《Theoretical and Applied Genetics》：Comparative analysis of genomic prediction approaches for multiple time-resolved traits in maize
编辑推荐：
为解决如何利用高维度时序数据精确预测玉米发育过程中的多个生长相关性状这一难题，研究人员对能够处理多维时序数据的MegaLMM和dynamicGP两种基因组预测方法及其混合变体进行了系统比较。他们发现，在预测训练集内性状时，MegaLMM方法在相关性评估中优于dynamicGP，但二者在均方误差上表现相当。更重要的是，该研究证实了dynamicGP是唯一能够同时预测多个性状未来动态发展的时变预测方法，为基于遗传标记预测复杂性状动态提供了新思路。
作物育种的“未来之眼”：谁更能看穿玉米的生长秘密？
随着高通过量表型（HTP）技术的飞速发展，科学家们能够以前所未有的密度和频率获取植物在整个生命周期中的海量性状数据。从叶片面积、颜色到纹理特征，这些时间序列数据如同电影帧一般，记录了作物发育的动态过程。然而，如何从庞大的基因组数据中，精准“回放”甚至“预演”这些复杂的生长轨迹，一直是农业基因组学与精准育种领域面临的重大挑战。传统的基因组预测（GP）模型大多针对单个或少数几个在特定时间点测量的性状进行“快照式”分析，忽视了性状之间的相互关联及其随时间演变的动态特性。这种割裂的分析方式，难以充分利用HTP平台产生的多维时序数据所蕴含的丰富信息。
为了弥补这一空白，研究人员将目光投向了两种能够驾驭高维时序数据的强大工具：MegaLMM（超大规模线性混合模型）和dynamicGP（动态基因组预测）。MegaLMM擅长通过潜在因子分解处理大量相关性状，但它本质上是一种静态方法，不显式建模时间动态。而dynamicGP则独辟蹊径，它将动态模式分解（DMD）与基因组预测结合，旨在从遗传标记直接推导出控制多个性状随时间演变的“规则”，从而具备预测未来性状发展的潜力。究竟哪种方法能更有效地利用时序数据，实现对多个生长性状更精准的预测？为了回答这个问题，一个国际研究团队在《Theoretical and Applied Genetics》期刊上发表了一项重要研究，他们对这两种方法及其混合变体进行了系统性的比较分析。
该研究运用的关键技术方法主要包括：1）数据生成与预处理：研究利用一个包含347个重组自交系（RIL）的玉米多亲本高级世代杂交（MAGIC）群体，通过高通量成像系统在25个时间点收集了498个几何、颜色和纹理性状，并利用线性混合模型计算出每个性状在每个时间点的最佳线性无偏预测（BLUP）值。经过聚类筛选，最终保留了50个代表性性状用于建模。2）基因组数据处理：对330个RIL的79,557个单核苷酸多态性（SNP）进行基因型填充和质量过滤，得到70,846个SNP用于构建基因组关系矩阵（GRM）。3）模型构建与比较：核心是比较五种预测框架：a) dynamicGP-MegaLMM：用MegaLMM替换dynamicGP中预测其核心组件矩阵（R和Φ）的RR-BLUP（岭回归最佳线性无偏预测）模型；b) dynamicGP-MegaLMM+TP1：在a)的基础上，加入第一时点的表型值作为次级性状辅助预测；c) MegaLMM-CV1：用一个MegaLMM模型同时预测所有性状在所有时点（MT-MTP）；d) MegaLMM-CV2.1：用第一时点的所有性状作为次级性状，预测后续所有时点的性状（类比递归dynamicGP）；e) MegaLMM-CV2.2：用时点t的性状预测时点t+1的性状，逐点迭代（类比迭代dynamicGP）。同时，以单性状单时点（ST-STP）的RR-BLUP模型和原始的dynamicGP-RR-BLUP作为基准。评估指标包括快照精度（每个时点预测值与观测值的皮尔逊相关系数PCC）和纵向精度（每个基因型-性状组合在整个时间轴上的预测值与观测值的PCC和均方误差MSE）。
研究结果显示：
一、MegaLMM能更准确地预测dynamicGP的构建模块
用MegaLMM模型替换RR-BLUP来预测dynamicGP算法中的中间矩阵R和Φ，整体预测精度平均提高了8%。当将初始时点的表型值作为次级性状加入预测时（dynamicGP-MegaLMM+TP1），精度提升更为显著，达到21%。这表明MegaLMM通过利用矩阵元素间的协方差，能够改进dynamicGP核心组件的预测。
二、在数据使用模式相当时，MegaLMM显著优于dynamicGP
在预测训练时间范围内的性状值时，MegaLMM方法展现出显著优势。MegaLMM-CV2.1（递归模式）的预测精度比表现最佳的dynamicGP-MegaLMM+TP1高出约24%。而MegaLMM-CV2.2（迭代模式）的平均预测精度高达0.90 ± 0.12，远超迭代dynamicGP-MegaLMM+TP1的0.54 ± 0.27。
值得注意的是，所有CV2模型的预测精度在每第5个时间点都会出现明显下降，这与实验设计中每5天存在的48小时测量间隔相符，影响了时点间的性状自相关性。
三、经典GP方法能更精确地再现性状发育轨迹
在评估预测整个发育轨迹的能力（纵向精度）时，静态的GP方法（ST-STP RR-BLUP和MegaLMM-CV1）表现最佳，平均纵向PCC达到0.92 ± 0.13，并且有84%的预测轨迹与真实轨迹显著相关。而dynamicGP方法的纵向预测能力较弱，其预测的轨迹虽然能捕捉大致趋势，但无法精确复现真实轨迹中的细微波动。
研究还发现，性状轨迹的“粗糙度”（如相邻时点间剧烈波动）与MegaLMM-CV2方法的预测精度呈弱负相关，但对于dynamicGP方法，这种关联并不明显。
四、dynamicGP是唯一能实现多性状同时预测的方法
尽管在预测训练时间范围内的性状时表现不如MegaLMM，但dynamicGP拥有一个不可替代的独特优势：它是唯一能够对训练时点之外的未来时间点进行多性状同时预测的时变方法。在预测（forecasting）测试中（用前20个时点数据训练，预测第21-25时点），dynamicGP-MegaLMM+TP1取得了最佳的预测效果（平均快照PCC约0.56-0.57），证明了其捕捉性状动态演化规律并进行外推预测的能力。
本研究通过系统比较，得出了清晰的结论：在利用基因组数据预测已观测时间范围内的多性状动态时，基于潜在因子模型的MegaLMM方法在精度上优于基于动态建模的dynamicGP方法。这主要得益于MegaLMM能更有效地利用性状间和时点间的遗传协方差。然而，dynamicGP的价值在于其动态本质，使其成为目前唯一能够从遗传标记出发，同时预测多个性状未来发育轨迹的基因组预测方法。这为在育种中提前评估作物生长潜力打开了新的大门。
在讨论中，作者深入分析了两种方法的机理差异。MegaLMM作为静态方法，其高精度部分源于它只需预测出与观测值同范围的值即可匹配轨迹，这是一个相对简单的任务。而dynamicGP作为动态方法，其目标是通过学习到的动态算子A，理解性状值如何从一个时点影响下一个时点，这本质上更具挑战性，其预测误差会在迭代过程中累积。此外，dynamicGP中的降维步骤（DMD截断）会损失约20%的数据方差，这也是其精度受限的一个原因。尽管如此，这项研究为处理高维时序表型数据的基因组预测提供了重要的方法论见解和比较基准。它强调了在选择预测方法时，需要权衡预测精度与预测未来动态的能力这两个目标。随着HTP技术产生更庞大、更密集的时序数据，开发能够兼具高精度和强大动态预测能力的下一代模型，将是推动作物育种和精准农业发展的关键。
