基于近端多目标优化的基因组预测方法DYpREG:整合多基因育种值提升预测精度

《IEEE Transactions on Computational Biology and Bioinformatics》:A Proximal Multi-Objective Optimization Method for Incorporation of Polygenic Breeding Values in Genomic Prediction

【字体: 大 中 小 】 时间:2025年12月11日 来源:IEEE Transactions on Computational Biology and Bioinformatics

编辑推荐:

  本研究针对传统基因组预测方法难以有效整合多基因育种值的问题,提出了一种灵活的近端算子多目标正则化方法DYpREG。该方法通过结合预先计算的育种值和基因组标记数据,在老鼠和猪的性状预测中显著降低了均方误差(MSE),相比贝叶斯RKHS和BayesC等方法也表现出持续改进。DYpREG为基因组评估提供了一种计算高效且预测准确的解决方案。

  
在动物育种和基因组选择领域,准确预测个体的遗传价值对于加速遗传改良进程至关重要。传统定量遗传学依赖于已知系谱信息来估计多基因育种值和方差组分,但随着高通量测序技术的出现,基于基因组标记的实证关系估计变得可行。单步基因组BLUP(ssGBLUP)程序虽然能够整合多基因和基因组信息,但需要复杂的系谱连接,导致计算量巨大的矩阵运算。此外,当基因组中大部分区域缺乏系谱信息时,ssGBLUP方法可能产生奇异性问题。
目前,基因组预测主要面临两个关键挑战:一是如何有效整合传统系谱信息与基因组标记数据,二是如何开发计算效率高且预测准确性好的方法。常规的基因组预测方法如LASSO(Least Absolute Shrinkage and Selection Operator)、岭回归(RR, Ridge Regression)和弹性网络(EN, Elastic Net)虽然在某些场景下表现良好,但均未能充分利用已有的多基因育种值信息。Prior LASSO(pLASSO)方法虽然尝试引入先验信息,但其基于最小角回归(LARS)的算法计算效率较低,难以应用于大规模基因组数据。
针对这些挑战,芬兰奥卢大学数学科学研究中心的研究团队开发了一种名为DYpREG的新型计算方法。该方法是一种分裂算法,能够容纳两个不同的损失函数和一个正则化函数,其中正则化函数可以选择为LASSO、岭回归或弹性网络。DYpREG的核心优势在于能够整合预先计算的育种值,而无需进行复杂的关系矩阵计算,这为基因组预测提供了更加灵活和高效的解决方案。
研究方法上,DYpREG基于近端多目标优化框架,通过三个凸函数的组合来实现参数估计。具体而言,该方法将目标函数分解为数据拟合损失、先验信息损失和正则化惩罚三个部分,并利用Davis-Yin分裂算法进行迭代求解。超参数调优采用贝叶斯优化(BO, Bayesian Optimization)方法,通过高斯过程上置信界(GP-UCB)准则来平衡探索与利用。
研究团队在老鼠和猪的真实数据集上对DYpREG进行了全面评估。老鼠数据包含1814个个体,基因分型为10346个多态性标记,选择了体长和体重指数(BMI)两个性状,其多基因遗传力分别为0.35和0.12。猪数据包含3534个个体,使用PorcineSNP60芯片进行基因分型,经过质量控制后保留50555个SNPs,选择了遗传力分别为0.16和0.58的两个匿名性状(Tr2和Tr4)进行评估。
研究结果显示,DYpREG方法在预测准确性方面显著优于传统方法。对于老鼠的体长性状,DYpREG结合岭回归(DYpRR)实现了最低的测试均方误差(MSE)0.115,相比普通岭回归提高了4.2%,比弹性网络提高了7.5%,比RKHS(Reproducing Kernel Hilbert Space)提高了4.2%。在体重指数性状上,DYpRR的MSE为0.00113,比普通岭回归提高了10.3%。在猪数据中,DYpREG同样表现出色,对于Tr2性状,DYpRR的MSE为0.457,相比基线方法提高了2.8%;对于Tr4性状,MSE为2.621,提高了2.1%。
在相关性分析方面,DYpREG也展现出明显优势。对于老鼠体长性状,DYpEN(DYpREG结合弹性网络)获得了最高的Pearson相关系数0.391,而RKHS仅为0.301。对于猪的Tr4性状,DYpRR的相关系数达到0.468,显著高于RKHS的0.418和BayesC的0.420。这些结果充分证明了DYpREG在整合多基因信息方面的有效性。
从计算复杂度角度分析,DYpREG方法相比传统的单步基因组BLUP具有明显优势。传统方法需要计算基因组关系矩阵的逆矩阵,计算复杂度较高,而DYpREG通过近端算子将优化问题分解为更易处理的子问题,大大提高了计算效率。特别是当标记数量(p)大于样本数量(n)时,DYpREG可以利用矩阵求逆引理,通过对较小矩阵进行Cholesky分解来优化计算过程。
研究的讨论部分指出,DYpREG可以视为一种双重加权方法,其中η参数权衡了多基因育种值和基因组标记的贡献。这种方法避免了传统方法中复杂的矩阵求逆运算,为整合多源遗传信息提供了新思路。与现有的单步SNPBLUP(ssSNPBLUP)方法相比,DYpREG在保持相似计算复杂度的同时,提供了更灵活的框架来处理不同的正则化选择和先验信息整合。
然而,研究也承认DYpREG在处理超大规模基因组数据时可能面临计算扩展性挑战。虽然近端算法通过问题分解能够处理大规模优化问题,但对于包含数十万甚至更多个体的数据集,仍需进一步优化算法效率。可能的解决方案包括并行化处理和mini-batch技术,这些方法可以加速收敛并保持模型准确性。
研究的创新之处在于首次将多目标近端优化框架应用于基因组预测中的多基因信息整合问题。DYpREG不仅提供了计算高效的解决方案,还通过贝叶斯优化自动调优超参数,减轻了使用者的负担。此外,该方法具有良好的扩展性,可以适应不同类型的性状(如二元、分类和计数性状)以及不同的损失函数组合。
在结论部分,研究团队强调DYpREG有效整合了传统多基因信息,显著提高了基因组评估的预测准确性。该方法在老鼠和猪的不同遗传力性状上都表现出稳定改进,为基因组选择提供了强有力的新工具。DYpREG的灵活性使其能够整合来自不同方法、历史记录甚至其他数据集的育种值信息,为未来基因组预测研究开辟了新方向。
这项研究的意义不仅在于提出了一个新的计算方法,更重要的是为基因组预测领域提供了一种整合多源遗传信息的通用框架。随着基因组数据的不断积累和多样化,能够有效整合不同来源信息的计算方法将变得越来越重要。DYpREG的出现为解决这一挑战提供了有前景的解决方案,有望在动物育种、植物育种乃至人类遗传学研究中发挥重要作用。
该研究的代码已在GitHub平台公开,为其他研究者的使用和进一步开发提供了便利。这种开源共享的做法有助于促进方法的推广和应用,推动整个基因组预测领域的发展。未来工作的重点可能包括进一步优化算法的计算效率,扩展方法以适应更多类型的数据和性状,以及在更多物种和更大数据集上进行验证。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号