当前位置：首页>农业>IF15.7!恭喜华中农业大学团队用五张图成功拿下《NC》子刊!

IF15.7!恭喜华中农业大学团队用五张图成功拿下《NC》子刊!

2026-05-12 09:53:21

研究核心亮点

注释整合精准建模：

研究创新提出 IFAM 模型，可自动整合基因功能注释，有效解决注释重叠问题，减少估计偏差，让基因组预测基础更扎实。

多域验证效果显著:

通过人、猪、水稻多物种测试验证，该模型相比传统 GBLUP，预测精度提升 4.09% 至 10.83%，跨物种适用性强且结果可靠。

高效适配揭示规律:

运用 HE+PCG 策略大幅提速，性能优于 BayesR，适配动植物育种，同时证实预测精度由注释质量决定，而非注释数量。

引言

🔥想把复杂性状的基因组预测做得更准，用好基因功能注释就是关键大招！现在各种组学数据越堆越多，但怎么简单高效地塞进预测模型，一直是个大麻烦。

🗝️华中农大动科院团队搞出了 IFAM 新模型，靠多随机效应，轻松兼容各种基因注释信息。

🗝️不管是人、畜禽还是水稻，测试下来预测准确度直接拉高，速度快还稳定靠谱！

🗝️今天就来聊聊这套模型到底是怎么做到的～

本文研究创新性较强，结构严谨。关注生信茧房！联系后台！你的下一篇高分论文，说不定就从这里启航！

文献解读

研究背景

现在各类功能基因组相关数据越来越多，怎样合理用上大量基因注释信息、提高基因组预测的准确度，是动植物育种和人类复杂性状研究里急需解决的重要难题。

研究方法

◾模型与计算方式

本次研究搭建了 IFAM 多随机效应线性混合模型，能自动整合基因功能注释，还搭配 HE+PCG 方法加快运算；同时选用 GBLUP、BayesR 等多种主流模型做对比。

◾统计分析手段

利用 GWAS 筛选出和性状相关的关键 SNP 位点，通过两种方法估算遗传相关参数，最后用相关系数、AUC、预测偏差等指标，判断模型预测效果好不好。

◾数据预处理与验证方案

先用软件筛选基因型数据、构建遗传矩阵，校正表型里的干扰因素；采用 8:2 分组多次交叉验证，还在人、猪、水稻多个物种上测试模型通用性。

研究结果

功能注释有效性验证：

基因功能注释可以稳定用来提前判断 SNP 位点对遗传性状的影响大小，处在功能富集区域的 SNP，单个位点能解释的性状差异、遗传力水平都会更高。注释能不能提升预测效果，主要看它和对应物种、组织、研究性状是否匹配相关，并不是注释的数量越多越好。

功能注释重要性评估的示例

跨物种预测精度提升：

在人类 WTCCC1 数据集的测试结果中，该模型对比传统 GBLUP 模型，整体预测精度平均提高 9.46%，针对 1 型糖尿病（T1D）的预测效果提升幅度更是达到 32.98%。

WTCCC1数据集中不同模型的预测性能。

利用英国 UK Biobank 人群数据进行测试，该模型相比传统 GBLUP 模型，预测准确度平均提升 6.15%，同时预测结果的偏差更小、更稳定。

不同模型在UK Biobank数据集中的预测性能。

在生猪杜洛克品种的数据集测试中，该模型比传统 GBLUP 模型的预测精度平均提高了 4.59%，其中针对杜洛克猪背膘厚（BF）这一性状的预测精度，提升幅度达到了 7.90%。

不同模型在杜洛克猪数据集中的预测性能。

采用水稻数据集开展验证，该模型相较于传统 GBLUP 模型，对产量相关性状的预测精度平均提高 10.83%，其中针对粒长宽比这一性状的预测效果提升幅度达到 18.15%。

不同模型在水稻数据集中的预测性能。

模型对比核心优势：

和 Adaptive MultiBLUP 相比，本模型稳定性更好，用在家禽家畜数据上不会出现模型失效、方差为零的问题。对比 BayesRC 模型，它对原始、重复的注释信息兼容性更强，不用特意筛选优质注释数据。跟 BayesR 模型相比，两者预测准确度差不多，但本模型运算速度快很多，英国 UKB 这种大规模数据，1.5 小时就能跑完。

注释类型影响规律：

真实有效的基因功能注释，能明显提高模型预测的准确率，而虚假无效的注释，反而会让预测效果大打折扣。只使用通用型的功能注释时，人类相关数据的预测效果仅提升 1.40%，畜禽和农作物的数据提升幅度就更小了。如果再加入 GWAS 筛选出的、和研究性状直接相关的特异性位点，对所有物种的预测准确率都会有大幅度提升。