219664_es-ES

liliconcom

Evaluación cruzada y simulación de progenie con JMP Genomics, Parte 2: Modelado predictivo para valores genéticos

En publicación de la semana pasada , consolidamos los datos de los ensayos de mejoramiento en una sola tabla utilizando la mejor predicción lineal insesgada. La mesa de abajo ( cebada_geno_pheno.sas7bdat ) muestra ~300 líneas de cebada con valores fenotípicos para cuatro rasgos y ~7000 marcadores genéticos. En esta publicación usaremos el Revisión de modelos predictivos herramienta en JMP Genomics para crear múltiples modelos y compararlos mediante validación cruzada. Después de la validación cruzada, seleccionaremos el modelo más efectivo y lo usaremos para crear archivos de código de puntuación a partir de los cuales podamos realizar Evaluación cruzada y Simulación de progenie .

Imputar genotipos faltantes

1. Tenga en cuenta que en el conjunto de datos que se muestra arriba, faltan algunos de los datos del marcador. Antes de ejecutar el Revisión de modelos predictivos herramienta, estos genotipos faltantes deberán ser imputados. Genómica JMP tiene una herramienta para imputar genotipos faltantes basándose en una muestra del vecino más cercano. Para acceder a esta herramienta seleccione Genética > Utilidades genéticas > Imputar genotipos faltantes desde el Iniciador de genómica .
2. Sobre el General pestaña, elija cebada_geno_feno. sas7bdat como el Conjunto de datos SAS de entrada .
3. Seleccionar IndID, Proteína_BLUP, TW_BLUP, ERG_BLUP, y PY_BLUP como Variables a mantener en la salida .
4. En el Especificación de estilo de lista de variables continuas predictoras cuadro, ingrese metro: para designar cada columna que comienza con la letra “m” como variable marcadora.
5. Seleccione un Carpeta de salida .
6. No hay ningún conjunto de datos de anotación para este ejemplo, por lo que el Anotación La pestaña se puede dejar en blanco.
7. Sobre el Opciones pestaña, configure el Número de muestras de vecinos más cercanos a 25 . Esto utilizará los 25 vecinos más cercanos de un marcador para imputar el genotipo faltante.
8. En el Producción pestaña, tipo cebada_imputar en el Prefijo del archivo de salida
9. Hacer clic Correr para comenzar el análisis. Cuando finalice el proceso, el nuevo conjunto de datos aparecerá en su sitio designado. Carpeta de salida . Este conjunto de datos imputado titulado cebada_impute_img. sas7bdat se utilizará para la entrada de la Revisión de modelos predictivos a continuación.

Revisión de modelos predictivos

10. Desde el Iniciador de genómica menú, seleccione Modelado predictivo > Métodos principales > Revisión del modelado predictivo . Sobre el General pestaña, elija cebada_impute_img. sas7bdat como el Conjunto de datos SAS de entrada para poblar el Variables disponibles caja.
11. Coloque cada uno de los cuatro rasgos en el Variables dependientes.JMP creará modelos para los cuatro rasgos simultáneamente.
12. En el Especificación de estilo de lista de variables continuas predictoras cuadro, ingrese metro:
13. Seleccione un Carpeta de salida .

     

14. Deje las selecciones predeterminadas en el Opciones pestaña.
15. En el Modelos pestaña, hay 12 tipos de modelos, todos ellos totalmente personalizables. Para este ejemplo, elija Mínimos cuadrados parciales, árboles de partición, y Regresión de cresta . Crearemos estos tres modelos para predecir cada uno de los cuatro rasgos y compararemos su efectividad mediante validación cruzada.
    • La configuración del modelo individual se puede ajustar resaltando el Modelo Seleccionado de elección y haciendo clic Editar a la derecha de la ventana.
    • Además, se pueden incluir en el mismo análisis múltiples iteraciones del mismo tipo de modelado con diferentes configuraciones.
16. Resaltar el Mínimos cuadrados parciales modelo y haga clic Editar para abrir una ventana de configuración. Hay varias opciones disponibles para la supervivencia, la reducción de predictores y el bloqueo de variables. Para este ejemplo, abra el Análisis.Selecciona el Tipo de variable dependiente a Continuo .
17. Selecciona el Número máximo de predictores a utilizar a 1000 . Esto limitará la cantidad de marcadores permitidos para hacer una predicción.
18. Hacer clic Revisión de actualización para volver a la ventana original de Revisión de modelado predictivo. Seleccionar regresión de cresta, y en el Análisis pestaña, configure el Tipo de variable dependiente a Continuo y el Número máximo de predictores a utilizar a 1000 .
19. De nuevo, haga clic Revisión de actualización para volver a la ventana original de Revisión de modelado predictivo. Seleccionar Árboles de partición ahora y en el Análisis pestaña, configure el Tipo de variable dependiente a Continuo y haga clic Revisión de actualización .
20. Las tres pestañas siguientes ofrecen opciones para evaluar y comparar los modelos. Usaremos Validación cruzada , pero hay opciones presentes para un Equipo de prueba si está presente y para Curvas de aprendizaje .
21. En el Validación cruzada pestaña, haga clic en la casilla junto a Realizar una comparación de modelos de validación cruzada .
22. Para el Método de espera , seleccionar Partición aleatoria . Esto dividirá aleatoriamente los datos en grupos y luego mostrará una fracción de datos de cada grupo.
23. Especifica el Tamaño de reserva como K para plegado en K y establecer el K para plegado en K control deslizante para 5 .
    • Aquí, K es igual al número de grupos en una partición donde 1/K es igual al porcentaje del total de observaciones a retener.
24. Selecciona el Número de iteraciones aleatorias de espera a 5 ejecutar el proceso de validación cruzada 5 veces para cada modelo.
25. Hacer clic Correr para comenzar el análisis.

Resultados

26. Cuando finaliza el análisis, un Revista JMP Aparecerá una ventana con opciones para ver los resultados de cada modelo individual separados por los cuatro rasgos, junto con los resultados de la comparación del modelo de validación cruzada.
27. Los resultados están organizados por fenotipo, con resultados detallados sobre cómo se desempeñó cada modelo en la predicción de cada rasgo. Para las estadísticas de comparación de modelos, haga clic en la cuarta ventana de resultados para cada rasgo, comenzando con Validación cruzada para revisar todas las proteínas predictivas predeterminadas_BLUP .
28. Los resultados de la validación cruzada incluyen múltiples métodos para evaluar la efectividad del modelo, incluidos RMSE, Harrel's C y diagramas de confiabilidad. Evaluaremos los modelos basados en Correlación . Los valores de correlación más altos son indicativos de un modelo más eficaz. Cada punto en el gráfico de correlación representa una de las cinco iteraciones de validación cruzada para cada uno de los tres tipos de modelo. Los gráficos de correlación para cada uno de los rasgos se muestran a continuación:
29. Tenga en cuenta que los ejes de los cuatro gráficos son diferentes. Según esta evaluación, nuestros modelos de mínimos cuadrados parciales y regresión de crestas hacen un buen trabajo al predecir el peso específico (TW) y el contenido de ergosterol (ERG). Ninguno de los modelos ofrece una predicción precisa del contenido de proteínas o del rendimiento de proteínas (PY).
30. El modelo de regresión de Ridge es ligeramente más eficaz para predecir TW y ERG, por lo que seleccionaremos este modelo para una evaluación cruzada. Antes de continuar, necesitaremos buscar en el Carpeta de salida donde se almacenan los resultados del análisis y encontrar el Archivos de código de puntuación para el modelo de regresión de crestas. Estos archivos son archivos de programa SAS denominados sas y cebada_impu_PY_BLUP_02_rr_score.sas .

Resumen

La revisión de modelos predictivos en JMP Genomics es una ventanilla única para ajustar y comparar múltiples modelos con sus datos. En este ejemplo, ajustamos cuatro tipos de modelos, cada uno con configuraciones únicas. Tenga en cuenta que en la misma revisión se pueden incluir múltiples iteraciones del mismo tipo de modelo con diferentes configuraciones (es decir, un modelo lineal general con LASSO versus selección por pasos). Tenga en cuenta que los modelos también se pueden ajustar individualmente y probar con datos reservados seleccionando un tipo de modelo en el menú Genomics Starter. También tenga en cuenta que ajustar los modelos individualmente puede proporcionar resultados más detallados. Los resultados de este análisis fueron dobles: primero, el conocimiento de que el modelo de regresión Ridge es el más efectivo para predecir nuestros fenotipos y segundo, un archivo de código de puntuación que usaremos como base para el análisis de la próxima semana. Evaluación cruzada y simulación de progenie con JMP Genomics, Parte 3: Evaluación cruzada, selección y simulación de progenie .

En la publicación de la semana pasada, consolidamos los datos de los ensayos de reproducción en una sola tabla utilizando la Mejor Predicción Lineal Imparcial. La siguiente tabla muestra ~300 líneas de cebada con valores fenotípicos para cuatro rasgos y ~7000 marcadores genéticos. En esta publicación usaremos el Revisión de modelos predictivos herramienta en JMP Genomics para crear múltiples modelos y compararlos mediante validación cruzada. Después de la validación cruzada, seleccionaremos el modelo más efectivo y lo usaremos para crear archivos de código de puntuación a partir de los cuales podamos realizar Evaluación cruzada y Simulación de progenie .