Login
- Originaltitel:
- Covariance structures in multivariate genome-enabled prediction models
- Übersetzter Titel:
- Kovarianzstrukturen in der multivariaten genomischen Vorhersage
- Autor:
- Töpner, Katrin Alexandra
- Jahr:
- 2019
- Dokumenttyp:
- Dissertation
- Fakultät/School:
- Fakultät Wissenschaftszentrum Weihenstephan
- Betreuer:
- Schön, Chris-Carolin (Prof. Dr.)
- Gutachter:
- Schön, Chris-Carolin (Prof. Dr.); Gianola, Daniel (Prof., Ph.D.)
- Sprache:
- en
- Fachgebiet:
- LAN Landbauwissenschaft
- Stichworte:
- Plant breeding, Zea mays L., Bayesian network, indirect selection, multiple-trait genome-enabled prediction, multivariate mixed model, structural equation model, spatial model, Gaussian kernel, Metropolis-Hastings implementation, Gibbs sampler
- Übersetzte Stichworte:
- Pflanzenzüchtung, Zea mays L., Bayessches Netz, indirekte Selektion, genomische Vorhersage mehrerer Merkmale, multivariates gemischtes Modell, Strukturgleichungsmodell, räumliches Modell, Gauß-Kern, Metropolis-Hastings-Implementation, Gibbs-Sampling
- TU-Systematik:
- LAN 000d
- Kurzfassung:
- In this thesis, modeling phenotypic structures among multiple traits in plant breeding was refined. The novel approach allowed to determine trait connections on the genomic and residual levels separately instead of jointly on the phenotypic level. Second, a novel R implementation was developed to distinguish between micro-environmental and macro-environmental trait covariances by using a spatial model with a Gaussian kernel. The methods were applied to experimental maize data (Zea mays L.).
- Übersetzte Kurzfassung:
- In dieser Arbeit wurde die Modellierung der phänotypischen Strukturen mehrerer Merkmale in der Pflanzenzüchtung weiterentwickelt. Durch einen neuen Ansatz konnten Merkmalsbeziehungen auf genomischen und anderen Ebenen erstmals getrennt dargestellt werden. Außerdem wurden die Merkmalskovarianzen der Mikro- von denen der Makroumwelt unterschieden, indem eine R-Implementation für ein räumliches Modell mit einem Gauß-Kern entwickelt wurde. Die Modelle wurden mit Maisdaten evaluiert (Zea mays L.).
- WWW:
- https://mediatum.ub.tum.de/?id=1452767
- Eingereicht am:
- 03.09.2018
- Mündliche Prüfung:
- 08.02.2019
- Dateigröße:
- 2391339 bytes
- Seiten:
- 104
- Urn (Zitierfähige URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20190208-1452767-1-0
- Letzte Änderung:
- 02.05.2019
BibTeX