The Fundamentals of Modern Statistical Genetics

این کتاب مدل‌ها و روش‌های آماری را پوشش می‌دهد که برای درک ژنتیک انسانی، به دنبال پیشرفت‌های تاریخی و اخیر ژنتیک انسانی استفاده می‌شوند. این کتاب که با اولین آزمایش‌های مندل برای مطالعات مرتبط با ژنوم شروع می‌شود، توضیح می‌دهد که چگونه اطلاعات ژنتیکی می‌تواند در مدل‌های آماری برای کشف ژن‌های بیماری گنجانده شود. همه رویکردهای رایج در ژنتیک آماری (مانند تجزیه و تحلیل تجمع، تفکیک، تجزیه و تحلیل پیوند، و غیره) استفاده می شود، اما تمرکز کتاب رویکردهای مدرن برای تجزیه و تحلیل تداعی است. مثال‌های متعدد نکات کلیدی را در سراسر متن نشان می‌دهند، هم اختلالات مندلی و هم اختلالات ژنتیکی پیچیده. مخاطبان مورد نظر آماردانان، آمار زیستی، اپیدمیولوژیست ها و ژنتیک گرایان کمی گرا و دانشمندان سلامت هستند که می خواهند در مورد روش های آماری برای تجزیه و تحلیل ژنتیکی، چه برای تجزیه و تحلیل بهتر داده های ژنتیکی، و چه برای پیگیری تحقیق در روش شناسی، بیاموزند. پیشینه روش های آماری سطح متوسط ​​مورد نیاز است. نویسندگان مشتقات ریاضی کمی را شامل می‌شوند و تمرین‌ها مشکلاتی را برای دانش‌آموزان با طیف وسیعی از سطوح مهارت فراهم می‌کنند. هیچ پیش زمینه ای در زمینه ژنتیک فرض نمی شود. دکتر لیرد، استاد آمار زیستی در بخش آمار زیستی در دانشکده بهداشت عمومی هاروارد است. دکتر لیر در روش‌شناسی در زمینه‌های مختلف، از جمله داده‌های از دست رفته، الگوریتم EM، متاآنالیز، ژنتیک آماری مشارکت داشته است و کتابی را با گرت فیتزموریس و جیمز ور در زمینه تحلیل طولی کاربردی تألیف کرده است. او دریافت کننده جوایز و جوایز بسیاری از جمله عضو انجمن آمار آمریکا، انجمن آمریکایی برای پیشرفت علم، جایزه فلورانس نایتینگل و جایزه جانت نوروود است. دکتر لانگ دانشیار بخش آمار زیستی در دانشکده بهداشت عمومی هاروارد است. پس از دکترای خود در رشته آمار در دانشگاه ریدینگ (بریتانیا)، او به طور گسترده در زمینه ژنتیک آماری کار کرده است. دکتر لانگ مدیر مؤسسه ریاضیات ژنوم در دانشگاه بن بوده و جوایز متعددی در زمینه ریاضیات و ژنتیک دریافت کرده است. دکتر لانگ توسعه دهنده بسته PBAT است.

This book covers the statistical models and methods that are used to understand human genetics, following the historical and recent developments of human genetics. Starting with Mendel’s first experiments to genome-wide association studies, the book describes how genetic information can be incorporated into statistical models to discover disease genes. All commonly used approaches in statistical genetics (e.g. aggregation analysis, segregation, linkage analysis, etc), are used, but the focus of the book is modern approaches to association analysis. Numerous examples illustrate key points throughout the text, both of Mendelian and complex genetic disorders. The intended audience is statisticians, biostatisticians, epidemiologists and quantitatively- oriented geneticists and health scientists wanting to learn about statistical methods for genetic analysis, whether to better analyze genetic data, or to pursue research in methodology. A background in intermediate level statistical methods is required. The authors include few mathematical derivations, and the exercises provide problems for students with a broad range of skill levels. No background in genetics is assumed. Dr. Laird is a Professor of Biostatistics in the Biostatistics Department at the Harvard School of Public Health. Dr. Laird has contributed to methodology in many different fields, including missing data, EM-algorithm, meta-analysis, statistical genetics, and has coauthored a book with Garrett Fitzmaurice and James Ware on Applied Longitudinal Analysis. She is the recipient of many awards and prizes, including Fellow of the American Statistical Association, the American Association for the Advancement of Science, the Florence Nightingale Award, and the Janet Norwood Award. Dr. Lange is an Associate Professor in the Biostatistics Department at the Harvard School of Public Health. After his PhD in Statistics at the University of Reading (UK), he has worked extensively in the field of statistical genetics. Dr. Lange has been the director of the Institute of Genome Mathematics at the University of Bonn and has received several awards in mathematics and genetics. Dr. Lange is the developer of the PBAT package.