近日，中國(guó)農(nóng)業(yè)大學(xué)張毅教授團(tuán)隊(duì)在《Briefings in Bioinformatics》期刊上發(fā)表題為“GWKBR: a novel method integrating machine learning and Bayesian inference framework to improve genomic prediction accuracy”的研究成果。中國(guó)農(nóng)業(yè)大學(xué)動(dòng)物科學(xué)技術(shù)學(xué)院張毅教授為論文通訊作者，博士生王雪為論文的第一作者。

該研究針對(duì)傳統(tǒng)基因組預(yù)測(cè)方法難以同時(shí)兼顧非加性遺傳效應(yīng)捕捉和SNP差異化加權(quán)利用的問(wèn)題，提出了一種整合機(jī)器學(xué)習(xí)與貝葉斯推斷框架的基因組預(yù)測(cè)方法——GWAS加權(quán)高斯核貝葉斯回歸（GWKBR），為動(dòng)植物復(fù)雜性狀的基因組預(yù)測(cè)提供了新的方法學(xué)工具。

基因組選擇是現(xiàn)代動(dòng)植物育種中的關(guān)鍵技術(shù)，統(tǒng)計(jì)模型的選擇直接影響基因組預(yù)測(cè)的準(zhǔn)確性。傳統(tǒng)的基因組預(yù)測(cè)方法往往忽略了非加性效應(yīng)和SNP權(quán)重的異質(zhì)性。因此，研究團(tuán)隊(duì)提出GWKBR方法，該方法引入了一種新的協(xié)方差結(jié)構(gòu)先驗(yàn)分布，并整合了機(jī)器學(xué)習(xí)技術(shù)（加權(quán)高斯核回歸和貝葉斯優(yōu)化）、貝葉斯推斷、限制性最大似然法（REML）、全基因組關(guān)聯(lián)分析（GWAS）和交叉驗(yàn)證過(guò)程，能夠有效地捕捉非加性效應(yīng)并考慮不同SNP的相對(duì)重要性。

為系統(tǒng)評(píng)估GWKBR的性能，研究團(tuán)隊(duì)在模擬數(shù)據(jù)、多種動(dòng)植物數(shù)據(jù)集以及人類疾病數(shù)據(jù)上開(kāi)展了廣泛驗(yàn)證，涉及云杉、小麥、玉米、牛和豬等多個(gè)物種，共分析23個(gè)性狀，其中包括16個(gè)連續(xù)性狀和7個(gè)二分類性狀。結(jié)果表明，GWKBR在23個(gè)性狀中有13個(gè)取得了最高的預(yù)測(cè)準(zhǔn)確性，另有7個(gè)性狀位居第二，整體表現(xiàn)出良好的可靠性和穩(wěn)健性。尤其在非加性遺傳效應(yīng)較強(qiáng)的數(shù)據(jù)集中，GWKBR相較于多種現(xiàn)有方法表現(xiàn)出更明顯的優(yōu)勢(shì)。

進(jìn)一步分析表明，GWKBR的優(yōu)勢(shì)主要來(lái)源于兩個(gè)方面：一是能夠通過(guò)加權(quán)高斯核更充分地捕捉非加性遺傳效應(yīng)，提升對(duì)復(fù)雜性狀的預(yù)測(cè)能力；二是能夠結(jié)合GWAS信息、交叉驗(yàn)證和貝葉斯優(yōu)化策略，在不同數(shù)據(jù)場(chǎng)景下自適應(yīng)地選擇更優(yōu)核函數(shù)并實(shí)現(xiàn)超參數(shù)優(yōu)化，從而提高模型對(duì)異質(zhì)遺傳背景的適應(yīng)性。

該研究開(kāi)發(fā)的GWKBR軟件已實(shí)現(xiàn)GWAS分析、SNP權(quán)重計(jì)算、模型構(gòu)建、模型選擇及基因組預(yù)測(cè)等流程的自動(dòng)化（https://github.com/Wangxuer521/GWKBR/），可為動(dòng)植物及人類復(fù)雜性狀的遺傳評(píng)估研究提供實(shí)用工具，也為跨物種、跨性狀的基因組預(yù)測(cè)方法研發(fā)提供了新的思路。