《Agricultural and Forest Meteorology》：Accuracy, robustness and the Occam’s razor in model-aided genomic prediction
编辑推荐：
•我们选择了两个物候模型并运行了模型辅助的基因组预测（GP）。•分析了模型结构和参数数量对准确性的影响。•还评估了模型辅助 GP 结果的生物学意义。•参数之间的强相互作用导致预测准确性明显下降。•参数数量应保持在最低限度以确保生物学意义。引言作物模拟模型（CSMs）被越来越广
- •
我们选择了两个物候模型并运行了模型辅助的基因组预测（GP）。
- •
分析了模型结构和参数数量对准确性的影响。
- •
还评估了模型辅助 GP 结果的生物学意义。
- •
参数之间的强相互作用导致预测准确性明显下降。
- •
参数数量应保持在最低限度以确保生物学意义。
引言
作物模拟模型（CSMs）被越来越广泛地用于扩展基因组预测（Diepenbrock 等人，2022；Kawakita 等人，2024）的潜力，因为它们能够将统计学的作用限制在基因组信息与功能性状之间关系的建立上（Litrico 和 Violle，2015），而后者的受基因型（G）× 环境（E）× 管理（M）互作影响较小。一旦推导了这种关系，环境影响和管理因素对表型表达的影响确实是由 CSMs 基于生态生理基础动态模拟的，假设 CSM 参数与植物功能性状之间存在密切关系（Hammer 等人，2002；Casadebaig 等人，2016）。
与传统的基因组预测（GP）——即依赖于表现性状水平的基因型与表型之间的关系——相比，这使得模型辅助 GP 能够扩展到推导基因型到表型关系条件之外的情况（Messina 等人，2018）。实际上，在模型辅助 GP 中，G × E × M 互作的大部分是通过依赖我们对潜在生态生理机制知识的数学形式化来重现的，而不是依赖统计学（统计学按其定义仅对推导关系时探索的条件有效）（Paleari 等人，2025）。
开发了不同的方法论用于运行模型辅助 GP，包括两步法和综合（或一步法）方法（Messina 等人，2018），这些方法应用于完整的 CSM 或其单个组件（例如，物候模型，PM）。两步法基于使用优化技术，对于每个基因型，将感兴趣的性状表型（例如，开花时间）分解为对应于模拟该性状表型所涉及的模型参数的功能性状（例如，对光周期的敏感性）。然后，推导基因组信息与参数之间的关系。相反，综合方法基于使用单一层级模型，该模型结合了模拟模型（CSM 或 PM）和 GP 模型，允许同时推断模型参数值和标记效应（Onogi 等人，2016；Messina 等人，2018）。
在少数研究中，评估了不同的方法，但无法得出关于其可靠性的最终结论。例如，Onogi 等人（2016）比较了综合方法和两步法，观察到当使用综合方法预测水稻的抽穗期（HD）时，预测准确性略有增加，尽管这导致了实施该方法所需资源的急剧增加以及所需计算能力的巨大提升。对于两步法，同一作者评估了两种不同的优化算法，即使在本次研究中，预测准确性的差异也很小。Kawakita 等人（2024）评估了三种方法（随机森林、支持向量和岭回归）用于推导单核苷酸多态性（即在 DNA 序列单个位置捕获个体间变异的分子标记，SNPs）与四种不同水稻 PM 参数之间的关系，结果表明预测准确性的最大差异是由 PM 结构解释的。Yang 等人（2022）还评估了七个水稻发育模拟模型，他们试图分析模型结构对开花时间预测准确性的潜在影响，鉴于可用 PM 复杂度的差异以及 PM 参数生物学意义的范围（拟合参数值与基因组预测参数值之间的相关性）。特别是，Yang 等人（2022）观察到一种趋势，即当从训练数据集移动到测试数据集时，随着 PM 复杂度的增加，预测准确性降低。作者建议这种稳健性的丧失是由于当 PM 复杂度增加时，等价性（即不同的参数组合提供相同的模拟输出）的可能性增加，这反映在 GP 模型与物候发育的潜在遗传控制之间的不一致性上。
除了模型结构差异外，另一个可能显著影响预测准确性的因素涉及在同一 CSM 内优化的参数数量。事实上，降低观测值与参数数量的比率可能会增加等价性的普遍性，进而破坏预测系统的生物学一致性。鉴于可用 CSM 对潜在生物系统的遵循程度不完整，应该仔细考虑等价性的普遍性，这在一定程度上限制了它们完全捕获与作物生长和发育有关的所有生物过程的能力（Kumar 等人，2009）。
本研究旨在分析增加两步法模型辅助 GP 应用中的参数数量对预测准确性的影响。为了考虑模型结构，分析在两个复杂度和用于形式化感兴趣生物过程的算法差异很大的 PM 上进行。作为一个案例研究，分析聚焦于春大麦的 HD。该植物性状指从播种到一半穗头从旗叶叶鞘中长出所需的天数（Alqudah 和 Schnurbusch，2017），这是一个编码为 Zadoks 时期 Z55 的物候阶段（Zadoks 等人，1974）。它与开花时间密切相关，这是作物适应性和表现的关键因素（Kazan 和 Lyons，2016）。因此，它在 CSM-GP 研究中受到广泛兴趣，通常单独评估（例如，Onogi 等人，2016；Yang 等人，2022；Kawakita 等人，2024；Paleari 等人，2025）或与其他性状一起评估（例如，产量；Jighly 等人，2023）。因此，该性状代表了在模型辅助 GP 应用中解决广泛兴趣的方法学问题的一个典型案例。
章节摘要
材料与方法
该研究分为以下步骤，如图 1 所示：（i）分析可用的 PM 以识别其中两个在结构和复杂度上差异很大的模型，并实现其方程以在 C# 代码中模拟 HD（图 1，步骤 1）；（ii）对两个选定的 PM 进行敏感性分析（SA），根据其对于目标性状的相关性对其参数进行排名（图 1，步骤 2）；（iii）基于 SA 为每个 PM 生成四种配置
物候模型的选择与配置
两个 PM 的选择基于使用非加权组对法进行的凝聚层次聚类结果（图 2）。生成的树状图（图 2）直观地表示了模型之间的相似性，依据是表 2 中报告的特征。鉴于目标是识别两个结构差异最大的 PM，树状图建议选择 SiriusQuality 2.0 (SQ) 的物候组件和任何其他 PM。为了
讨论
我们分析了 PM 结构和配置（考虑的参数量）对春大麦 HD 模型辅助 GP 准确性的影响。为此，我们选择了两个在复杂度程度和用于形式化潜在生物过程现有知识的方法上差异很大的 CSM（即 WOFOST 和 SQ）的物候组件。尽管复杂度存在差异，两个模型平均结果仅对少数……敏感
结论
我们分析了 PM 结构以及模型内考虑的参数量对两步法模型辅助 GP 的准确性和生物学意义的影响。尽管当预测同一基因型在不同环境中的大麦 HD 时，预测准确性完全令人满意，但当在同一环境内预测不同基因型的 HD 时，观察到了重要不一致性。我们的分析突出了以下考虑因素。
CRediT 作者贡献声明
Vittoria Viglione： 撰写 – 原稿，可视化，软件，方法论，调查，形式分析。 Livia Paleari： 撰写 – 审阅与编辑，监督，软件，方法论，概念化。 Alessandro Tondelli： 撰写 – 审阅与编辑，调查，数据管理。 Chiara Marchetti： 撰写 – 审阅与编辑，调查，数据管理。 Roberto Confalonieri： 撰写 – 原稿，监督，调查，资金获取，形式分析，概念化。
Vittoria Viglione|Livia Paleari|Alessandro Tondelli|Chiara Marchetti|Roberto Confalonieri
