219664_zh-TW

liliconcom

使用 JMP Genomics 進行交叉評估和後代模擬，第 2 部分：育種值的預測模型

在上週的貼文，我們使用最佳線性無偏預測將育種試驗資料合併到一個表格中。 下表（大麥_基因_pheno.sas7bdat ）顯示了約 300 個大麥品系，具有四個性狀的表型值和約 7000 個遺傳標記。 在這篇文章中，我們將使用預測建模回顧JMP Genomics 中的工具可建立多個模型並透過交叉驗證對它們進行比較。 交叉驗證後，我們將選擇最有效的模型並使用它來建立評分程式碼文件，我們可以從中執行交叉評價和後代模擬。

估算缺失基因型

1. 請注意，在上面顯示的資料集中，缺少一些標記資料。 在運行之前預測建模回顧工具，需要對這些缺失的基因型進行估算。 JMP基因組學有一個工具可以根據最近鄰樣本估算缺失的基因型。 若要存取此工具，請選擇遺傳學 > 遺傳學實用程式 > 估算缺失基因型來自基因組學入門。
2. 上一般的選項卡，選擇大麥基因現象。 sas7bdat作為輸入 SAS 資料集。
3. 選擇IndID、蛋白質_BLUP、TW_BLUP、ERG_BLUP、和PY_BLUP作為要保留在輸出中的變數。
4. 在裡面預測連續變數的列表式規範框，輸入米：指定以字母“m”開頭的每一列作為標記變數。
5. 選擇一個匯出目錄。
6. 此範例沒有註釋資料集，因此註解選項卡可以留空。
7. 上選項選項卡，設定最近鄰樣本的數量到25 。 這將使用標記最近的 25 個鄰居來估算缺失的基因型。
8. 在裡面輸出選項卡，類型大麥估算進入輸出文件前綴
9. 點選跑步開始分析。 過程完成後，新的資料集將出現在您指定的位置匯出目錄。 此估算資料集標題為barley_impute_img。 sas7bdat將用於下面的預測建模審核輸入。

預測建模回顧

10. 來自基因組學入門選單，選擇預測建模 > 主要方法 > 預測建模綜述。 上一般的選項卡，選擇barley_impute_img。 sas7bdat作為輸入 SAS 資料集來填充可用變數盒子。
11. 將四個特徵中的每一個放入因變數。JMP 將同時為所有四個特徵建立模型。
12. 在裡面預測連續變數的列表式規範框，輸入米：
13. 選擇一個匯出目錄。

     

14. 保留預設選擇選項標籤。
15. 在裡面楷模選項卡中有 12 種模型，並且都是完全可自訂的。 對於本範例，選擇偏最小平方法、分區樹、和嶺回歸。 我們將創建這三個模型來預測這四個特徵中的每一個，並使用交叉驗證來比較它們的有效性。
    • 可以透過突出顯示來調整各個模型設置選定型號選擇並點擊編輯在視窗的右側。
    • 此外，具有不同設定的相同建模類型的多次迭代可以包含在同一分析中。
16. 突出顯示偏最小平方法模型並點擊編輯開啟設定視窗。 有多種選項可用於生存、減少預測變數和鎖定變數。 對於本例，打開分析。設定因變數的類型到連續的。
17. 設定使用的最大預測變數數到1000 。 這將限制允許進行預測的標記數量。
18. 點選更新評論返回原始預測建模檢視視窗。 選擇嶺回歸，並在分析選項卡，設定因變數的類型到連續的和使用的最大預測變數數到1000 。
19. 再次單擊更新評論返回原始預測建模檢視視窗。 選擇分區樹現在，以及關於分析選項卡，設定因變數的類型到連續的然後單擊更新評論。
20. 接下來的三個選項卡提供了用於評估和比較模型的選項。 我們將使用交叉驗證，但存在選項測試裝置如果存在並且為了學習曲線。
21. 在裡面交叉驗證選項卡，點選旁邊的框執行交叉驗證模型比較。
22. 為了保留法， 選擇隨機分區。 這會將資料隨機分成組，然後保留每組中的一小部分資料。
23. 指定保留尺寸作為K 代表 K 折並設定K 代表 K 折滑桿到5 。
    • 這裡，K 等於分區的組數，其中 1/K 等於保留的總觀測值的百分比。
24. 設定隨機保留迭代次數到5對每個模型執行交叉驗證流程 5 次。
25. 點選跑步開始分析。

結果

26. 分析完成後，會出現一個JMP期刊將出現一個窗口，其中包含用於查看按四個特徵分隔的每個模型結果的選項，以及交叉驗證模型比較的結果。
27. 結果按表型組織，並提供每個模型在預測每個性狀方面的表現的詳細結果。 對於模型比較統計數據，點擊每個特徵的第四個結果窗口，從檢查所有預設預測蛋白的交叉驗證_BLUP 。
28. 交叉驗證結果包括多種評估模型有效性的方法，包括 RMSE、Harrel's C 和可靠性圖。 我們將根據以下條件評估模型相關性。 相關值越高表示模型越有效。 相關圖上的每個點代表三種模型類型中每種模型的五次交叉驗證迭代之一。 每個特徵的相關圖如下：
29. 請注意，四個圖的軸不同。 根據此評估，我們的偏最小二乘和嶺回歸模型可以很好地預測體重 (TW) 和麥角甾醇含量 (ERG)。 這些模型都無法準確預測蛋白質含量或蛋白質產生 (PY)。
30. 嶺迴歸模型在預測 TW 和 ERG 方面稍微有效一些，因此我們將選擇此模型進行交叉評估。 在繼續之前，我們需要搜索匯出目錄分析結果儲存的位置並找到評分代碼文件為嶺迴歸模型。 這些文件是名為 SAS 程式文件SAS和barley_impu_PY_BLUP_02_rr_score.sas 。

概括

JMP Genomics 中的預測建模審核是一個一站式服務，用於將多個模型與您的資料進行擬合和比較。 在此範例中，我們擬合了四種模型類型，每種模型都有獨特的設定。 請注意，具有不同設定的相同模型類型的多次迭代可以包含在相同評論中（即使用 LASSO 的一般線性模型與逐步選擇）。 請注意，也可以透過從 Genomics Starter 選單中選擇模型類型來單獨擬合模型並針對保留資料進行測試。 另請注意，單獨擬合模型可能會提供更詳細的輸出。 分析的結果有兩個：首先，嶺迴歸模型對於預測我們的表型是最有效的，其次，我們將使用評分程式碼檔案作為下週分析的基礎，使用 JMP Genomics 進行交叉評估和後代模擬，第 3 部分：交叉評估、選擇和後代模擬。

在上週的貼文中，我們使用最佳線性無偏預測將育種試驗數據合併到一個表格中。 下表顯示了約 300 個大麥品系，其四個性狀的表型值和約 7000 個遺傳標記。 在這篇文章中，我們將使用預測建模回顧JMP Genomics 中的工具可建立多個模型並透過交叉驗證對它們進行比較。 交叉驗證後，我們將選擇最有效的模型並使用它來建立評分程式碼文件，我們可以從中執行交叉評價和後代模擬。