.png){kind=icon}
.png){kind=icon}
返回
Bayesian divergence-based approach for genomic multitrait ordinal selection
.png){kind=icon}
OA
AI
DOI：10.1093/g3journal/jkaf183.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
针对等级性状（如抗病性评分）的有效基因组选择是植物育种中的一个持续挑战，因为这些表型的离散性和有序性特征。本研究提出了一种基于贝叶斯发散的新型多性状等级选择框架，并在扩展的多性状亲本选择R软件包（MPS-R）中实现。通过利用决策理论损失函数，包括Kullback-Leibler（KL）发散、Bhattacharyya距离和Hellinger距离，我们的方法量化了候选分布与育种者定义的目标分布之间的距离。通过结合不同的遗传相关结构和遗传力水平的6种情景进行广泛模拟，我们比较了每种损失函数的性能。KL发散在遗传增益方面表现始终更优，特别是在中等遗传力设置下。此外，使用真实小麦抗病性数据进行随机抽样验证，证实了这些方法在育种实践中的实用性。MPS-R软件包通过针对育种应用中的等级性状选择而设计的人性化函数实现了这一方法。我们的结果表明，该工具集为针对复杂、多性状等级表型的育种计划提供了一个灵活、稳健且具有生物学基础的框架，以提升选择效率。研究中使用的模拟方案所存在的若干局限性也进行了讨论。
Keyword:
Bayesian genomic selection
ordinal traits
Kullback-Leibler divergence
Bhattacharyya distance
Hellinger distance
decision theory
parental selection
wheat breeding
MPS-R package
genomic prediction