The GMANOVA Model Modelling Pigmentation
Author
Nielsen, Lasse Lykke
Term
4. term
Education
Publication year
2019
Submitted on
2019-05-24
Pages
62
Abstract
Dette projekt undersøger, hvordan genetiske markører kan bruges til at forudsige hudpigmentering. Fordi hver deltager blev målt tre forskellige steder på kroppen, anvendte vi en multivariat lineær model, som kan håndtere flere indbyrdes forbundne målinger pr. person. Mere specifikt brugte vi en GMANOVA-model (en type multivariat lineær model), der vurderer, hvordan flere genetiske variable samlet set hænger sammen med flere målinger. Først præsenteres den statistiske teori, derefter implementeres GMANOVA i statistikprogrammet R, og til sidst bruges modellen til at analysere pigmentering alene ud fra genetiske markører. I vores analyse fremstod fire genetiske markører som de vigtigste forudsigere ved et signifikansniveau på 0,05: rs12913832, rs1408799, rs1800407 og rs2470102. Det betyder, at disse markører gav den stærkeste statistiske evidens for at være forbundet med mere præcise forudsigelser i dette datasæt.
This project investigates how genetic markers can help predict skin pigmentation. Because each participant was measured at three different body locations, we used a multivariate linear model that can handle multiple related measurements per person. Specifically, we applied a GMANOVA model (a type of multivariate linear model) to estimate how several genetic variables jointly relate to multiple measurements. We first introduce the statistical theory, then implement GMANOVA in the R statistical software, and finally use the model to analyze pigmentation using only genetic markers. In our analysis, four genetic markers were the most important predictors at the 0.05 significance level: rs12913832, rs1408799, rs1800407, and rs2470102. This means these markers showed the strongest statistical evidence of being associated with more accurate predictions in this dataset.
[This abstract was generated with the help of AI]
Documents