• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Mémoire de Maîtrise
DOI
https://doi.org/10.11606/D.104.2021.tde-02022022-173442
Document
Auteur
Nom complet
Djidenou Hans Amos Montcho
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Carlos, 2021
Directeur
Jury
Milan, Luis Aparecido (Président)
Saraiva, Erlandson Ferreira
Tekougang, Thierry Chekouo
Titre en anglais
Bayesian variable selection using Data Driven Reversible Jump: an application to schizophrenia data
Mots-clés en anglais
Bayesian inference
Genetics
Informed reversible jump
MCMC
Schizophrenia
Variable selection
Resumé en anglais
Symptom based diagnosis are known to be limited specially concerning complex disorders such as schizophrenia. Modern attempts in providing predictive risk for such disease, to assist existing diagnosis tools, integrate genetic and brain information in what is known as imaging genetics. In this monography, our goal is both inferential and predictive. Regarding the inference, given the functional Magnetic Resonance Image and the Single Nucleotide Polymorphisms information of people diagnosed with schizophrenia and healthy people, we use a Bayesian probit model to select discriminating variables, while to estimate the predictive risk, the most promising models are combined using a Bayesian model averaging scheme. For these purposes, we propose an adaptive reversible jump markov chain monte carlo, named data driven reversible jump, for selecting the variables, estimating their effects and the predictive risk for future subjects.
Titre en portugais
Seleção Bayesiana de variáveis usando o algoritmo de saltos reversíveis direcionado pelos dados: uma aplicação a dados de esquizofrenia
Mots-clés en portugais
Algoritmo de saltos reversíveis
Esquizofrenia
Genética
Inferência Bayesiana
MCMC
Seleção de variáveis
Resumé en portugais
Diagnósticos médicos baseados em sintomas são conhecidos por suas limitações, especialmente no entendimento de distúrbios complexos como esquizofrenia. Abordagens modernas e complementares para predizer o risco de tais doenças integram dados genômicos e cerebrais. Nesta monografia, nosso objetivo é inferencial e preditivo. Na inferência, com base em dados de ressonância magnética funcional e de polimorfismo de nucleotídeo único obtidos de pessoas saudáveis e diagnosticadas com esquizofrenia, utilizamos um modelo probito Bayesiano para selecionar as variáveis mais importantes a fim de discriminar os pacientes. Para estimar o risco preditivo, os modelos mais promissores são combinados usando a ponderação bayesiana de modelos. Para estas finalidades, propomos o algoritmo de saltos reversíveis orientado pelos dados para realizar a seleção de variáveis, estimação de parâmetros dos modelos e predição para futuros pacientes.
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
Date de Publication
2022-02-02
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs
CeTI-SC/STI
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2024. Tous droits réservés.