用两种交叉验证方法预测牛的基因组活重

IF 0.3 Q4 AGRICULTURE, MULTIDISCIPLINARY
Francisco Joel Jahuey-Martínez, J. Magaña-Monforte, J. C. Segura-Correa, J. C. Martínez-González, R. J. Estrada-León, G. M. Parra-Bracamonte
{"title":"用两种交叉验证方法预测牛的基因组活重","authors":"Francisco Joel Jahuey-Martínez, J. Magaña-Monforte, J. C. Segura-Correa, J. C. Martínez-González, R. J. Estrada-León, G. M. Parra-Bracamonte","doi":"10.19136/era.a11n1.3817","DOIUrl":null,"url":null,"abstract":"Se estimó la exactitud de la predicción (EP) de valores genómicos estimados (GEBV) para variables de peso vivo de ganado Charolais utilizando dos métodos de validación cruzada. Se ajustó un modelo BLUP y diferentes métodos de predicción genómica (PG) Genomic-based best linear unbiased prediction (GBLUP), Bayes C (BC) y Single-step Bayesian regression (SSBR). La EP fue comparada mediante grupos de validación (GV) formados aleatoriamente y mediante GC. Los resultados mostraron que los tres métodos de PG proporcionaron exactitudes de predicción similares entre los\nGV\npero no exactitudes de predicción superiores a BLUP. La exactitud de predicción de GBLUP y BLUP fue 0.35 y 0.37 para PN, y de 0.30 y 0.41 para PD, respectivamente. Los resultados muestran bajas exactitudes de PG bajo los escenarios evaluados; por lo que para su correcta implementación es necesario incrementar el número de animales y usar valorees genéticos desregresados como variables de respuesta.","PeriodicalId":54066,"journal":{"name":"Ecosistemas y Recursos Agropecuarios","volume":null,"pages":null},"PeriodicalIF":0.3000,"publicationDate":"2024-02-19","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Predicción genómica de peso vivo con dos métodos de validación cruzada en ganado bovino\",\"authors\":\"Francisco Joel Jahuey-Martínez, J. Magaña-Monforte, J. C. Segura-Correa, J. C. Martínez-González, R. J. Estrada-León, G. M. Parra-Bracamonte\",\"doi\":\"10.19136/era.a11n1.3817\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Se estimó la exactitud de la predicción (EP) de valores genómicos estimados (GEBV) para variables de peso vivo de ganado Charolais utilizando dos métodos de validación cruzada. Se ajustó un modelo BLUP y diferentes métodos de predicción genómica (PG) Genomic-based best linear unbiased prediction (GBLUP), Bayes C (BC) y Single-step Bayesian regression (SSBR). La EP fue comparada mediante grupos de validación (GV) formados aleatoriamente y mediante GC. Los resultados mostraron que los tres métodos de PG proporcionaron exactitudes de predicción similares entre los\\nGV\\npero no exactitudes de predicción superiores a BLUP. La exactitud de predicción de GBLUP y BLUP fue 0.35 y 0.37 para PN, y de 0.30 y 0.41 para PD, respectivamente. Los resultados muestran bajas exactitudes de PG bajo los escenarios evaluados; por lo que para su correcta implementación es necesario incrementar el número de animales y usar valorees genéticos desregresados como variables de respuesta.\",\"PeriodicalId\":54066,\"journal\":{\"name\":\"Ecosistemas y Recursos Agropecuarios\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":0.3000,\"publicationDate\":\"2024-02-19\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Ecosistemas y Recursos Agropecuarios\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.19136/era.a11n1.3817\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q4\",\"JCRName\":\"AGRICULTURE, MULTIDISCIPLINARY\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Ecosistemas y Recursos Agropecuarios","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.19136/era.a11n1.3817","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"AGRICULTURE, MULTIDISCIPLINARY","Score":null,"Total":0}
引用次数: 0

摘要

使用两种交叉验证方法估算了夏洛莱牛活重变量基因组估计值(GEBV)的预测准确性(PE)。采用 BLUP 模型和不同的基因组预测方法(GP):基于基因组的最佳线性无偏预测(GBLUP)、贝叶斯 C(BC)和单步贝叶斯回归(SSBR)。使用随机形成的验证组(VGs)和 GC 对 PD 进行了比较。结果表明,三种 PG 方法在 VG 中提供了相似的预测准确率,但预测准确率并不优于 BLUP。GBLUP 和 BLUP 对 PN 的预测准确率分别为 0.35 和 0.37,对 PD 的预测准确率分别为 0.30 和 0.41。结果表明,在所评估的情况下,PG 的预测准确率较低;因此,为了正确实施 PG,有必要增加动物数量并使用去回归遗传值作为响应变量。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
Predicción genómica de peso vivo con dos métodos de validación cruzada en ganado bovino
Se estimó la exactitud de la predicción (EP) de valores genómicos estimados (GEBV) para variables de peso vivo de ganado Charolais utilizando dos métodos de validación cruzada. Se ajustó un modelo BLUP y diferentes métodos de predicción genómica (PG) Genomic-based best linear unbiased prediction (GBLUP), Bayes C (BC) y Single-step Bayesian regression (SSBR). La EP fue comparada mediante grupos de validación (GV) formados aleatoriamente y mediante GC. Los resultados mostraron que los tres métodos de PG proporcionaron exactitudes de predicción similares entre los GV pero no exactitudes de predicción superiores a BLUP. La exactitud de predicción de GBLUP y BLUP fue 0.35 y 0.37 para PN, y de 0.30 y 0.41 para PD, respectivamente. Los resultados muestran bajas exactitudes de PG bajo los escenarios evaluados; por lo que para su correcta implementación es necesario incrementar el número de animales y usar valorees genéticos desregresados como variables de respuesta.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
Ecosistemas y Recursos Agropecuarios
Ecosistemas y Recursos Agropecuarios AGRICULTURE, MULTIDISCIPLINARY-
自引率
0.00%
发文量
57
审稿时长
32 weeks
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信