最近參加了EAAP會(huì)議，聽了 Ole F. Christensen報(bào)告了將多組學(xué)數(shù)據(jù)加入到GP中的報(bào)告株灸。
其測(cè)試的結(jié)果是：微生物組(https://doi.org/10.3168/jds.2022-22948)沒有幫助提高GS和GP的準(zhǔn)確性萧福；但是代謝組也沒有提高GS的準(zhǔn)確性拉鹃，但是提高了GP的準(zhǔn)確性。
代謝組整合到GP的文章最近發(fā)表在了GSE上统锤，現(xiàn)在整理出毛俏，讓我們使用其他組學(xué)進(jìn)行測(cè)試和借鑒。
文章名字：代謝組學(xué)-基因組預(yù)測(cè)可以提高大麥麥芽品質(zhì)性狀育種值的預(yù)測(cè)準(zhǔn)確性(https://doi.org/10.1186/s12711-023-00835-w)
值得注意是：此文章的所有數(shù)據(jù)饲窿，包括表型煌寇、基因組和代謝組數(shù)據(jù)，都可以在公共可訪問的存儲(chǔ)庫中獲扔庑邸（https://data.mendeley.com/datasets/s3s4ft92wj/1）阀溶。
摘要
- 背景
代謝組學(xué)測(cè)量基因型和表型之間的中間階段，因此可能對(duì)育種有用鸦泳。 - 目標(biāo)：
整合基因組和代謝組信息研究麥芽質(zhì)量 (MQ) 性狀的遺傳參數(shù)和預(yù)測(cè)育種值的準(zhǔn)確性银锻。 - 數(shù)據(jù)：
總共包括來自三年和兩個(gè)地點(diǎn)的 2430 個(gè)地塊，562 個(gè)啤酒春大麥品系做鹰。在每個(gè)地塊生產(chǎn)的麥芽汁中測(cè)量了五種 MQ 性狀击纬。使用的代謝組學(xué)特征是對(duì)每個(gè)麥芽汁樣品測(cè)量的 24,018 個(gè)核磁共振強(qiáng)度。 -
方法：
統(tǒng)計(jì)分析的方法是基因組最佳線性無偏預(yù)測(cè)（GBLUP）和代謝組學(xué)-基因組最佳線性無偏預(yù)測(cè)（MGBLUP）（由GOBLUP钾麸，Genomic Omics BLUP演變出來）更振。驗(yàn)證法：
（1）使用兩種交叉驗(yàn)證策略比較預(yù)測(cè)育種值的準(zhǔn)確性：留一年（LOYO）和留一線出（LOLO）炕桨，
（2）線性回歸（LR）方法查看兩者情況下驗(yàn)證群體（VP）基因組預(yù)測(cè)準(zhǔn)確性的提高。第一：納入VP的代謝組數(shù)據(jù)后準(zhǔn)確性的提高 肯腕；第二：納入VP的代謝組和表型數(shù)據(jù)后準(zhǔn)確性的提高献宫。
如下圖所示的驗(yàn)證方法：
image.png
-
結(jié)果
（1）對(duì)于所有性狀作者發(fā)現(xiàn)代謝組介導(dǎo)的遺傳力很大。
image.png
（2） 交叉驗(yàn)證結(jié)果表明实撒，一般來說姊途，當(dāng)表型和代謝組數(shù)據(jù)記錄都在一塊地有時(shí)，MGBLUP 和 GBLUP 的預(yù)測(cè)精度相似知态。
LOLO的預(yù)測(cè)結(jié)果
LOYO預(yù)測(cè)結(jié)果
（3） LR 方法的結(jié)果表明捷兰，對(duì)于除一項(xiàng)外的所有性狀，當(dāng)包括 VP 品系的代謝組數(shù)據(jù)時(shí)肴甸，MGBLUP 的準(zhǔn)確性有所增加寂殉，并且當(dāng)還包括表型時(shí)，MGBLUP 的準(zhǔn)確性進(jìn)一步增加原在。
LOLO下的LR的準(zhǔn)確率增加指標(biāo)：
（4）然而，一般來說彤叉，當(dāng)在 VP 上包括代謝組數(shù)據(jù)和表型時(shí)庶柿，MGBLUP 準(zhǔn)確性的增加與在 VP 系上包括表型時(shí) GBLUP 準(zhǔn)確性的增加相似。
LOYO下的LR的準(zhǔn)確率增加指標(biāo)：
（5）因此秽浇，作者們發(fā)現(xiàn)浮庐，當(dāng)代謝組學(xué)數(shù)據(jù)包含在 VP 品系中時(shí)，沒有表型記錄的品系的準(zhǔn)確性大大提高柬焕，
- 結(jié)論
MGBLUP 是一種結(jié)合表型审残、基因組和代謝組數(shù)據(jù)來預(yù)測(cè) MQ 性狀育種值的有用方法。
GOBLUP的詳細(xì)介紹
公式：
- 方程（1）描述了表型和組學(xué)表達(dá)水平之間的關(guān)系斑举，其中y是表型向量搅轿，β是包含固定效應(yīng)的向量，矩陣X將固定效應(yīng)與表型聯(lián)系起來富玷，矩陣Z將具有組學(xué)數(shù)據(jù)的個(gè)體與表型聯(lián)系起來璧坟，矩陣 M 包含 m1,…,mk 作為列，向量 α 包含組學(xué)表達(dá)水平對(duì)表型的回歸效應(yīng)赎懦，向量 ar 包含殘余遺傳效應(yīng)雀鹃，即對(duì)表型的遺傳效應(yīng)不是通過觀察到的組學(xué)表達(dá)水平介導(dǎo)的，矩陣 Zr 涉及 遺傳對(duì)表型的影響励两，ε 是殘差向量黎茎。
-
組學(xué)特征 i=1,…,k 的方程 (2) 描述了組學(xué)表達(dá)水平 mi 與個(gè)體遺傳效應(yīng)之間的關(guān)系，其中矩陣 X~ 將固定效應(yīng)與組學(xué)表達(dá)水平相關(guān)聯(lián)（對(duì)于不同的組學(xué)特征假設(shè)固定效應(yīng)中的變量相同）当悔，矩陣Z~ 將個(gè)體與組學(xué)表達(dá)水平聯(lián)系起來傅瞻，對(duì)于第i個(gè)組學(xué)特征迁酸，向量β~i包含固定效應(yīng)，向量gi是遺傳效應(yīng)向量俭正，ei是殘差向量奸鬓。 遺傳效應(yīng)是針對(duì)所有感興趣的個(gè)體（即，包括沒有表型和組學(xué)數(shù)據(jù)的個(gè)體）指定的掸读，并且相應(yīng)地定義了發(fā)生矩陣 Zr 和 Z~串远。 我們注意到關(guān)聯(lián)矩陣之間的關(guān)系，Zr=ZZ~儿惫，并且在模型的兩個(gè)部分中固定效應(yīng)中的變量相同的情況下澡罚，則 X=ZX~。 因此肾请，設(shè) G 為包含 g1,…,gk 為列的矩陣留搔，E 為包含 e1,…,ek 為列的矩陣，則 M=X~ B~ + G + E 铛铁，其中 B~ = [β~ 1,…,β~k] 隔显。 注意，這里的矩陣G不是基因組關(guān)系矩陣饵逐。
image.png
最終：育種值a= Gα + ar
改為類似混合方程組（更好理解）：
第一步括眠，通過估計(jì)組學(xué)效應(yīng)（類似于 SNP-BLUP）或使用組學(xué)相似性（類似于 GBLUP）來估計(jì)組學(xué)對(duì)數(shù)據(jù)的影響：
由“非介導(dǎo)”遺傳效應(yīng)解釋的表型變異部分；這些方程產(chǎn)生 EBV 的"非中介部分 （ar）; 和“改進(jìn)的表型預(yù)測(cè)” （u）,它們基于性狀觀察y和組學(xué)M倍权，可以被視為“環(huán)境噪聲較少的y ”掷豺，或者作為預(yù)測(cè)性狀，例如 SCS薄声，它是亞臨床乳腺炎的預(yù)測(cè)因子当船。
在第二步中，一旦表型預(yù)測(cè)因子 （u）獲得后默辨，它們?cè)诘诙€(gè) MME 中用作偽特征來提取可遺傳部分德频， am:
X 和Z~ 是組學(xué)記錄和參數(shù)的設(shè)計(jì)矩陣 , h2m是組學(xué)測(cè)量的遺傳力.
最后總EBV:a = am + ar
參考文章（算法詳細(xì)內(nèi)容應(yīng)該查看文獻(xiàn)2和3）：
- 代謝組學(xué)-基因組預(yù)測(cè)可以提高大麥麥芽品質(zhì)性狀育種值的預(yù)測(cè)準(zhǔn)確性(https://doi.org/10.1186/s12711-023-00835-w)
- 遺傳評(píng)估，包括中間組學(xué)特征（https://doi.org/10.1093/genetics/iyab130）
- 基因組評(píng)估方法包括中間相關(guān)特征廓奕，例如高通量或組學(xué)表型（https://doi.org/10.3168/jdsc.2022-0276）
