Dissimilarity measures and hierarchical methods for the study of genetic diversity on soybean / Medidas de dissimilaridade e métodos hierárquicos para estudo da diversidade genética em soja

In analysis of the genetic diversity on soybean can be used agronomic, morphological and molecular traits, which are subjected to multivariate biometrical analysis. There are different multivariate methodologies available such as Euclidean distance, Mahalanobis distance and different hierarchical methods. However, studies that may assist in the choice of such methods are lacking. The aim of this paper was to evaluate the clustering standards of soybean genotypes using Euclidean and Mahalanobis distances, following different hierarchical methods. The experiment was conducted in "Capim Branco" farm which belongs to the Federal University of Uberlândia and were used a complete randomized block design composed of 15 soybean genotypes (nine breeding lines and six cultivars) and four replications. The agronomic traits evaluated were: number of days to flowering and to maturity, height of the plant at flowering and at maturity, height of the insertion of the first pod, number of nodes on the main stalk in flowering and at maturity, number of grains per pod, total number of pods, severity of Asian rust, number of pustules and yield. The data were submitted to multivariate analysis in GENES program. The Mahalanobis distance or the Euclidean distance obtained by agronomic traits allows the determination of soybean genetic diversity. The use of the Euclidean distance in hierarchical methods allows a greater group differentiation. The UPGMA method and the nearest neighbor method shows a greater accuracy using the Mahalanobis distance and Euclidean distance.

Em estudos de diversidade genética de soja são utilizados caracteres agronômicos, morfológicos e moleculares que, por sua vez, são submetidos às análises biométricas multivariadas. Encontram-se disponíveis diferentes metodologias multivariadas, tais como as a distância Euclidiana, a distância de Mahalanobis e diferentes métodos hierárquicos. No entanto, são escassos os estudos que orientam para uma melhor escolha de tais análises em pesquisas com soja. O objetivo deste trabalho foi avaliar o padrão de agrupamento de genótipos de soja utilizando distância Euclidiana e Mahalanobis, seguindo diferentes métodos hierárquicos. O experimento foi realizado na Fazenda Capim Branco, da Universidade Federal de Uberlândia. Os tratamentos consistiram de 15 genótipos de soja (nove linhagens e seis cultivares) avaliados em delineamento de blocos completos casualizados com quatro repetições. Avaliaram-se os caracteres número de dias para o florescimento e maturidade, altura da planta no florescimento e na maturidade, altura de inserção da primeira vagem, número de nós na haste principal no florescimento e na maturidade, número de vagens com um, dois e três grãos, número total de vagens, produtividade de grãos, severidade da ferrugem asiática e número de pústulas. Os dados foram submetidos a análises multivariadas utilizando o Programa Genes. Tanto a distância generalizada de Mahalanobis como a distância Euclidiana, obtidas com caracteres agronômicos, permitem determinar a diversidade genética em soja. O uso da distância Euclidiana em métodos hierárquicos permite maior diferenciação de grupos. O método UPGMA e o métodos do vizinho mais próximo apresentam maior concordância no agrupamento de genótipos utilizando a distância de Mahalanobis e a distância Euclidiana.

Mahalanobis' distance and propensity score to construct a controlled matched group in a Brazilian study of health promotion and social determinants / Distância de Mahalanobis e escore de propensão para seleção de amostra pareada de controle em um estudo Brasileiro de promoção da saúde e determinantes sociais

In observational epidemiology it is usual to select a control group to study the effects of certain exposures on human health. Intervention studies are well known among epidemiologists but it is not very frequent in other areas of research. In this paper we propose the same idea of intervention studies and the use of three methods for a health promotion research control group selection: Propensity score, Mahalanobis' distance and Mahalanobis within Propensity Calipers. In the original project, "Health and Local Development: a progress review towards the millennium goals with relation to health in the Brazilian cities which develop social agendas", cities with social agendas from Brazil were matched separately by state. In the state of Paraná there are 397 cities. Of these, 34 presented social agendas implemented and active since, at least, 2004. Five variables measured in 2000 were considered for the matching: population size, human development index of income, human development index of education, percentage of literacy and vaccine coverage. As a result, among these three methods, the Mahalanobis by itself was considered the less efficient. In conclusion, the propensity, which is a very simple linear score, presented very good matched sample. However, the Mahalanobis within Calipers was the method that provided the best result.

Em epidemiologia observacional, é frequente o uso de grupos controle para avaliação do efeito de variáveis de exposição em desfechos na saúde de pessoas, porém este método não é muito utilizado em outras áreas. Este artigo propõe a aplicação da ideia de estudos de intervenção, com base em seleção de grupo controle, utilizando três métodos de seleção de amostra (escore de propensão, distância de Mahalanobis e distância de Mahalanobis dentro da margem estabelecida pelo escore de propensão) para pesquisa de promoção da saúde. No projeto “Saúde e desenvolvimento local: análise dos progressos em relação aos objetivos de desenvolvimento do milênio relacionados à saúde, nas cidades brasileiras que desenvolvem agendas sociais”, cidades com agendas sociais foram pareadas com amostra controle sem agendas sociais, para cada um dos estados do Brasil. Neste artigo foi considerado o estado do Paraná que tem 397 cidades sendo 34 com agendas sociais implementadas desde pelo menos 2004. Cinco variáveis, coletadas em 2000, foram consideradas para o pareamento: tamanho populacional, índice de desenvolvimento humano econômico e educacional, percentual de pessoas escolarizadas e cobertura vacinal. O resultado do pareamento com o uso da distância de Mahalanobis foi o que apresentou menor qualidade. Conclui-se que o método do escore de propensão, o mais simples e mais facilmente utilizado, apresentou como resultado um grupo de controle confiável. Entretanto, a distância de Mahalanobis dentro de margens do escore de propensão é o método que obteve o melhor resultado.

Reconhecimento e quantificação de expressão de imunoistoquímica empregando aprendizado de métricas de distância / Recognition and quantification of immunohistochemistry expression distance metric learning

Este artigo apresenta uma abordagem de segmentação para o reconhecimento e quantificação de expressão de imunoistoquímica (IHC) através do aprendizado de uma métrica de distância. Este método é baseado em duas etapas: treinamento e segmentação. A etapa de treinamento é realizada pela seleção supervisionada de algumas áreas típicas de expressão de IHC na imagem. Nesta etapa o padrão esperado de IHC é estatisticamente caracterizado, onde ocorre o aprendizado da métrica de distância e um espaço característico é modelado. Através desse espaço são obtidos os mapas de similaridade para cada imagem de IHC, com os níveis de intensidade correspondendo ao grau da reação do biomarcador sobre o tecido. A etapa de segmentação é guiada por um parâmetro de escala que controla a quantidade de áreas marcadas com base nos valores de intensidade dos mapas de similaridade. O método é baseado no aprendizado da distância de Mahalanobis para produzir um espaço característico, para posteriormente ser utilizado na distinção entre marcações positivas de expressão de IHC e tecidos normais, bem como quantificar o grau de intensidade da reação. Os resultados obtidos pelo método proposto foram comparados com a classificação linear no espaço de cores HSV (Hue, Saturation and Value) utilizando diferentes categorias de biomarcadores. Os resultados mostram que os limites da fronteira da distribuição dos padrões são mais bem definidos no método proposto, permitindo assim uma melhor discriminação entre tecidos normais e expressão de IHC.

This paper presents a segmentation approach to the recognition and quantification of immunohistochemistry (IHC) expression employing a distance metric learning method. This method is based in a two-step procedure, training and segmentation. The training step is performed by the supervised selection of a few IHC typical stained areas on image. In that step the desired IHC pattern is statistically characterized, where a distance metric is learned and a featured space is created. With this space, similarity maps are obtained by each IHC image with its intensity levels corresponding to degrees of reaction provided by the biomarker over the tissue. The segmentation step is guided by a scale-space parameter that controls the amount of labeled areas based on intensity values of the similarity maps. This method learns a Mahalanobis distance metric to produce a featured space used to distinguish between IHC positive staining and normal tissues, as well as quantifying the reaction intensity degrees. The results obtained by the proposed method were compared to the linear classification on HSV (Hue, Saturation and Value) color space using different biomarkers categories. The comparison results show that the boundary limits of the pattern distributions are better defined in the proposed method, allowing better discrimination between normal tissues and IHC expression.

Número necessário de experimentos para a análise de agrupamento de cultivares de feijão / Number of necessary experiments for the cluster analysis in common bean cultivars

O objetivo deste trabalho foi determinar o número de ambientes (experimentos) necessários para a identificação de cultivares de feijão (Phaseolus vulgaris L.) divergentes por meio de análise de agrupamento, com base em características de produção, fenologia e morfologia. Para tanto, 13 cultivares de feijão foram avaliadas em nove experimentos conduzidos em Santa Maria, Estado do Rio Grande do Sul (latitude 29°42S, longitude 53°49W e 95m de altitude), entre os anos agrícolas de 2000/2001 e 2004/2005. Foi utilizado o delineamento aleatorizado em blocos, com três repetições. Foram avaliados os caracteres produtividade de grãos, número de vagens por planta, número de sementes por vagem, massa de cem grãos, população final de plantas, número de dias da emergência ao florescimento, número de dias da emergência à colheita, altura de inserção de primeira vagem, altura de inserção de última vagem e grau de acamamento. Na região da depressão central do Estado do Rio Grande do Sul, Brasil, sete e seis experimentos são suficientes para identificar cultivares de feijão divergentes, por meio dos métodos de agrupamento hierárquico de Ward e de otimização de Tocher, respectivamente, quanto às características de produção, fenologia e morfologia.

The objective of this research was to determine the number of environments (experiments) that were necessary to identify the diversity in common bean cultivars (Phaseolus vulgaris L.), by cluster methods based on productive, phenologic and morphologic traits. Thirteen common bean cultivars were evaluated in nine experiments conducted in Santa Maria, in Rio Grande do Sul State, Brazil (latitude 29°42'S, longitude 53°49'W, altitude 95m) in the agricultural years of 2000/2001and 2004/2005. Randomized blocks design with three replications was installed to evaluate the following characters: grain yield, number of pods per plant, number of seeds per pod, weight of 100 grains, final population of plants, number of days of the emergency to flowering, number of days of the emergency to harvest, height of first pod insertion, height of the final pod insertion and degree of the down. In the central depression region of Rio Grande do Sul State, Brazil, seven and six experiments are sufficient to identify the diversity in common bean cultivars, by hierarchical methods of the Ward and optimizing Tocher, respectively, for productive, phenologic and morphologic traits.

Feature subset selection based on mahalanobis distance: A statistical rough set method / 西安交通大学学报·英文版

In order to select effective feature subsets for pattern classification, a novel statistics rough set method is presented based on generalized attribute reduction. Unlike classical reduction approaches, the objects in universe of discourse are signs of training sample sets and values of attributes are taken as statistical parameters. The binary relation and discernibility matrix for the reduction are induced by distance function. Furthermore, based on the monotony of the distance function defined by Mahalanobis distance, the effective feature subsets are obtained as generalized attribute reducts. Experiment result shows that the classification performance can be improved by using the selected feature subsets.

Feature subset selection based on mahalanobis distance: a statistical rough set method / 药物分析学报

In order to select effective feature subsets for pattern classification, a novel statistics rough set method is presented based on generalized attribute reduction. Unlike classical reduction approaches, the objects in universe of discourse are signs of training sample sets and values of attributes are taken as statistical parameters. The binary relation and discernibility matrix for the reduction are induced by distance function. Furthermore, based on the monotony of the distance function defined by Mahalanobis distance, the effective feature subsets are obtained as generalized attribute reducts. Experiment result shows that the classification performance can be improved by using the selected feature subsets.

A Study of the Utility of Mahalanobis Distance for Decision of the Results of Health Examination / 대한산업의학회지

In the field of industrial health, it is important to establish the efficient system for health management of workers. The management of health information of workers using data base will contribute to such a system. In this context, the utility of method using Mahalanobis distance(D(2)), the general probability distance in multivariate analysis, for decision of the results of health examination was evaluated. Six items of test among the health examination data of 278 prospective employee was used to calculate D(2). Sensitively and specificity of decision method using D(2) with 99% normal range was 95.8% and 90.2% respectively as compared with decision by doctor. This finding suggests the utility of method using D2 for decision of the results of mass screening for industrial workers.

Application of Multivariate Statistics Analysis in HPLC Fingerprint of Shenmai Injection / 中成药

Objective: To establish an effective fingerprint analysis. Methods: Cluster analysis and mahalanobis distance analysis were adopted to analyze data of HPLC fingerprint of shenmai injection. Results: Precise classification of 18 samples was done by cluster analysis and mahalanobis distance analysis. Conclusion: Authors believe that multivariate statistics analysis applied to fingerprint can be recommanded in the quality control of shenmai injection.