当前位置：首页 > news >正文

一、基因组选择（GS）与基因组预测（GP）

news 2025/8/25 17:37:32

🐷 基因组选择（GS）与基因组预测（GP）学习汇总

一、论文相关背景

论文题目：《Genomic selection in pig breeding: comparative analysis of machine learning algorithms》
核心研究内容：比较多种机器学习方法在猪基因组预测（GP）中的效果，推荐最优方法（Stacking、SVR、KRR-RBF）。

二、GS 与 GP 的概念

GS（Genomic Selection，基因组选择）
- 是一种 育种策略
- 通过基因组数据预测个体的遗传潜力（GEBV），再据此选种。
- 📌 类比：大学招生办 → 按成绩录取学生（挑选最优猪繁殖）。
GP（Genomic Prediction，基因组预测）
- 是一种 技术动作
- 用 SNP 数据预测表型值或 GEBV。
- 📌 类比：高考阅卷 → 根据答卷（SNP）给学生打分（预测值）。

三、GP 预测的目标

表型值（Phenotypic value）
- 实际测得的性状值：体重、背膘厚度、窝仔数、初生窝重等
- 用途：
  - 作为训练数据的标签
  - 直接评价个体当前表现
  - 是估算 GEBV 的基础
基因组估计育种值（GEBV）
- 表示基因能传给后代的遗传效应
- 用途：
  - 核心用于 选种和育种决策（挑选繁殖用个体）
  - 预测下一代平均水平

📌 关系：
表型值 = 遗传效应 + 环境效应
GEBV ≈ 遗传效应部分（可遗传，能传递给下一代）

四、GP/GS 的典型流程

采集样本（取耳组织）
-> DNA 芯片检测（获得 p 个 SNP 特征）
-> 数据预处理（居中/标准化/LD 剪枝）
-> 构建 X 矩阵（m × p SNP 编码）
-> 选择模型（GBLUP / KRR / SVR / Stacking 等）
-> 模型训练（得到每个 SNP 的权重或样本权重）
-> 计算预测值 Ŷ（表型值 / GEBV）
-> 基因组选择（根据预测值挑选最佳个体）

五、特征处理与权重

不进行特征删除
- 普通 ML：特征选择（删掉不相关特征，得到 new_X）
- GP/GS：通常 不删除 SNP，而是给不同 SNP 不同权重
  - 因为很多 SNP 单独作用小，但累积作用大，删掉会丢信息
获取特征
- GBLUP：用所有 SNP 构建基因关系矩阵，求解混合模型，得到 SNP 效应
- KRR/SVR：用核函数综合所有 SNP 信息，得到样本权重
- LASSO/ENET：直接做特征稀疏化，部分 SNP 权重变 0
- 随机森林 / 集成模型：通过树分裂或投票机制给 SNP 隐式权重
初步评估
- 单个样本：
  y^=w1x1+w2x2+⋯+wpxp+b
- 整个数据集：
  Y^=XW
- 预测值再作为选种依据

六、模型与 Y 的关系

预测目标 (Y)	类型	常用模型
连续型表型值（体重、窝仔数）	回归	GBLUP、KRR、SVR、RFR、Stacking、CNN、MLP
GEBV（连续型）	回归	GBLUP（最经典）、SSGBLUP、KRR、SVR
离散性状（抗病性 0/1）	分类	Logistic 回归、SVM 分类、随机森林、XGBoost
多性状联合预测	多任务回归	多性状 GBLUP、多任务神经网络