比较基于遥感的玉米常见锈病易感性表型分析的统计“表型预测”模型

《Plant Phenomics》：Comparing statistical ‘phenomic prediction’ models for remote-sensing-based phenotyping of maize susceptibility to common rust

本研究探讨表型预测在遥感遗传分析中的应用潜力，通过整合多光谱数据及植被指数构建综合预测模型，比较OLS、RR、LASSO、ANN和GBRT等方法在预测视觉评分及遗传信号中的效果。结果表明，基因组估计育种值（GEBVs）结合岭回归（RR）或人工神经网络（ANN）能最佳提升遗传信号纯化，而线性回归（OLS）在单一植被指数与综合数据模型中表现相当，过度拟合可通过正则化解决。

　　

Johannes W.R. Martini|Osval A. Montesinos-Lopez|Jose Crossa|Rodomiro Ortiz

国际玉米小麦改良中心 – CIMMYT

摘要

我们研究了基于遥感的表型分析中表型预测（Phenomic Prediction, PP）在遗传学研究中的潜力。我们没有依赖单一的植被指数，而是综合利用所有可用数据来预测人工评估的视觉得分（Visual Score, VS）。其背后的理念是，当有一个训练有素的模型时，这些预测可能比使用特定的植被指数（Vegetation Index, VI）更能准确地评估疾病症状。为了评估表型预测方法，我们将预测的视觉得分应用于全基因组关联研究（Genome-Wide Association Study, GWAS），并分析检测到的遗传信号的强度和位置。我们使用了两组不同的预测变量：i) 多光谱相机和热成像相机捕获的五个基本波长（基本特征模型，Basic Traits Model, BT）；ii) 所有特征（All Traits, AT），包括五个基本波长和十个植被指数。在统计方法方面，我们比较了 a) （线性）普通最小二乘回归（Ordinary Least Squares Regression, OLS），b) （线性）岭回归（Ridge Regression, RR），c) （线性）最小绝对值收缩与选择算法（Least Absolute Shrinkage and Selection Operator, LASSO），d) 人工神经网络（Artificial Neural Network, ANN）以及 e) 梯度提升回归树方法（Gradient Boosted Regression Tree, GBRT）。研究结果表明，仅基于五个基本波长的简单线性OLS回归（BT-OLS）的表现与最佳的单个植被指数相当。而在OLS回归中包含所有特征（AT-OLS）会导致过拟合现象，这一点通过AT-RR和AT-LASSO的正则化处理得到了避免。非线性的ANN方法似乎进一步改善了结果，但各方法之间的差异并不具有统计学意义。当使用不同特征的基因组估计育种值（Genomic Estimated Breeding Values, GEBVs）而非其调整后的表型时，遗传信号的纯化效果最为显著。在所有方法中，将GEBVs与岭回归或非线性ANN结合使用获得了最佳结果。