编辑推荐：
研究人员对比多种机器学习（ML）方法在猪基因组预测中的性能，发现 GBLUP、Stacking 等方法表现优异，为猪育种提供参考。
在猪的育种领域，基因组选择（Genomic Selection，GS）是一项极为关键的技术，它就像精准导航仪，利用全基因组高密度单核苷酸多态性（Single Nucleotide Polymorphism，SNP）标记来估计个体的基因组估计育种值（Genomic Estimated Breeding Values，GEBVs）。与传统依赖系谱信息的育种值估计方法相比，GS 能更好地解释世代间的遗传变异，提高育种值预测的准确性，缩短世代间隔，加速遗传进展，在低遗传力性状的预测上也表现出色。
然而，现有的 GS 方法存在不少问题。传统的基于最佳线性无偏预测（Best Linear Unbiased Prediction，BLUP）的方法，如基因组最佳线性无偏预测（Genomic Best Linear Unbiased Prediction，GBLUP），虽然相比 BLUP 有更高的准确性，但它和贝叶斯方法一样，都只能考虑加性效应，忽略了基因间的相互作用和上位效应，这可能会影响基因组预测的准确性。而且，随着 SNP 标记数量的增加，对存储空间的需求也大幅提升，导致基因组预测的效率变低。此外，贝叶斯方法虽然准确性较高，但耗时太长，在实际生产中应用困难。同时，现有研究尚未明确哪种机器学习（Machine Learning，ML）方法最适合大多数猪基因组预测，这使得在进行基因组预测时，难以从众多 ML 方法中选择合适的方法。
为了解决这些问题，中国农业大学的研究人员开展了一项关于 “猪育种中基因组选择：机器学习算法的比较分析” 的研究。研究成果发表在《Genetics Selection Evolution》上。
研究人员采用了多种关键技术方法。首先，使用了五个不同的猪种群数据集，涵盖生长和繁殖性状，这些数据集来自之前的研究，具有广泛的代表性。其次，运用了 11 种 ML 方法和 GBLUP 进行对比分析，包括核岭回归（Kernel Ridge Regression，KRR）、支持向量回归（Support Vector Regression，SVR）、弹性网络（Elastic Net，ENET）等。在实验过程中，通过随机划分数据集，将 20% 的数据作为测试集，80% 作为训练集，训练集再进一步划分用于训练和验证，这个过程重复 10 次。同时，采用了 LR 统计等方法评估模型性能，以全面比较各方法的优劣。
研究结果如下：
- T1-T5 性状的预测结果：大多数 ML 方法在 T1-T5 性状上的表现优于传统的 GBLUP，预测准确性有一定提升。其中，Stacking 模型表现最佳，平均排名第 2，KRR-rbf 紧随其后，平均排名 2.8。而 LASSO、Adaboost 和 ENET 的表现相对较差。通过 LR 统计分析发现，Stacking、RFR、MLP 和 SVR 对训练集规模的敏感性较小，具有较好的稳健性和泛化能力；SVR、KRR-cos 和 KRR-rbf 在预测表型时的分散性较好；KRR 的不同内核模型和 SVR 在部分数据集和整体数据集上的预测一致性较强；KRR-sig、KRR-cos 和 SVR 受训练集大小的影响较小，MLP 对训练集大小最为敏感。
- 生长性状的预测结果：在生长性状的预测中，一些 ML 方法如不同内核的 KRR 和 SVR，与 GBLUP 效果相当。GBLUP 表现最佳，平均排名 2.25，SVR 次之，平均排名 3.00，Stacking 和 CNN 也表现良好。
- 繁殖性状的预测结果：在繁殖性状的预测上，KRR-cos、KRR-sig 和 SVR 在总产仔数（Total Number of Born Piglets，TNB）性状上相关性较高，比 GBLUP 的平均相关性提高了 1.6%。在活产仔数（Number of Born Alive Piglets，NBA）和初生窝重（Litter Weight at Birth，LW）性状上，KRR 和 SVR 表现优于 GBLUP，SVR 表现最佳，平均排名 3.00，KRR-cos 和 GBLUP 紧随其后。
综合研究结果和讨论，GBLUP 和 ML 方法各有优势。GBLUP 在两个性状上排名最高，SVR 在四个生长性状上排名最高，Stacking 在三个性状上排名最高，KRR 在两个性状上排名最高。LR 统计分析表明，Stacking、SVR 和 KRR 较为稳定。因此，当应用 ML 方法进行猪的表型值预测时，推荐使用这三种方法。该研究为猪育种领域的研究人员在选择 ML 算法进行表型值预测时，提供了极具价值的参考，有助于推动猪育种技术的发展，提高育种效率和准确性，为培育更优质的猪种奠定了理论基础。
