Détecter les points chauds QTL dans les modèles de régression sparcale

Cette séance de cours de l'instructeur se concentre sur l'inférence à grande échelle pour détecter les points chauds QTL dans les modèles de régression clairsemée liés hiérarchiquement. L'exposé porte sur la transition du GWAS à la génomique fonctionnelle, en soulignant la nécessité d'utiliser la génomique pour comprendre la variation des phénotypes, la susceptibilité à la maladie et les réponses aux médicaments. La séance de cours présente les études moléculaires de QTL, soulignant les différences par rapport aux GWAS classiques et les défis de la modélisation statistique en raison des données à haute dimension. Le cadre de cartographie complet de QTL est discuté, mettant l'accent sur l'utilisation de modèles hiérarchiques pour détecter les SNP «hotspots» contrôlant plusieurs caractères. On explore également les méthodes d'inférence variée et l'impact de l'apport de marques épigénétiques informatives.