[论文解读] 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 3

一句话总结

论文提出一个框架，在混合模型中构建 enviromics 矩阵以整合遗传与环境数据，从而提升植物育种的表型预测。它解释了块对角设计矩阵与 Kronecker 结构协方差的构建，以及频率派和贝叶斯实现。

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.

研究动机与目标

• 引入一个框架，用于在混合模型中整合遗传与环境数据来构建 enviromics 矩阵。
• 解释块对角设计矩阵如何捕捉跨品种与环境的随机效应。
• 描述将亲缘关系和环境表型效应的 Kronecker-product 协方差结构，以改善表型预测。
• 展示该框架如何与 rrBLUP 和 BGLR 集成，并讨论对更复杂 GxE 交互的扩展。

提出的方法

• 构建一个块对角设计矩阵 Z，将每个基因型和跨试验的环境表型协变量的随机效应包括在内。
• 用 Sigma ⊗ A 的协方差结构（或等价地 K = A ⊗ I）来建模环境表型和遗传方差分量。
• 将核矩阵(K)设为亲缘关系矩阵 A 与单位矩阵的 Kronecker 乘积，以扩展遗传关系到环境表型效应。
• 通过 rrBLUP 提供频率派估计，通过 BGLR 提供贝叶斯估计，包括通过 EC 的集合/分组以及 MCMC 设置来处理收敛问题。
• 在一个 toy 数据集上给出构建步骤和 R 语言示例代码，并讨论输出的解释（BLUE/BLUP）及预测。

实验结果

研究问题

• RQ1 如何在混合模型框架中将 enviromic 协变量与遗传关系整合？
• RQ2 使用块对角 Z 和 Kronecker 结构的 K 对跨环境的表型预测有何影响？
• RQ3 频率派（rrBLUP）与贝叶斯方法（BGLR）在这一 enviromics 设置中的比较如何？
• RQ4 框架是否能容纳大量环境表型协变量与复杂 GxE 交互，同时在标准软件中可实现？

主要发现

• 块对角 Z 可以容纳跨环境的多基因型随机效应。
• Kronecker 乘积核 K = A ⊗ I 将亲缘矩阵扩展以包含环境表型效应，从而捕捉遗传与环境协方差。
• 频率派（rrBLUP）与贝叶斯（BGLR）方法在预测上高度一致（示例中相关性约为 0.973）。
• 该框架支持与 rrBLUP 与 BGLR 的整合，并可扩展用于更复杂的 GxE 交互。
• enviromics 通过将遗传关系与环境协变量相结合，提升跨环境的表型预测。