differentiell exprimierter Gene verwendet. Kombiniert man Verfahren zur Glättung der Hintergrundwerte mit etablierten Verfahren zur Hintergrundkorrektur, welche negative Spot-Intensitäten vermeiden, kann eine höhere statistische Power beim Nachweis differentiell exprimierter Gene erzielt werden. Außerdem kann der Anteil falsch-positiver Ergebnisse reduziert und die Präzision der Quantifizierung von differentieller Expression erhöht werden.	de
dc.identifier.swb	347476074
dc.identifier.uri	https://hohpublica.uni-hohenheim.de/handle/123456789/5492
dc.identifier.urn	urn:nbn:de:bsz:100-opus-6116
dc.language.iso	eng
dc.rights.license	publ-mit-pod	en
dc.rights.license	publ-mit-pod	de
dc.rights.uri	http://opus.uni-hohenheim.de/doku/lic_mit_pod.php
dc.subject	Simultaneous tolerance band	en
dc.subject	Studentized residuals	en
dc.subject	Residual plot	en
dc.subject	Background correction	en
dc.subject	Self-vs-self data	en
dc.subject.ddc	510
dc.subject.gnd	Lineares Modell	de
dc.subject.gnd	Gemischtes Modell	de
dc.subject.gnd	Residuenanalyse	de
dc.subject.gnd	Monte-Carlo-Simulation	de
dc.subject.gnd	Microarray	de
dc.title	Biometrical tools for heterosis research	de
dc.title.dissertation	Biometrische Werkzeuge für die Heterosisforschung	de
dc.type.dcmi	Text	de
dc.type.dini	DoctoralThesis	de
local.access	uneingeschränkter Zugriff	en
local.access	uneingeschränkter Zugriff	de
local.bibliographicCitation.publisherPlace	Universität Hohenheim	de
local.export.bibtex	@phdthesis{Schützenmeister2010, url = {https://hohpublica.uni-hohenheim.de/handle/123456789/5492}, author = {Schützenmeister, André}, title = {Biometrical tools for heterosis research}, year = {2010}, school = {Universität Hohenheim}, }
local.export.bibtexAuthor	Schützenmeister, André
local.export.bibtexKey	Schützenmeister2010
local.export.bibtexType	@phdthesis
local.faculty.number	2	de
local.faculty.number	1	de
local.institute.number	340	de
local.institute.number	110	de
local.opus.number	611
local.university	Universität Hohenheim	de
local.university.faculty	Faculty of Agricultural Sciences	en
local.university.faculty	Fakultät Agrarwissenschaften	de
local.university.faculty	Faculty of Natural Sciences	en
local.university.faculty	Fakultät Naturwissenschaften	de
local.university.institute	Institute for Crop Production and Grassland Research	en
local.university.institute	Institut für Kulturpflanzenwissenschaften	de
local.university.institute	Institute for Applied Mathematics and Statistics	en
local.university.institute	Institut für Angewandte Mathematik und Statistik	de
thesis.degree.level	thesis.doctoral

Files

Original bundle

Now showing 1 - 1 of 1

Name:: Diss_A_Schuetzenmeister.pdf
Size:: 1.91 MB
Format:: Adobe Portable Document Format
Description:: Open Access Fulltext

Download

Collections

Institut für Kulturpflanzenwissenschaften