IF15.7!恭喜华中农业大学团队用五张图成功拿下《NC》子刊!

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。

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。