Multi-Trait Bayesian Models Enhance the Accuracy of Genomic Prediction in Multi-Breed Reference Populations
Published in Agriculture, 2024
背景
对多个品种进行联合基因组预测（MBGP）以扩大参考规模是一种有前景的策略，可以改善对单个品种有限种群规模或表型记录的预测。然而，如果不同品种的遗传背景和标记效应结构存在差异，简单合并多个品种并不一定能带来稳定提升。
方法
本研究提出了一种 MBGP 模型 mbBayesAB。该模型将不同品种的相同性状视为潜在的遗传相关但不同的性状，并将染色体划分为独立区块，以拟合异质遗传（协）方差。研究还分析了 mbBayesAB 中随机效应（协）方差矩阵先验的最佳实践，并将该模型与品种内基因组预测（WBGP）以及其他常用 MBGP 模型进行比较。
结果
结果表明，在随机效应先验中分配逆 Wishart 分布，并从表型中获得逆 Wishart 先验的尺度信息，可以使 mbBayesAB 获得较高预测准确性。当联合使用两个牛品种（利木赞和安格斯）时，mbBayesAB 在两个体重性状上的准确性均高于 WBGP 模型。对于猪的大理石纹评分性状，与 WBGP 相比，使用 mbBayesAB 的多品种联合预测使约克郡验证群体的准确性提高了 6.27%。
结论
在多品种基因组预测中考虑异质遗传（协）方差是有益的，但合理设定（协）方差和超参数先验对于模型性能至关重要。
Recommended citation: Weining Li, Meilin Zhang, Heng Du, Jianliang Wu, Lei Zhou and Jianfeng Liu，Multi-Trait Bayesian Models Enhance the Accuracy of Genomic Prediction in Multi-Breed Reference Populations，Agriculture，2024，14(4)：626
原文链接 | pdf全文下载