219664_de-DE

liliconcom

Kreuzbewertung und Nachkommensimulation mit JMP Genomics, Teil 2: Prädiktive Modellierung für Zuchtwerte

In Beitrag von letzter Woche , haben wir Zuchtversuchsdaten mithilfe der besten linearen unvoreingenommenen Vorhersage in einer einzigen Tabelle konsolidiert. In der nachstehenden Tabelle ( barley_geno_pheno.sas7bdat ) zeigt etwa 300 Gerstenlinien mit phänotypischen Werten für vier Merkmale und etwa 7000 genetischen Markern. In diesem Beitrag verwenden wir die Überprüfung der prädiktiven Modellierung Tool in JMP Genomics, um mehrere Modelle zu erstellen und sie mittels Kreuzvalidierung zu vergleichen. Nach der Kreuzvalidierung wählen wir das effektivste Modell aus und verwenden es, um Scoring-Codedateien zu erstellen, mit denen wir eine Leistung erbringen können Kreuzbewertung Und Nachkommensimulation .

Unterstellen Sie fehlende Genotypen

1. Beachten Sie, dass im oben gezeigten Datensatz einige Markierungsdaten fehlen. Vor dem Ausführen des Überprüfung der prädiktiven Modellierung Mit diesem Tool müssen diese fehlenden Genotypen imputiert werden. JMP-Genomik verfügt über ein Tool zur Imputation fehlender Genotypen basierend auf einer Stichprobe des nächsten Nachbarn. Um auf dieses Tool zuzugreifen, wählen Sie Genetik > Genetik-Dienstprogramme > Fehlende Genotypen zurechnen von dem Genomik-Starter .
2. Auf der Allgemein Registerkarte, wählen Sie barley_geno_pheno. sas7bdat als die Geben Sie den SAS-Datensatz ein .
3. Wählen IndID, Protein_BLUP, TW_BLUP, ERG_BLUP, Und PY_BLUP als Variablen, die in der Ausgabe beibehalten werden sollen .
4. Im Listenartige Spezifikation kontinuierlicher Prädiktorvariablen Feld, geben Sie ein M: um jede Spalte, die mit dem Buchstaben „m“ beginnt, als Markierungsvariable zu kennzeichnen.
5. Wählen Sie eine aus Ausgabeordner .
6. Für dieses Beispiel gibt es keinen Anmerkungsdatensatz Anmerkung Die Registerkarte kann leer gelassen werden.
7. Auf der Optionen Registerkarte, legen Sie die fest Anzahl der Proben der nächsten Nachbarn Zu 25 . Dabei werden die nächsten 25 Nachbarn eines Markers verwendet, um den fehlenden Genotyp zu unterstellen.
8. Im Ausgabe Tab, Typ barley_impute in die Präfix der Ausgabedatei
9. Klicken Laufen um mit der Analyse zu beginnen. Wenn der Vorgang abgeschlossen ist, wird der neue Datensatz in Ihrem angegebenen Verzeichnis angezeigt Ausgabeordner . Dieser unterstellte Datensatz mit dem Titel barley_impute_img. sas7bdat wird für die nachstehende Eingabe zur Überprüfung der prädiktiven Modellierung verwendet.

Überprüfung der prädiktiven Modellierung

10. Von dem Genomik-Starter Menü auswählen Prädiktive Modellierung > Hauptmethoden > Überprüfung der prädiktiven Modellierung . Auf der Allgemein Registerkarte, wählen Sie barley_impute_img. sas7bdat als die Geben Sie den SAS-Datensatz ein um die zu bevölkern Verfügbare Variablen Kasten.
11. Platzieren Sie jedes der vier Merkmale in der Abhängigen Variablen.JMP erstellt Modelle für alle vier Merkmale gleichzeitig.
12. Im Listenartige Spezifikation kontinuierlicher Prädiktorvariablen Feld, geben Sie ein M:
13. Wählen Sie eine aus Ausgabeordner .

     

14. Behalten Sie die Standardauswahl bei Optionen Tab.
15. Im Modelle Auf der Registerkarte „Einstellungen“ gibt es 12 Modelltypen, die alle vollständig anpassbar sind. Wählen Sie für dieses Beispiel Partielle kleinste Quadrate, Partitionsbäume, Und Ridge-Regression . Wir werden diese drei Modelle erstellen, um jedes der vier Merkmale vorherzusagen und ihre Wirksamkeit mithilfe einer Kreuzvalidierung zu vergleichen.
    • Einzelne Modelleinstellungen können durch Markieren angepasst werden Ausgewähltes Modell der Auswahl und des Klickens Bearbeiten rechts im Fenster.
    • Außerdem können mehrere Iterationen desselben Modellierungstyps mit unterschiedlichen Einstellungen in dieselbe Analyse einbezogen werden.
16. Markieren Sie die Teilweise kleinste Quadrate Modell und klicken Sie Bearbeiten um ein Einstellungsfenster aufzurufen. Für das Überleben, das Reduzieren von Prädiktoren und das Festlegen von Variablen stehen mehrere Optionen zur Verfügung. Öffnen Sie für dieses Beispiel die Analyse.Stellen Sie die ein Typ der abhängigen Variablen Zu Kontinuierlich .
17. Stellen Sie die ein Maximale Anzahl der zu verwendenden Prädiktoren Zu 1000 . Dadurch wird die Anzahl der Marker begrenzt, die eine Vorhersage treffen dürfen.
18. Klicken Update-Überprüfung , um zum ursprünglichen Fenster „Predictive Modeling Review“ zurückzukehren. Wählen Ridge-Regression, und auf der Analyse Registerkarte, legen Sie die fest Typ der abhängigen Variablen Zu Kontinuierlich und das Maximale Anzahl der zu verwendenden Prädiktoren Zu 1000 .
19. Klicken Sie erneut Update-Überprüfung , um zum ursprünglichen Fenster „Predictive Modeling Review“ zurückzukehren. Wählen Partitionsbäume jetzt und am Analyse Registerkarte, legen Sie die fest Typ der abhängigen Variablen Zu Kontinuierlich und klicken Update-Überprüfung .
20. Die nächsten drei Registerkarten bieten Optionen zur Bewertung und zum Vergleich der Modelle. Wir werden verwenden Kreuzvalidierung , aber es sind Optionen für a vorhanden Testset falls vorhanden und für Lernkurven .
21. Im Kreuzvalidierung Klicken Sie auf der Registerkarte auf das Kästchen daneben Führen Sie einen Kreuzvalidierungsmodellvergleich durch .
22. Für die Hold-Out-Methode , wählen Zufällige Partition . Dadurch werden die Daten nach dem Zufallsprinzip in Gruppen aufgeteilt und dann ein Bruchteil der Daten aus jeder Gruppe zurückgehalten.
23. Präzisiere das Hold-Out-Größe als K für K-Falz und stellen Sie die ein K für K-Falz Schieberegler auf 5 .
    • Hier ist K gleich der Anzahl der Gruppen in einer Partition, wobei 1/K dem Prozentsatz der Gesamtbeobachtungen entspricht, die ausgehalten werden.
24. Stellen Sie die ein Anzahl der zufälligen Hold-Out-Iterationen Zu 5 um den Kreuzvalidierungsprozess fünfmal für jedes Modell auszuführen.
25. Klicken Laufen um mit der Analyse zu beginnen.

Ergebnisse

26. Wenn die Analyse abgeschlossen ist, a JMP-Journal Es erscheint ein Fenster mit Optionen zum Anzeigen der Ergebnisse jedes einzelnen Modells, getrennt nach den vier Merkmalen, zusammen mit den Ergebnissen des Kreuzvalidierungsmodellvergleichs.
27. Die Ergebnisse sind nach Phänotyp geordnet und enthalten detaillierte Ergebnisse zur Leistung jedes Modells bei der Vorhersage jedes Merkmals. Klicken Sie für die Modellvergleichsstatistiken auf das vierte Ergebnisfenster für jedes Merkmal, beginnend mit Kreuzvalidierung für die Überprüfung aller standardmäßigen Vorhersagen von Protein_BLUP .
28. Die Ergebnisse der Kreuzvalidierung umfassen mehrere Methoden zur Bewertung der Modelleffektivität, darunter RMSE, Harrel's C und Zuverlässigkeitsdiagramme. Wir werden die Modelle anhand dessen bewerten Korrelation . Höhere Korrelationswerte weisen auf ein effektiveres Modell hin. Jeder Punkt im Korrelationsdiagramm stellt eine der fünf Kreuzvalidierungsiterationen für jeden der drei Modelltypen dar. Die Korrelationsdiagramme für jedes der Merkmale sind unten dargestellt:
29. Beachten Sie, dass die Achsen der vier Diagramme unterschiedlich sind. Dieser Einschätzung zufolge leisten unsere Modelle der partiellen kleinsten Quadrate und der Ridge-Regression gute Arbeit bei der Vorhersage des Testgewichts (TW) und des Ergosteringehalts (ERG). Keines der Modelle liefert eine genaue Vorhersage des Proteingehalts oder der Proteinausbeute (PY).
30. Das Ridge-Regressionsmodell ist bei der Vorhersage von TW und ERG etwas effektiver, daher werden wir dieses Modell für die Kreuzbewertung auswählen. Bevor wir fortfahren, müssen wir das durchsuchen Ausgabeordner wo die Ergebnisse der Analyse gespeichert sind und finden Sie die Codedateien bewerten für das Ridge-Regressionsmodell. Bei diesen Dateien handelt es sich um SAS-Programmdateien mit dem Namen sas Und barley_impu_PY_BLUP_02_rr_score.sas .

Zusammenfassung

Die Predictive Modeling Review in JMP Genomics ist eine zentrale Anlaufstelle für die Anpassung und den Vergleich mehrerer Modelle mit Ihren Daten. In diesem Beispiel passen wir vier Modelltypen an, jeder mit einzigartigen Einstellungen. Beachten Sie, dass mehrere Iterationen desselben Modelltyps mit unterschiedlichen Einstellungen in dieselbe Überprüfung einbezogen werden können (z. B. ein allgemeines lineares Modell mit LASSO vs. schrittweise Auswahl). Beachten Sie, dass Modelle auch einzeln angepasst und anhand von Holdout-Daten getestet werden können, indem Sie einen Modelltyp aus dem Genomics-Startermenü auswählen. Beachten Sie auch, dass die individuelle Anpassung von Modellen möglicherweise detailliertere Ergebnisse liefert. Die Ergebnisse dieser Analyse waren zweifach: Erstens das Wissen, dass das Ridge-Regressionsmodell am effektivsten für die Vorhersage unserer Phänotypen ist, und zweitens eine Bewertungscodedatei, die wir als Grundlage für die Analyse nächste Woche verwenden werden. Kreuzbewertung und Nachkommensimulation mit JMP Genomics, Teil 3: Kreuzbewertung, Selektion und Nachkommensimulation .

Im Beitrag der letzten Woche haben wir die Zuchtversuchsdaten mithilfe der besten linearen unvoreingenommenen Vorhersage in einer einzigen Tabelle zusammengefasst. Die folgende Tabelle zeigt etwa 300 Gerstenlinien mit phänotypischen Werten für vier Merkmale und etwa 7000 genetischen Markern. In diesem Beitrag verwenden wir die Überprüfung der prädiktiven Modellierung Tool in JMP Genomics, um mehrere Modelle zu erstellen und sie mittels Kreuzvalidierung zu vergleichen. Nach der Kreuzvalidierung wählen wir das effektivste Modell aus und verwenden es, um Scoring-Codedateien zu erstellen, mit denen wir eine Leistung erbringen können Kreuzbewertung Und Nachkommensimulation .