某些贝叶斯全基因组回归方法中，标记方差先验的尺度参数的影响

《Mammalian Genome》：Impact of scale parameter for marker variance prior in some Bayesian whole-genome regression methods

　　

摘要

在本研究中，传统的单性状贝叶斯全基因组回归方法（BayesA、BayesB 和 BayesCπ）将标记方差先验的尺度参数视为固定值，并将其与替代版本（BayesSA、BayesSB 和 BayesSCπ）进行了比较。这些替代版本使用 Gamma 先验从数据中估计该参数。分析使用了来自一个商业 PIC 猪群的 3,534 只动物的公开可用数据集，这些动物具有基因型和表型记录。通过六折交叉验证评估了每种性状的模型性能，使用基因组估计育种值（GEBV）与伪估计育种值（pEBV）之间的相关性作为预测准确性的衡量标准。替代模型 BayesSA 的准确性高于 BayesA，而 BayesSB 没有显示出改进，这可能是因为其估计的尺度参数与 BayesB 中的固定值相似。对于 BayesCπ，结果证实先验对标记方差的影响有限，导致经典版本和替代版本之间的性能相似。对五个性状（T1–T5）的遗传力进行了估计，模型规格对这些估计略有影响。替代模型从数据中估计先验方差参数，而不是假设它们是固定的，通常产生的遗传力估计值低于其经典对应模型。考虑到原始 PIC 研究中的参考遗传力值是基于广泛的系谱和高密度基因型数据得出的，因此可以认为替代模型的估计值是相当一致的。这些发现表明，贝叶斯模型中的超参数估计可以提高预测准确性和遗传力估计的可靠性，为具有复杂遗传结构的性状提供了一个更合适的框架。