52 - 基因组预测的基础(5)— LR 方法的理论和实践
2022-09-13 本文已影响0人
Hello育种
LR方法创建者：Legarra, A., Reverter, A., 其发表在GSE期刊：https://gsejournal.biomedcentral.com/articles/10.1186/s12711-018-0426-6。
动物育种值估计时有风险的，并不是百分之百准确。
交叉验证（cross-validation）- 以前经常使用的方法
一般步骤：
image.png
但是应该怎么划分数据?
image.png
都有各自的缺点：
例如向前交叉验证;
image.png
指标（Metrics）
image.png
真实和估计遗传进展， 为什么查看b0 和b1：
image.png
b0
image.png
b1
image.png
我们应该怎做交叉验证？
image.png
因为遗传变异的减小，使用预测力（predictability）会低估准确性
image.png
例如：
image.png
因为忽略固定效应的误差，使用预测力（predictability）会高估准确性
image.png
实际中我们以前怎么做的交叉验证：
image.png
新方法： LR
image.png
image.png
LR方法怎么工作？
image.png
确定focal群体
image.png
指标
image.png
例子求解（R）：
image.png
新的指标——准确性（相对估计量）：
image.png
已经经过选择的可靠性：
image.png
未经过选择的可靠性：
image.png
例子文章：使用 BLUP 和 SSGBLUP 对元创始人和未知父组进行奶羊评估的偏差和准确性
image.png
定义focla群
image.png
定义“整体“和"部分”数据集。
image.png
需要学会awk和shell语句帮助自动化工作
例如：
image.png
实践中对于部分数据集的处理
image.png
参考相同的遗传基础
image.png
基因型数据（genomic）VS 系谱
总共四次估计
image.png
比较不同的模型
image.png
一些结果
from: Fernando Macedo, 在法国对奶绵羊的育种。
image.png
基础群体：
image.png
法国奶羊的基因分型：
image.png
结果
image.png
image.png
例子文章：删除数据并使用元创始人减轻了 Lacaune 奶羊预测中所有性状的偏差
主要内容：
image.png
主要结果：
偏差(bias)：
image.png
斜率（slope）:
image.png
其他：
image.png
image.png
奶绵羊的主要结论：
image.png
LR方法是假设模型正确
模拟
image.png
结果：
image.png
image.png
image.png
结论
image.png
总结
image.png
image.png
