基因组预测中整合因果变异信息对GBLUP和机器学习模型性能的影响研究

本研究针对基因组预测(Genomic Prediction, GP)中如何有效利用已知QTL(Quantitative Trait Loci)信息提升模型性能这一关键问题，通过模拟畜牧业种群数据，系统比较了GBLUP、2GBLUP与机器学习模型(RF/SVR)的预测效果。研究发现：加权2GBLUP(w2GBLUP)在QTL解释80%遗传方差时准确度达峰值(0.83)，较传统GBLUP提升9%；而随机森林(RF)表现最差(0.5)且无法受益于QTL信息。该研究为基因组选择中模型优化提供了重要实证依据，发表于《Journal of Animal Science and Biotechnology》。

　　

在畜牧业育种领域，基因组预测(Genomic Prediction, GP)技术正经历从传统标记辅助选择向全基因组分析的范式转变。虽然基因组最佳线性无偏预测(GBLUP)已成为行业金标准，但其"所有标记贡献均等"的核心假设与生物学现实存在明显差距——事实上，数量性状位点(QTL)对遗传变异的贡献存在显著异质性。更令人困惑的是，尽管机器学习(ML)模型在理论上具备特征选择优势，但现有研究对其在基因组预测中的应用效果仍存在巨大争议。

为破解这一难题，Jifan Yang团队在《Journal of Animal Science and Biotechnology》发表的研究中，设计了一个精妙的模拟实验：通过QMSim软件构建包含29对染色体的畜牧业种群，随机分布8,169个QTL和55,043个SNP，并模拟20代选择育种过程。研究创新性地设置13种场景(QTL5-QTL100)，系统评估QTL信息对不同模型的提升效果。

关键技术方法包括：1) 使用QMSim模拟包含历史选择和现代育种的种群结构；2) 采用calc_grm计算基因组关系矩阵；3) 通过MTG2软件实现GBLUP/2GBLUP的方差组分估计；4) 应用Scikit-learn包构建随机森林(RF)和支持向量回归(SVR)模型；5) 设计加权基因组关系矩阵(w2GBLUP)以反映QTL效应异质性。

研究结果揭示三大关键发现：

模型性能比较

GBLUP基线准确度为0.76，显著高于SVR(0.72)和RF(0.5)。当引入QTL信息后，2GBLUP表现最优——在QTL解释80%遗传方差时准确度达0.83，较GBLUP提升9.2%。

加权策略验证

加权2GBLUP(w2GBLUP)突破传统2GBLUP的性能瓶颈——当包含QTL解释超过80%方差时，其准确度持续上升至0.81，而标准2GBLUP则下降至0.8。

机器学习局限

RF模型出现严重过拟合(训练集相关系数0.986)，且特征重要性评估失真，证实其不适合处理高维基因组数据。SVR虽表现稳定，但始终落后GBLUP约0.04个准确度单位。

这项研究对基因组预测领域具有三重重要意义：首先，证实分离QTL信息可显著提升预测精度，为育种实践中优先测序功能位点提供理论依据；其次，揭示机器学习模型在加性遗传效应场景中的固有局限，纠正了该领域的技术应用误区；最后，开发的加权2GBLUP框架为整合已知功能位点信息建立了标准化分析流程。

值得注意的是，研究者特别指出：当QTL解释80%遗传方差时，2GBLUP的跨代预测稳定性显著优于GBLUP，这一发现对解决基因组选择中的"衰退难题"具有重要启示。未来研究可进一步探索该模型在非加性遗传效应和跨群体预测场景中的拓展应用。