基因組貝葉斯方法外接程序是圍繞貝葉斯廣義線性回歸（BGLR; de los Campos and Rodriguez 2014，Genetics 198：483-495）的包裝。 可以使用貝葉斯A，貝葉斯B，貝葉斯C，貝葉斯LASSO或貝葉斯嶺回歸來估計遺傳標記效應。 此加載項中的方法與JMP Genomics中的交叉驗證模型比較工具完全集成，從而可以比較許多不同模型的準確性。 此外，擬合模型的標記效果保存在一個評分文件中，該評分文件隨後可以加載到JMP Genomics中的“交叉評估和後代選擇”育種工具中，以預測個體的育種價值，評估雜交並模擬多代育種的後代。
下圖顯示了適合大麥數據集的貝葉斯B方法。 請注意，預測特徵值與觀察特徵值之間的相關性為0.8777。
下圖顯示了通過3次交叉驗證運行6次迭代獲得的預測和觀察到的性狀值之間的相關性平均值。 因此，圖中顯示的相關性是每個測試模型在18次運行中獲得的平均值。 在交叉驗證運行中，貝葉斯B的平均相關性為0.5357，而在沒有交叉驗證的整個數據集中，貝葉斯B的相關性為0.8777（在第一個圖中顯示）。 此示例顯示了通過交叉驗證比較模型以獲取更實際的預測準確性度量的重要性。
