基因组贝叶斯方法外接程序是围绕贝叶斯广义线性回归（BGLR; de los Campos and Rodriguez 2014，Genetics 198：483-495）的包装。 可以使用贝叶斯A，贝叶斯B，贝叶斯C，贝叶斯LASSO或贝叶斯岭回归来估计遗传标记效应。 此加载项中的方法与JMP Genomics中的交叉验证模型比较工具完全集成，从而可以比较许多不同模型的准确性。 此外，拟合模型的标记效果保存在一个评分文件中，该评分文件可随后加载到JMP Genomics的“交叉评估和后代选择”育种工具中，以预测个体的育种价值，评估杂交并模拟多代育种的后代。
下图显示了适合大麦数据集的贝叶斯B方法。 请注意，预测特征值与观察特征值之间的相关性为0.8777。
下图显示了通过3次交叉验证运行6次迭代获得的预测和观察到的性状值之间的相关性平均值。 因此，图中显示的相关性是每个测试模型在18次运行中获得的平均值。 在交叉验证运行中，贝叶斯B的平均相关性为0.5357，而在没有交叉验证的整个数据集中，贝叶斯B的相关性为0.8777（在第一个图中显示）。 此示例显示了通过交叉验证比较模型以获取更实际的预测准确性度量的重要性。
