部分最小平方增强了在新环境下土豆品种的多特征基因组预测

科学领域:

• 植物育种 植物育种
• 遗传学 是一个遗传学.
• 统计建模 统计建模

背景情况:

• 植物育种需要处理大型预测变量和少数样本的方法.
• 预测因素和特征之间的高相关性需要高效的预测技术.
• 部分最小平方 (PLS) 是一种适合于此类挑战的统计方法.

研究的目的:

• 为了评估部分最小平方 (PLS) 对土豆特征的预测性能.
• 为了比较单特征 (ST) 和多特征 (MT) PLS预测策略.
• 在测试和未测试的环境中评估PLS性能.

主要方法:

• 应用单特征 (ST) 和多特征 (MT) 部分最小平方 (PLS).
• 在测试环境中使用五倍交叉验证 (5FCV) 进行预测.
• 在未经测试的环境中对预测进行交叉验证.

主要成果:

• ST和MT PLS都表现出良好的预测性能,皮尔森的相关性准确度经常超过0.5.5.
• 使用五倍交叉验证 (5FCV) 的预测准确度高于使用离开一个环境 (LOEO) 的预测准确度.
• 在马育种数据预测方面,PLS框架被证明是有效的.

结论:

• 部分最小平方 (PLS) 是一种宝贵的土豆育种工具,特别是用于预测任务.
• ST和MT PLS框架为复杂的遗传数据集提供了强大的预测能力.
• 这项研究提供了经验证据,支持PLS在优化土豆育种策略中的实用性.