[論文レビュー] A Framework for Building Enviromics Matrices in Mixed Models

Bruno Achcar Trevisan, Vilela Junqueira+4 more|arXiv (Cornell University)|Jan 7, 2025

Genetics and Plant Breeding被引用数 3

ひとこと要約

要約: 本論文は、混合モデルにおける環境ゲノミクス行列を構築するフレームワークを提示し、遺伝情報と環境データを統合して植物育種における表現型予測を向上させる。ブロック対角設計行列とKronecker構造共分散の構築、頻度主義およびベイズ推定の実装を説明する。

ABSTRACT

This study introduces a framework for constructing enviromics matrices in mixed models to integrate genetic and environmental data to enhance phenotypic predictions in plant breeding. Enviromics utilizes diverse data sources, such as climate and soil, to characterize genotype-by-environment (GxE) interactions. The approach employs block-diagonal structures in the design matrix to incorporate random effects from genetic and envirotypic covariates across trials. The covariance structure is modeled using the Kronecker product of the genetic relationship matrix and an identity matrix representing envirotypic effects, capturing genetic and environmental variability. This dual representation enables more accurate crop performance predictions across environments, improving selection strategies in breeding programs. The framework is compatible with existing mixed model software, including rrBLUP and BGLR, and can be extended for more complex interactions. By combining genetic relationships and environmental influences, this approach offers a powerful tool for advancing GxE studies and accelerating the development of improved crop varieties.

研究の動機と目的

• 遺伝情報と環境データを混合モデルに統合するための環境ゲノミクス行列を構築するフレームワークを導入する。
• ブロック対角設計行列が遺伝子型と環境ごとのランダム効果をどのように捉えるかを説明する。
• 遺伝的および環境表現型効果を組み合わせるKronecker積共分散構造を説明し、表現型予測を改善する。
• rrBLUPとBGLRへのフレームワークの統合と、より複雑なG×E相互作用への拡張について検討する。

提案手法

• 各試験を跨いで遺伝子型ごとおよび環境表現型共変量を含むランダム効果を含むブロック対角設計行列Zを構築する。
• 共分散構造をSigma d7 A または同等に K = A d7 Iとして定義し、環境表現型と遺伝的分散成分をモデル化する。
• Kをkinship行列Aと単位行列のKronecker積として定義し、環境表現型効果へ遺伝的関係を拡張する。
• 頻度主義推定をrrBLUPで、ベイズ推定をBGLRで提供し、ECの集合体/グルーピングによる収束処理とMCMC設定を含めて扱う。
• toyデータセットでの構築手順をRのサンプルコードとともに示し、出力（BLUE/BLUP）と予測の解釈を議論する。

実験結果

リサーチクエスチョン

• RQ1 環境ゲノム的共変量を混合モデル枠組みで遺伝的関係とどのように統合できるか。
• RQ2 ブロック対角ZとKronecker構造Kを用いた場合、環境間で表現型を予測する際の影響はどうなるか。
• RQ3 この環境ゲノミクス設定における頻度主義（rrBLUP）とベイズ（BGLR）のアプローチはどう比較されるか。
• RQ4 多くの環境表現型共変量と複雑なG×E相互作用を標準ソフトウェアで実装可能なまま受け入れられるか。

主な発見

• ブロック対角Zは環境型ごとに複数の遺伝子型のランダム効果を受け入れることができる。
• Kronecker積カーネルK = A × Iは遺伝的関係を環境表現型効果へ拡張し、遺伝的・環境的共分散を捉える。
• 頻度主義（rrBLUP）とベイズ（BGLR）アプローチは高度に一致した予測を示し（例での相関約0.973）、互換性が高い。
• フレームワークはrrBLUPおよびBGLRとの統合をサポートし、より複雑なG×E相互作用へ拡張可能である。
• 環境間の表現型予測を、遺伝的関係と環境表現型共変量を組み合わせることで改善する。