一种具有数千个高通量表型性状的全基因组预测的超大规模混合模型


发布时间:

2022-08-08

来源:

本站

作者:

PhenoTrait

  随着高通量表型技术的最新进展,需要能够联合分析大量高度相关性状的统计模型,以实现有效的基因组选择。由于高通量表型平台的发展,大规模的表型数据在今天被广泛使用。利用传统的多元线性混合模型对高维、高度相关的性状进行遗传分析,在分析和计算上面临挑战。在此,本研究利用贝叶斯稀疏因子模型将多元线性混合模型应用于具有数千个性状的全基因组预测。在贝叶斯稀疏因子模型统计框架中实现了基于核的模型(例如基因组最佳线性无偏预测(GBLUP))和标记效应模型(例如BayesC)。本研究的超大规模混合模型表明,通过联合利用来自数千个性状的信息,特别是在标记效应上使用混合先验时,在真实数据中的遗传价值预测方面有显著改进。为了克服结合大规模表型数据和基因组数据的基因组分析所面临的问题,需要进行进一步的研究,例如在预选择过程缩小SNP的数量。

 

  图1 四种小麦产量模型的基因组值预测性能。

 

  来源:Qu J., Runcie D. E., Cheng H.. Mega-scale mixed models for genome-wide prediction with thousands of high-throughput phenotyping traits.

  

  编辑:张玉

推荐新闻

石时之约|韩志国:透过表型数据,看见植物的喜怒哀乐!

本期石时之约,我们将对话慧诺瑞德(北京)科技有限公司总经理、国际植物表型学会(IPPN)执委会委员/工业分会副主席韩志国,一起从表型数据的科学角度,去读懂农作物的喜怒哀乐和前世今生。

慧科研、慧育种、慧种田——慧聚改变的力量

让我们“慧聚”在一起,为“慧科研、慧育种、慧种田”赋能。

高通量植物表型平台建设注意事项

育种,是在给定的环境条件下,选择各种表型指标(产量、品质、抗性)最优的基因型材料的过程(AI育种,从这里起步)。育种工作中大约70%的工作量来自表型观察测量和筛选,是最耗人力物力的过程。

作物生理表型测量基础原理

生理表型测量的核心在于“早、快”,要在肉眼可见之前就能测量并预判出变化趋势,才是这个技术的核心价值。叶绿素荧光成像,恰好满足了这个要求。