[論文レビュー] Training population selection for (breeding value) prediction

Deniz Akdemir|arXiv (Cornell University)|Jan 30, 2014

Genetic and phenotypic traits in livestock参考文献 9被引用数 4

ひとこと要約

本稿では、テスト集合の遺伝子型を訓練選抜プロセスに統合することで、計算的に効率的な遺伝的アルゴリズムに基づく手法を提案し、ゲノム選抜のための最適な訓練集団を選択する。ヘンダーソンのPEVの高速近似を用いて予測誤差分散を最小化することで、特に小規模な訓練集団や構造化された集団において、ランダムサンプリングよりも予測精度が向上する。

ABSTRACT

Training population selection for genomic selection has captured a great deal of interest in animal and plant breeding. In this article, we derive a computationally efficient statistic to measure the reliability of estimates of genetic breeding values for a fixed set of genotypes based on a given training set of genotypes and phenotypes. We adopt a genetic algorithm scheme to find a training set of certain size from a larger set of candidate genotypes that optimizes this reliability measure. Our results show that, compared to a random sample of the same size, phenotyping individuals selected by our method results in models with better accuracies. We implement the proposed training selection methodology on four data sets, namely, the arabidopsis, wheat, rice and the maize data sets. Our results indicate that dynamic model building process which uses genotypes of the individuals in the test sample into account while selecting the training individuals improves the performance of GS models.

研究の動機と目的

• 訓練集団選択の最適化により、ゲノム推定育種値（GEBVs）の精度を向上させること。
• 訓練集団とテスト集団が遺伝的に乖離している、もしくは構造化されている場合に生じる低予測精度の課題に対処すること。
• PEV や CD のような行列逆行列に基づく信頼性指標の代替として、計算的に効率的な手法を開発すること。
• より良いモデル一般化を実現するため、訓練集団選択の段階でテスト集合の遺伝子型情報を統合すること。
• テスト集合ごとに訓練集団を最適化する動的モデル構築を可能にし、多様な遺伝的背景にわたる性能向上を図ること。

提案手法

• 本手法は、遺伝的アルゴリズムを用いて候補集団から訓練個体を選択し、テスト集合の平均予測誤差分散（PEV）を最小化する。
• 行列逆行列を回避する計算的に効率的なヘンダーソンのPEVの近似を導出する。
• PEVの近似は、ゲノム関係行列に基づき、収縮パラメータ δ を用いて遺伝力の影響を反映する。
• 訓練集団は、候補集団内でのみではなく、テスト集合の個体に対するPEVを最小化するように選択される。
• 本手法は、テスト集合の遺伝子型から得られるドメイン知識を訓練選択プロセスに統合し、モデルの頑健性を向上させる。
• 本手法は、人口構造や特性の遺伝力にばらつきがある4つのデータセット（アラビドキシス、パンジー、イネ、トウモロコシ）に適用された。

実験結果

リサーチクエスチョン

• RQ1 訓練集団選択の段階でテスト集合の遺伝子型情報を統合することで、ゲノム選抜における予測精度が向上するか？
• RQ2 提案手法のPEV近似は、従来の行列逆行列に基づく信頼性指標と比較して、計算効率および精度の面で優れているか？
• RQ3 遺伝的アルゴリズムを用いた訓練集団選択は、特に小規模な訓練集団において、ランダムサンプリングよりも高いGEBV予測精度を達成するか？
• RQ4 訓練集団とテスト集団が遺伝的に乖離している構造化された集団において、本手法の有効性はいかがなものか？
• RQ5 テスト集合ごとに訓練集団を最適化する動的モデル構築アプローチは、多様な遺伝的グループにわたる予測性能を向上させるか？

主な発見

• 提案手法は、アラビドキシス、パンジー、イネ、トウモロコシの4つのデータセットすべてにおいて、ランダムサンプリングを常に上回る予測精度を達成した。
• 強い人口構造を示すトウモロコシデータセットでは、クラスタ間予測において、本手法で選択された訓練集団がランダムサンプルよりも顕著に高い精度を示した。
• 小規模な訓練集団サイズ（例：n_Train = 25）では、精度向上が最も顕著に現れ、特に表型評価リソースが限られた状況での価値が示された。
• 遺伝的アルゴリズムの使用により、訓練集団選択の探索空間を効率的に探索し、全検索を実施せずに高品質な解を得られた。
• 収縮パラメータ λ の変動に対しても、本手法の性能は頑健であったことから、異なる遺伝力仮定下でも安定性が確認された。
• 結果は、特に構造的または乖離した集団において、テスト集合ごとに訓練集団を最適化する動的モデル構築の実現可能性を支持している。