《Heliyon》:Multi-locus random marker effects GWAS, ensemble models and variable selection improve genomic prediction for pro-vitamin A carotenoids in cassava
编辑推荐:
木薯生物强化是针对以该作物为主食人群营养不良挑战的有效策略。可靠基因组选择模型的缺乏制约了基因组技术用于作物快速生物强化。因此,研究人员旨在确定优化参数化(贝叶斯岭回归(BRR)、贝叶斯Lasso(BL)、BayesA、BayesB与BayesC)与非参数化(
木薯生物强化是针对以该作物为主食人群营养不良挑战的有效策略。可靠基因组选择模型的缺乏制约了基因组技术用于作物快速生物强化。因此,研究人员旨在确定优化参数化(贝叶斯岭回归(BRR)、贝叶斯Lasso(BL)、BayesA、BayesB与BayesC)与非参数化(随机森林(RF)、XGBTree、k近邻(KNN)、SVMRadial、NNET及集成模型)基因组预测(GP)模型的有效策略,以预测木薯前维生素A类胡萝卜素(pVAC)水平。参数化与非参数化GP模型基于93份pVAC木薯基因型构建,这些基因型经SNP标记基因分型,并通过高效液相色谱(HPLC)对β-胡萝卜素含量进行表型鉴定。将固定标记效应与随机标记效应全基因组关联分析(GWAS)获得的显著SNP加入参数化GP模型,大幅提升了模型预测性能。非参数化GP模型初始预测能力介于r=0.04至r=0.32之间,集成结果为r=0.44;而变量选择使模型预测性能提升至r=0.34至r=0.79,模型集成后预测性能与高性能单一模型相近(r=0.79)。综上,利用多基因座随机标记效应GWAS显著SNP、变量选择及模型集成增强了GP模型预测力,为肯尼亚借助基因组预测加速木薯生物强化提供了支撑。
研究背景与立项依据:木薯(Manihot esculenta Crantz)生物强化前维生素A类胡萝卜素(pVAC)是应对以木薯为主食人群维生素A缺乏症(VAD)的关键举措。木薯成熟约需12个月,传统评价周期长,亟需缩短选系周期。基因组预测(GP),亦称基因组选择(GS),通过分子标记与表型关联建立模型,输出基因组估计育种值(GEBV)以支撑早期高强度选择,从而加速遗传增益。影响GP效用的主要因素包括性状遗传力、模型精度、训练集与验证集亲缘关系、遗传架构、标记密度及连锁不平衡(LD)衰减程度。传统参数化模型(如GBLUP、贝叶斯回归)默认加性效应且忽略显性/上位性等非加性效应;而机器学习(ML)类非参数模型可兼顾加性与非加性效应。已有研究提示,单基因座GWAS统计功效低于多基因座随机标记效应GWAS(mr-GWAS);将主效SNP作为固定效应嵌入参数模型可提升预测力,但尚无研究系统评估mr-GWAS显著SNP叠加参数模型、以及ML变量选择与集成对木薯pVAC预测的贡献。肯尼亚农牧研究机构(KALRO)拥有pVAC木薯种质资源,本研究即在此背景下比较参数化贝叶斯模型与mr-GWAS/传统GWAS固定效应增强方案,以及非参数ML与集成方案,以建立高预测力GP框架,论文发表于《Heliyon》。
主要关键技术方法:研究人员使用乌干达NaCRRI提供的93份pVAC木薯半同胞后代基因型(91黄肉、2白肉),于KALRO Kakamega田间建成苗期训练群体;表型为2024年1月取两代表根经HPLC定量β-胡萝卜素(mg/100 g);基因型经DArTseq(GBS)测序于Manihot esculenta_671_v8.0参考基因组检出54877个SNP,质控(call rate≥0.95、MAF≥0.05)后留37419个SNP。GWAS并行采用GAPIT-BLINK固定效应多基因座模型与mrMLM包内mrMLM/FASTmrMLM/pLARmEB/ISIS EM-BLASSO四类随机效应mr-GWAS。参数模型用BGLR包拟合BRR/BL/BayesA/BayesB/BayesC,并将GWAS显著SNP作为固定效应协变量;非参数模型用caret包构建RF/SVMRadial/NNET/XGBTree/KNN,经近零方差剔除、中心化、KNN填补、高相关剔除及Boruta算法(≤100轮)选变量,caretEnsemble做集成(RF为元学习器堆叠),5折交叉验证评估。
研究结果:
3.1 表型信息:93份材料β-胡萝卜素均值0.52 mg/100 g(范围0.04–1.03),变异系数46.37%;肉色评分均值3.62(1–6)。密度图显示表型连续变异,基因组亲缘矩阵热图表明材料间存在中度亲缘但未高度分层。
3.2 全基因组关联分析:BLINK固定效应模型在染色体01检得1个肉色相关SNP,染色体09(34394428 bp)与14(6077652 bp)各1个β-胡萝卜素相关SNP;mr-GWAS四模型联合在染色体01/03/04/14/18共检得5个β-胡萝卜素相关SNP(其中染色体14位点6077652 bp被全部四模型复现)。mr-GWAS较BLINK检出更多位点,体现更高统计功效。
3.3 基因组预测模型:
3.3.1 参数化GP模型:预测肉色时,初始BGLR验证集r介于0.39(BRR)至0.48(BL),加入染色体01显著SNP作固定效应后升至0.61–0.63,训练集过拟合差距收窄。预测β-胡萝卜素时,初始模型r仅0.14–0.16;加入BLINK两SNP(模型2a)后r达0.41–0.43;再加入mr-GWAS五SNP(模型2b)后BRR/BL/BayesC/BayesB达0.77–0.78,BL最高0.81,BayesA最低0.75。结果表明mr-GWAS多SNP固定效应嵌入对加性GEBV预测提升最大。
3.3.2 非参数GP模型:Boruta从37419个SNP中精选13个重要变量。无变量选择时,验证集r为SVMRadial 0.04至集成0.44;变量选择后RF与集成均达r=0.79,XGBTree与KNN为0.73,SVMRadial 0.38、NNET 0.34。集成模型在有无变量选择下均最优,但单模型RF亦可比肩集成。
讨论部分总结:研究人员指出,参数化模型预测GEBV适用于早期亲本选配,非参数模型兼顾加性与非加性效应更宜用于终选品种评估,二者互补加速改良。表型虽整体β-胡萝卜素偏低(68%材料低于6 μg/g推荐线),但存在有利等位基因供后续聚合。MR-GWAS因将标记效应视为随机且用修正Bonferroni(0.05/Me)阈值,在小群体检出力优于单基因座模型,其显著SNP跨染色体分布能捕获微效位点,故嵌入参数模型后预测力跃升。ML模型经变量选择降维至13 SNP后排除噪声、聚焦真实信号,RF基于树结构天然捕捉非加性交互,故表现突出;集成通过模型间误差互补进一步稳健。作者自陈两项局限:群体仅93份致泛化性受限;GWAS于交叉验证前在全量数据运行,显著SNP回嵌预测可能引入乐观偏倚,后续应以嵌套交叉验证或独立群体校验。
结论部分翻译:本研究助力肯尼亚木薯消费区抗击VAD。所建参数化模型可可靠预测pVAC木薯育种值,凸显其在快速遗传改良中的效用。将GWAS显著SNP纳入大幅增强基因组预测模型,尤其当随机标记效应GWAS跨18条染色体检出的多显著SNP作固定协变量时提升更甚。非参数ML模型通过兼顾加性与非加性基因效应,可可靠估计基因型基因组值;特征选择显著提升非参数模型预测力,模型集成亦增精度。随机森林(RF)、集成、XGBoost(XGBTree)与K近邻(KNN)模型给出优异预测结果,可用于木薯优株终选。