随机森林插补与基因组预测方法在黄羽肉鸡育种中缺失的产蛋时间序列数据的应用

《BMC Genomics》：Random forest imputation and genomic prediction for missing egg production time-series data in yellow-feathered broiler breeders

　　

摘要

背景

产蛋量是家禽育种中的关键经济性状，其纵向记录对于准确的遗传评估至关重要。然而，由于传感器故障、记录中断或操作错误，时间序列产蛋数据中常常存在缺失值。这种缺失不仅会降低表型重建的准确性，还可能影响后续的育种值估计。本研究旨在比较多种用于处理缺失产蛋时间序列数据的插补策略，并从两个互补的角度对其进行评估：插补准确性和基于基因组及系谱的下游预测性能。

结果

我们使用来自4,390只黄羽肉鸡的数据集，对这些数据集进行了六种插补策略的基准测试，包括超过100,000条产蛋记录和463,000个单核苷酸多态性（SNP），这些数据集涵盖了5%、10%、15%和20%的模拟缺失率。在插补准确性方面，随机森林（RF）方法在所有模拟缺失率下均显著优于其他方法，相对其他方法，RMSE降低了15.50%至31.22%，MSE降低了28.31%至52.69%，同时R²提高了7.42%至23.41%。在下游评估中，未经插补的基因组估计育种值（GEBV）的准确率在0.239到0.277之间，而插补后准确率提高到了0.288至0.293。随机森林方法被证明是最稳健的方法，准确率提高了5.78%至21.76%（p < 0.05）。

结论

本研究表明，随机森林插补是解决产蛋时间序列数据缺失问题的高效工具。通过弥合原始数据处理与基因组预测之间的差距，这些发现为提高家禽业及其他具有纵向数据的牲畜物种育种计划的可靠性提供了实用的计算框架。