多个性状的BLUP计算综合育种值

发布于

大家好，我是飞哥。

最近有老师问如何计算多个育种值的综合育种值，因为选择育种时，需要考虑多个性状，而这些性状单位不一样，怎么合并计算？

这里面其实就是包括两部分内容：

1，多个性状的育种值进行标准化

2，多个性状的育种值赋予权重

为何要进行标准化？

所谓标准化，就是将数据变为平均数为0，方差为1的数据集。将所有性状都标准化，就意味着这些性状的尺度都是一样的，是一个总体，可以进行加减乘除的操作。然后可以对不同的性质设置不同的权重，才可以进行综合育种值的计算。

标准化就是将育种值减去平均育种值，然后除以标准差。公式如下：

为何要对不同性状赋予权重？

因为我们的选择时，不同的性状重要程度不同，我们可以对不同的性状赋予不同的权重，这个权重是我们自己设置的，要求是性状的权重绝对值之和为1。

下面我们用一组数据来介绍一下计算方法，首先模拟一个数据，包括ID，y1,y2,y3三个性状。

代码语言：javascript
复制
library(tidyverse)
# 模拟数据
set.seed(123)
dat = data.frame(ID = 1:100,y1=rnorm(100)+10, y2 = rnorm(100)+20, y3=rnorm(100))
head(dat)

第一种计算方法：tidyverse方法

基本逻辑是根据across，批量提取y开头的性状，然后进行标准化，最后使用mutate进行修改。最后将权重对应的性状相乘，相加变为综合育种值。

代码语言：javascript
复制
# 标准化
d1 = d1 %>% mutate(across(starts_with("y"),scale))
# 赋予权重
d1 = d1 %>% mutate(index = y1*0.3 + y2*0.3 + y3*0.4)
head(d1)

第二种方法：比较直观但是麻烦的方法

代码语言：javascript
复制
# 传统方法
d2 = dat
head(d2)

d2y1 = (d2y1-mean(d2y1))/(sd(d2y1))

d2y2 = (d2y2-mean(d2y2))/(sd(d2y2))

d2y3 = (d2y3-mean(d2y3))/(sd(d2y3))


d2index = d2y10.3 + d2y2*0.3 + d2y30.4

head(d2)

两者结果是一致的。

注意：

1，如果有些性状是负向选择，比如玉米含水量，猪的百公斤日龄，那就将权重设置为负数。

2，多性状选择时，尽量不要超过5个性状，否则就没有重点，效果也不佳。

3，权重的设置，来源于育种的经验数值，科学的确定权重的大小，需要考虑经济效益。

代码汇总：

代码语言：javascript
复制
library(tidyverse)

模拟数据


set.seed(123)

dat = data.frame(ID = 1:100,y1=rnorm(100)+10, y2 = rnorm(100)+20, y3=rnorm(100))

head(dat)

d1 = dat


标准化


d1 = d1 %>% mutate(across(starts_with("y"),scale))


赋予权重


d1 = d1 %>% mutate(index = y10.3 + y20.3 + y3*0.4)

head(d1)


传统方法


d2 = dat

head(d2)


d2y1 = (d2y1-mean(d2y1))/(sd(d2y1))

d2y2 = (d2y2-mean(d2y2))/(sd(d2y2))

d2y3 = (d2y3-mean(d2y3))/(sd(d2y3))


d2index = d2y10.3 + d2y2*0.3 + d2y30.4

head(d2)


head(d1)

#tidyverse