~ 안에 지난주 포스팅 , 우리는 Best Linear Unbiased Prediction을 사용하여 육종 시험 데이터를 단일 테이블로 통합했습니다. 아래 표( barley_geno_pheno.sas7bdat )은 4가지 특성에 대한 표현형 값과 ~7000개의 유전 마커를 갖는 ~300개의 보리 계통을 보여줍니다. 이번 포스팅에서는 예측 모델링 검토 JMP Genomics의 도구를 사용하여 여러 모델을 만들고 교차 검증을 통해 비교할 수 있습니다. 교차 검증 후 가장 효과적인 모델을 선택하고 이를 사용하여 수행할 수 있는 채점 코드 파일을 생성합니다. 교차평가 그리고 자손 시뮬레이션 .
누락된 유전자형 대치
- 위에 표시된 데이터 세트에는 일부 마커 데이터가 누락되어 있습니다. 실행하기 전에 예측 모델링 검토 도구를 사용하면 이러한 누락된 유전자형을 귀속시켜야 합니다. JMP 유전체학 가장 가까운 이웃 샘플을 기반으로 누락된 유전자형을 대치하는 도구가 있습니다. 이 도구에 액세스하려면 다음을 선택하세요. 유전학 > 유전학 유틸리티 > 누락된 유전자형 대치 ~로부터 유전체학 스타터 .
- 에 일반적인 탭, 선택 barley_geno_pheno. sas7bdat 으로 SAS 데이터 세트 입력 .
- 선택하다 IndID, 단백질_BLUP, TW_BLUP, ERG_BLUP, 그리고 PY_BLUP ~처럼 출력에 유지할 변수 .
- 에서 예측자 연속 변수의 목록 스타일 사양 상자, 입력 중: 문자 "m"으로 시작하는 각 열을 마커 변수로 지정합니다.
- 선택 출력 폴더 .
- 이 예에는 주석 데이터 세트가 없으므로 주석 탭은 비워 둘 수 있습니다.
- 에 옵션 탭에서 설정하세요. 최근접이웃 샘플 수 에게 25 . 이는 누락된 유전자형을 대치하기 위해 마커의 가장 가까운 25개 이웃을 사용합니다.
- 에서 산출 탭, 유형 보리_임퓨트 로 출력 파일 접두사
- 딸깍 하는 소리 달리다 분석을 시작합니다. 프로세스가 완료되면 새 데이터 세트가 지정된 위치에 나타납니다. 출력 폴더 . 이 대치된 데이터 세트는 barley_impute_img. sas7bdat 아래 예측 모델링 검토 입력에 사용됩니다.
예측 모델링 검토
- 로부터 유전체학 스타터 메뉴, 선택 예측 모델링 > 주요 방법 > 예측 모델링 검토 . 에 일반적인 탭, 선택 barley_impute_img. sas7bdat 으로 SAS 데이터 세트 입력 채우기 위해 사용 가능한 변수 상자.
- 네 가지 특성을 각각 다음과 같이 배치합니다. 종속변수.JMP는 네 가지 특성 모두에 대한 모델을 동시에 생성합니다.
- 에서 예측자 연속 변수의 목록 스타일 사양 상자, 입력 중:
- 선택 출력 폴더 .
- 기본 선택 항목을 그대로 둡니다. 옵션 탭.
- 에서 모델 탭에는 12가지 유형의 모델이 있으며 모두 완전히 사용자 정의할 수 있습니다. 이 예에서는 다음을 선택합니다. 부분 최소제곱, 파티션 트리, 그리고 능선 회귀 . 우리는 이 세 가지 모델을 만들어 네 가지 특성을 각각 예측하고 교차 검증을 사용하여 그 효과를 비교할 것입니다.
- 개별 모델 설정은 강조 표시하여 조정할 수 있습니다. 선택한 모델 선택하고 클릭하면 편집하다 창문 오른쪽에.
- 또한 설정이 다른 동일한 모델링 유형의 여러 반복이 동일한 분석에 포함될 수 있습니다.
- 강조 표시 부분 최소제곱 모델을 클릭하고 편집하다 설정 창을 불러옵니다. 생존, 예측 변수 감소 및 변수 고정에 사용할 수 있는 몇 가지 옵션이 있습니다. 이 예에서는 다음을 엽니다. 분석.설정 종속변수 유형 에게 마디 없는 .
- 설정 사용할 최대 예측 변수 수 에게 1000 . 이렇게 하면 예측에 허용되는 마커 수가 제한됩니다.
- 딸깍 하는 소리 업데이트 검토 원래 예측 모델링 검토 창으로 돌아가려면 선택하다 리지 회귀, 그리고 에 분석 탭에서 설정하세요. 종속변수 유형 에게 마디 없는 그리고 사용할 최대 예측 변수 수 에게 1000 .
- 다시 클릭하세요. 업데이트 검토 원래 예측 모델링 검토 창으로 돌아가려면 선택하다 파티션 트리 지금, 그리고 그 위에 분석 탭에서 설정하세요. 종속변수 유형 에게 마디 없는 그리고 클릭 업데이트 검토 .
- 다음 세 개의 탭에는 모델을 평가하고 비교하기 위한 옵션이 제공됩니다. 우리는 사용할 것이다 교차 검증 , 그러나 옵션은 다음과 같습니다. 테스트 세트 존재하는 경우 학습 곡선 .
- 에서 교차 검증 탭에서 옆에 있는 상자를 클릭하세요. 교차 검증 모델 비교 수행 .
- 에 대한 홀드아웃 방법 , 선택하다 무작위 파티션 . 이렇게 하면 데이터가 무작위로 그룹으로 분할된 다음 각 그룹의 데이터 일부가 유지됩니다.
- 지정 홀드아웃 크기 ~처럼 K(K-폴드) 그리고 설정 K(K-폴드) 슬라이더 5 .
- 여기서 K는 파티션의 그룹 수와 같습니다. 여기서 1/K는 유지할 총 관측치의 백분율과 같습니다.
- 설정 무작위 홀드아웃 반복 횟수 에게 5 각 모델에 대해 교차 검증 프로세스를 5번 실행합니다.
- 딸깍 하는 소리 달리다 분석을 시작합니다.
결과
- 분석이 완료되면, JMP 저널 교차 검증 모델 비교 결과와 함께 4가지 특성으로 구분된 각 개별 모델의 결과를 볼 수 있는 옵션이 있는 창이 나타납니다.
- 결과는 표현형별로 정리되어 있으며, 각 모델이 각 특성을 예측하는 방식에 대한 자세한 결과가 나와 있습니다. 모델비교통계는 각 특성별로 네 번째 결과창을 클릭하세요. 모든 기본 예측 Protein_BLUP 검토를 위한 교차 검증 .
- 교차 검증 결과에는 RMSE, Harrel's C, 신뢰성 다이어그램 등 모델 효율성을 평가하기 위한 여러 방법이 포함되어 있습니다. 우리는 다음을 기반으로 모델을 평가할 것입니다. 상관관계 . 상관 값이 높을수록 모델이 더 효과적이라는 것을 나타냅니다. 상관 관계 도표의 각 점은 세 가지 모델 유형 각각에 대한 5가지 교차 검증 반복 중 하나를 나타냅니다. 각 특성에 대한 상관 관계 도표는 다음과 같습니다.
- 네 개의 플롯의 축은 서로 다릅니다. 이 평가에 따르면 당사의 부분 최소 제곱 및 능선 회귀 모델은 시험 중량(TW) 및 에르고스테롤 함량(ERG)을 잘 예측합니다. 어떤 모델도 단백질 함량 또는 단백질 수율(PY)을 정확하게 예측하지 못합니다.
- Ridge Regression 모델은 TW와 ERG를 예측하는 데 약간 더 효과적이므로 교차 평가를 위해 이 모델을 선택합니다. 계속하기 전에 다음을 검색해야 합니다. 출력 폴더 분석 결과가 저장되는 곳에 채점 코드 파일 능선 회귀 모델의 경우. 이러한 파일은 다음과 같은 SAS 프로그램 파일입니다. 사스 그리고 barley_impu_PY_BLUP_02_rr_score.sas .
요약
JMP Genomics의 예측 모델링 검토는 여러 모델을 데이터에 맞추고 비교할 수 있는 원스톱 상점입니다. 이 예에서는 각각 고유한 설정을 가진 4가지 모델 유형을 적합합니다. 설정이 다른 동일한 모델 유형의 여러 반복이 동일한 검토에 포함될 수 있습니다(즉, LASSO 대 단계적 선택을 사용하는 일반 선형 모델). Genomics Starter 메뉴에서 모델 유형을 선택하여 모델을 개별적으로 피팅하고 홀드아웃 데이터에 대해 테스트할 수도 있습니다. 또한 모델을 개별적으로 피팅하면 더 자세한 결과를 얻을 수 있습니다. 이 분석의 결과는 두 가지였습니다. 첫째, Ridge Regression 모델이 표현형을 예측하는 데 가장 효과적이라는 지식과 둘째, 다음 주 분석의 기초로 사용할 점수 코드 파일, JMP Genomics를 사용한 교차 평가 및 자손 시뮬레이션 3부: 교차 평가, 선택 및 자손 시뮬레이션 .
