Das Genomic Bayesian Methods Add-In ist ein Wrapper um die Bayesian Generalized Linear Regression (BGLR; de los Campos und Rodriguez 2014, Genetics 198: 483-495). Genetische Markereffekte können unter Verwendung von Bayes A, Bayes B, Bayes C, Bayesian LASSO oder Bayesian Ridge Regression geschätzt werden. Die Methoden in diesem Add-In sind vollständig in das Tool zum Vergleichen von Kreuzvalidierungsmodellen in JMP Genomics integriert und ermöglichen den Vergleich der Genauigkeit vieler verschiedener Modelle. Darüber hinaus werden die Markereffekte der angepassten Modelle in einer Score-Datei gespeichert, die anschließend in die Zuchtwerkzeuge für Kreuzbewertung und Nachkommenauswahl in JMP Genomics geladen werden kann, um die Zuchtwerte von Individuen vorherzusagen, Kreuzungen zu bewerten und Nachkommen in mehreren Zuchtgenerationen zu simulieren .
Die folgende Abbildung zeigt die Bayes B-Methode, die an einen Gerstendatensatz angepasst ist. Beachten Sie, dass die Korrelation zwischen vorhergesagten und beobachteten Merkmalswerten 0,8777 beträgt.
Die folgende Abbildung zeigt den Durchschnitt der Korrelation zwischen vorhergesagten und beobachteten Merkmalswerten, die durch dreifache Kreuzvalidierung für 6 Iterationen erhalten wurden. Daher ist die im Diagramm gezeigte Korrelation der Durchschnitt aus 18 Läufen für jedes getestete Modell. Während die durchschnittliche Korrelation für Bayes B in den Kreuzvalidierungsläufen 0,5357 beträgt, beträgt die Korrelation für Bayes B im gesamten Datensatz ohne Kreuzvalidierung 0,8777 (in der ersten Abbildung gezeigt). Dieses Beispiel zeigt, wie wichtig es ist, Modelle durch Kreuzvalidierung zu vergleichen, um ein realistischeres Maß für die Vorhersagegenauigkeit zu erhalten.
