基因组预测的基石 (4) - ssGBLUP 和 H 矩阵

人工智能

2024-01-14 17:04:32

基因组预测：基于 H 矩阵的 ssGBLUP 方法

随着基因组测序技术的发展，基因组预测在各领域中发挥着越来越重要的作用。ssGBLUP（单步基因组最佳线性无偏预测） 是一种广泛使用的基因组预测方法，它将基因组信息直接纳入线性混合模型中，提高了预测准确性。

H 矩阵：ssGBLUP 的关键

H 矩阵 是 ssGBLUP 方法中的关键矩阵，它由基因组亲缘关系矩阵计算而来。H 矩阵具有以下特性：

对角元素为 1： 表示个体与自身的关系。
非对角元素表示个体之间的基因组相似性： 相似性越高，H 矩阵中的值越大。
半正定： 这意味着 H 矩阵的所有特征值都是非负的。

ssGBLUP 中 H 矩阵的作用

H 矩阵在 ssGBLUP 中有两个主要作用：

控制基因组选择趋势： H 矩阵的特征值决定了基因组选择趋势的衰减速率。特征值较大的个体对选择趋势的贡献更大，而特征值较小的个体对选择趋势的贡献较小。
减少过拟合： H 矩阵的半正定性有助于减少过拟合，因为它限制了基因组效应的方差。

ssGBLUP 的优势

ssGBLUP 是一种强大的基因组预测方法，具有以下优势：

准确性高： 利用基因组标记信息，ssGBLUP 可以显著提高预测准确性，尤其是在训练种群与目标种群具有遗传相关性的情况下。
计算效率： ssGBLUP 计算简单，可以处理大规模数据集。
适用范围广： ssGBLUP 可用于预测各种表型，包括连续性状和二元性状。

ssGBLUP 的局限性

与其他方法一样，ssGBLUP 也有一些局限性：

依赖于训练种群： ssGBLUP 的准确性取决于训练种群的遗传多样性，如果训练种群的遗传多样性低，预测准确性可能会受到影响。
预测偏差： 在某些情况下，ssGBLUP 可能会产生预测偏差，例如，当存在关联不平衡或表型数据不完整时。

ssGBLUP 的应用

ssGBLUP 已广泛应用于各个领域，包括：

动物育种： 牛、猪和鸡等动物的育种。
人类遗传学： 疾病易感性和药物反应的预测。
作物改良： 作物产量和抗病性的预测。

代码示例

下面是一个使用 H 矩阵进行 ssGBLUP 的 R 代码示例：

# 加载数据
data <- read.csv("data.csv")

# 构建基因组亲缘关系矩阵
G <- kinship(data$genotypes)

# 计算 H 矩阵
H <- G %*% solve(G) %*% t(G)

# 构建线性混合模型
model <- lmer(phenotype ~ H + fixed_effects + random_effects, data = data)

# 预测基因组值
gv <- predict(model, newdata = data, type = "genetic")