摘 要： 旨在比較不同基因組預(yù)測(cè)模型預(yù)測(cè)準(zhǔn)確性與運(yùn)行效率，以探究支持向量機(jī)（SVM）回歸與隨機(jī)森林（RandomForest）回歸在基因組預(yù)測(cè)中的應(yīng)用價(jià)值與應(yīng)用前景。本研究使用博瑞迪豬50K液相芯片，采用GBLUP、BayesB、BayesLASSO、SVM回歸和RandomForest回歸等基因組預(yù)測(cè)模型，對(duì)1 001頭長(zhǎng)白豬繁殖性狀進(jìn)行基因組預(yù)測(cè)評(píng)估。研究發(fā)現(xiàn)，在總產(chǎn)仔數(shù)、產(chǎn)活仔數(shù)、窩重等繁殖性狀中，使用SVM回歸徑向基函數(shù)核的評(píng)估準(zhǔn)確性均最高；產(chǎn)活仔數(shù)、窩重在參數(shù)C值為1時(shí)評(píng)估準(zhǔn)確性達(dá)到最大值，總產(chǎn)仔數(shù)在參數(shù)C值為2時(shí)評(píng)估準(zhǔn)確性達(dá)到最大值。在總產(chǎn)仔數(shù)、產(chǎn)活仔數(shù)、窩重等繁殖性狀中，使用RandomForest回歸評(píng)估ntree、mtry、nodesize等參數(shù)時(shí)發(fā)現(xiàn)，基因組預(yù)測(cè)準(zhǔn)確性隨著參數(shù)的變化展現(xiàn)一定的隨機(jī)性。RandomForest回歸模型在總產(chǎn)仔數(shù)、產(chǎn)活仔數(shù)、窩重中的評(píng)估準(zhǔn)確性均最高，其次為SVM回歸，GBLUP、BayesB、BayesLASSO等模型遺傳評(píng)估準(zhǔn)確性較差且保持一致。交叉驗(yàn)證相關(guān)性顯示，不同模型遺傳評(píng)估結(jié)果存在較強(qiáng)的相關(guān)性，為0.806～0.995。SVM回歸與RandomForest回歸等非參數(shù)機(jī)器學(xué)習(xí)模型在豬繁殖性狀基因組選擇中具有一定的優(yōu)勢(shì)，但運(yùn)行時(shí)間在一定程度上限制了這些算法的使用。隨著算法的研究?jī)?yōu)化，SVM回歸與RandomForest回歸等非參數(shù)機(jī)器學(xué)習(xí)模型將具有良好的應(yīng)用前景。

關(guān)鍵詞： 長(zhǎng)白豬；繁殖性狀；基因芯片；基因組選擇；機(jī)器學(xué)習(xí)

中圖分類號(hào)：S828.3"""" 文獻(xiàn)標(biāo)志碼：A"""" 文章編號(hào)： 0366-6964（2025）01-0213-09

收稿日期：2024-05-31

基金項(xiàng)目：福建省種業(yè)企業(yè)培優(yōu)項(xiàng)目（2120814-農(nóng)業(yè)生產(chǎn)發(fā)展支出）

作者簡(jiǎn)介：陽(yáng)文攀（1994-），男，湖北孝感人，碩士，主要從事動(dòng)物遺傳育種與繁殖研究，E-mail：945226087@qq.com

*通信作者：丁能水，主要從事種豬遺傳及育種新技術(shù)、生豬養(yǎng)殖新技術(shù)方向的研究與開(kāi)發(fā)工作，E-mail：13631698@qq.com

YANG" Wenpan 大量SNPs標(biāo)記被廣泛應(yīng)用于畜禽分子育種中^［1-3］?；蚪M選擇技術(shù)通過(guò)覆蓋全基因組的高密度SNPs標(biāo)記信息對(duì)育種值進(jìn)行估計(jì)，不同統(tǒng)計(jì)模型與計(jì)算方法是影響基因組選擇準(zhǔn)確性與效率的主要因素之一^［4-7］。GBLUP（genomic best linear unbiased prediction）與Bayes回歸模型等參數(shù)方法是應(yīng)用于基因組選擇的常用方法^［8］，非加性效應(yīng)參數(shù)的增加將導(dǎo)致巨大的計(jì)算量^［9］，因此這些線性模型通常只考慮加性效應(yīng)，而忽略標(biāo)記與表型間復(fù)雜的非加性關(guān)聯(lián)^［10］。近年來(lái)，有較多將機(jī)器學(xué)習(xí)方法作為復(fù)雜性狀基因組遺傳評(píng)估參數(shù)模型替代方法的研究^［11-14］，機(jī)器學(xué)習(xí)能以適應(yīng)性的方式捕捉基因型和表型之間的隱藏關(guān)系，且較少對(duì)性狀潛在的遺傳結(jié)構(gòu)進(jìn)行假設(shè)^{［10，15］}。支持向量機(jī)（support vector machines，SVM）是一種著名的機(jī)器學(xué)習(xí)算法^［16-18］，它使用多個(gè)特征向量通過(guò)在兩個(gè)類之間創(chuàng)建決策邊界來(lái)完成預(yù)測(cè)^［19］，基于不同的核方法，SVM還可以在一定程度上處理表型和基因組之間的非線性關(guān)系。隨機(jī)森林（RandomForest）采用引導(dǎo)聚合抽樣^［20］，可捕獲復(fù)雜的交互，并且對(duì)于過(guò)度擬合數(shù)據(jù)具有一定的穩(wěn)健性^［21］。

本研究擬通過(guò)GBLUP、BayesB、BayesLASSO等參數(shù)模型與SVM回歸、RandomForest回歸等非參數(shù)機(jī)器學(xué)習(xí)模型來(lái)評(píng)估長(zhǎng)白豬繁殖性狀基因組選擇的準(zhǔn)確性與評(píng)估效率，以探討機(jī)器學(xué)習(xí)在豬遺傳評(píng)估中的應(yīng)用價(jià)值和前景。

1 材料與方法

1.1 試驗(yàn)群體

本試驗(yàn)所用數(shù)據(jù)來(lái)自福建傲農(nóng)集團(tuán)2019年4月至2024年3月1 914頭長(zhǎng)白種豬的6 195條繁殖記錄，包括總產(chǎn)仔數(shù)、產(chǎn)活仔數(shù)、窩重等繁殖性狀。使用磁珠法組織基因組提取試劑盒從1 001頭豬組織中提取基因組DNA，檢測(cè)DNA濃度及瓊脂糖凝膠電泳符合分型標(biāo)準(zhǔn)后，在石家莊博瑞迪生物技術(shù)有限公司進(jìn)行豬50K液相芯片分型。

1.2 基因型填充及質(zhì)控

為避免缺失基因型對(duì)基因組選擇計(jì)算產(chǎn)生影響，本試驗(yàn)使用Beagle v5.4^［22］對(duì)原始芯片數(shù)據(jù)進(jìn)行基因型填充，使用SNPRelate v1.36.1^［23］對(duì)芯片填充數(shù)據(jù)進(jìn)行質(zhì)控，選擇次等位基因頻率（minor allele frequency，MAF）≥ 0.05、哈迪-溫伯格平衡（Hardy-Weinberg equilibrium，HWE）檢驗(yàn)Pgt;1×10^-6的SNPs進(jìn)行基因組選擇計(jì)算。

1.3 表型數(shù)據(jù)處理

為保證數(shù)據(jù)質(zhì)量，本試驗(yàn)剔除了總產(chǎn)仔數(shù)小于3的繁殖數(shù)據(jù)?？紤]后續(xù)分析的便利性，使用BLUPF90通過(guò)單性狀重復(fù)力模型計(jì)算固定效應(yīng)值，去除個(gè)體相應(yīng)固定效應(yīng)值后取個(gè)體表型平均值作為全基因組選擇表型值。該單性狀重復(fù)力模型如下所示：

y=Xb+Za+Wp+e

其中：y為表型值向量；b為固定效應(yīng)向量，包含場(chǎng)-年-季、胎次；a為個(gè)體加性遺傳效應(yīng)向量，且a～N（0，Hσ2 a），H為基因型與系譜親緣關(guān)系矩陣^［6］；p為永久環(huán)境效應(yīng)向量，且p～N（0，Iσ2 p），I為單位矩陣；e為隨機(jī)殘差向量，且e～N（0，Iσ2 e）；X、Z、W為b、a、p的關(guān)聯(lián)矩陣。

1.4 基因組預(yù)測(cè)模型

1.4.1 參數(shù)預(yù)測(cè)模型" 對(duì)于GBLUP，模型描述如下所示：

y^*=μ+Zg+e

其中，y^*為校正后表型，即y^*=mean（y-Xb）；μ為表型均值向量；g為個(gè)體加性遺傳效應(yīng)向量，且a～N（0，Gσ2 a），G為基因型親緣關(guān)系矩陣^［5］；Z為g的關(guān)聯(lián)矩陣；e為隨機(jī)殘差向量，且e～N（0，Iσ2 e）。

對(duì)于BayesB^［4］與BayesLASSO^［24］，模型描述如下所示：

y* i=μ+∑sj=1m ijα j+e i，

其中，y* i為個(gè)體i校正后表型；μ為表型均值向量；m ij為第i個(gè)個(gè)體在第j個(gè)SNP處觀察到的基因型協(xié)變量；α j是與第j個(gè)SNP相關(guān)的等位基因替代效應(yīng)；e i為第i個(gè)個(gè)體隨機(jī)殘差，且e～N（0，Iσ2 e）。對(duì)于BayesB，SNP α j服從正態(tài)分布，不同α j方差不同為σ2 α j，p（σ2 α j）=x^-2（ν，S），即SNP效應(yīng)方差σ2 α j服從自由度為ν，參數(shù)尺度為S的逆卡方分布。σ2 α j先驗(yàn)分布假設(shè)為σ2 α j=0的概率為π，p（σ2 α j）=x^-2（ν，S）的概率為1-π。通過(guò)最小化殘差平方和及約束回歸系數(shù)絕對(duì)值的和獲得BayesLASSO回歸系數(shù)估計(jì)值，通常采用的先驗(yàn)分布為雙指數(shù)分布（又稱拉普拉斯分布）：p（g）=q j=1λ2exp（-λα j），它是一個(gè)兩水平的層級(jí)模型分布，由p（α jσ2 α j）=N（0，σ2 α j）與p（σ2 α j）=gamma（ λ2/2）混合組成。GBLUP、BayesB、BayesLASSO等模型使用BGLR v1.1.1^［25］計(jì)算。

1.4.2 SVM回歸

本試驗(yàn)使用ε-支持向量回歸，為了執(zhí)行非線性回歸，數(shù)據(jù)被核函數(shù)映射到更高維的空間中，模型為：

y=β 0+f x（X|β）+e=β 0+Kx，xT+e

其中Kx，xT是n×n核矩陣，β是n×1向量（未知）。有許多不同的核，它們被定義為徑向基函數(shù)核（Radial Basis Function Kernel，或高斯核）：

K ij（x i，xT i）=exp［-γ（x i-x j）（x i-x j）T］

多項(xiàng)式核（polynomial kernel）：

K ijx i，xT i=γx ixT j+rd

線性核（linear kernel）：

K ij（x i，xT i）=x ixT j

Sigmoid核（Sigmoid kernel）：

K ij（x i，xT i）=tanh（γx ixT j+r）

在求解SVM的過(guò)程中，最終會(huì)轉(zhuǎn)化為一個(gè)最佳化問(wèn)題：

min12ω+C∑ni=1ε i

約束為：y i（ωTx i+b）≥1-ε i；ε i≥0，i= …，n。

其中ω是要求解的超平面，ε i是第i個(gè)樣本點(diǎn)的回歸損失，C是懲罰系數(shù)，即誤差的容忍度。γ是RBF核函數(shù)的一個(gè)參數(shù)。本試驗(yàn)使用e1071 v1.7-14^［26］R包svm函數(shù)進(jìn)行評(píng)估。

為篩選SVM最佳參數(shù)，在e1071包svm函數(shù)默認(rèn)參數(shù)值附近進(jìn)行參數(shù)調(diào)試，即C值為1、γ值為1/N snp（N snp為用于分析的SNP數(shù)）。本試驗(yàn)使用svm函數(shù)默認(rèn)C值與γ值分別對(duì)徑向基函數(shù)核、多項(xiàng)式核、線性核、Sigmoid核進(jìn)行1×10重交叉驗(yàn)證，篩選準(zhǔn)確性最高的核函數(shù)；使用最優(yōu)核函數(shù)與默認(rèn)γ值，其次將C值設(shè)置為0.1、0.5、1、2、3、4、5、6、7、8、9、10進(jìn)行1×10重交叉驗(yàn)證，篩選準(zhǔn)確性最高的C值；使用最優(yōu)核函數(shù)與默認(rèn)C值，其次將RBF核函數(shù)的γ值設(shè)置為10^-1、10^-2、10^-3、10^-4、10^-5、10^-6、10^-7、10^-8、10^-9進(jìn)行1×10重交叉驗(yàn)證，篩選準(zhǔn)確性最高的γ值。

1.4.3 RandomForest回歸

RandomForest回歸模型通過(guò)隨機(jī)抽取樣本和特征，建立多棵相互不關(guān)聯(lián)的決策樹(shù)，通過(guò)并行的方式獲得預(yù)測(cè)結(jié)果。每棵決策樹(shù)都能通過(guò)抽取的樣本和特征得出一個(gè)預(yù)測(cè)結(jié)果，通過(guò)綜合所有樹(shù)的結(jié)果取平均值，得到整個(gè)森林的回歸預(yù)測(cè)結(jié)果。

每個(gè)樹(shù)節(jié)點(diǎn)中，從s個(gè)預(yù)測(cè)變量（其中s代表SNPs的數(shù)量）中隨機(jī)抽取mtry變量，使用給定的損失函數(shù)作為標(biāo)準(zhǔn)選擇，選擇風(fēng)險(xiǎn)最低的預(yù)測(cè)變量和分裂閾值。在完成所有獨(dú)立樹(shù)之后，RandomForest回歸聚合各樹(shù)信息以計(jì)算最終預(yù)測(cè)，其計(jì)算公式如下：

y^*=1ntree∑ntreeb=1ψ b（y^*，M）

其中，ψ b為獨(dú)立RandomForest回歸數(shù)，包含抽樣樣本、每個(gè)樹(shù)節(jié)點(diǎn)上的預(yù)測(cè)變量（標(biāo)記）、分裂閾值及終端節(jié)點(diǎn)值。對(duì)于未觀察到的值，通過(guò)在每棵樹(shù)的流程圖中傳遞預(yù)測(cè)變量來(lái)獲得預(yù)測(cè)，并將終端節(jié)點(diǎn)的相應(yīng)估計(jì)分配為預(yù)測(cè)值。將RandomForest回歸中每棵樹(shù)的預(yù)測(cè)值平均以計(jì)算未觀察數(shù)據(jù)的最終預(yù)測(cè)。本試驗(yàn)使用randomForest v4.7-1.1包randomForest函數(shù)進(jìn)行評(píng)估^［27］。

為篩選RandomForest最佳參數(shù)，將GIANOLA^［20］使用參數(shù)作為默認(rèn)參數(shù)，在默認(rèn)參數(shù)附近進(jìn)行參數(shù)調(diào)試，即ntree為1 000、mtry為N snp、nodesize為5。使用推薦mtry值與nodesize值，分別將生長(zhǎng)樹(shù)數(shù)目ntree設(shè)置為800、1 000、1 200、1 400、1 600、1 800、2 000進(jìn)行1×10重交叉驗(yàn)證，篩選最佳ntree值；使用推薦ntree值與nodesize值，分別將每個(gè)樹(shù)節(jié)點(diǎn)數(shù)mtry設(shè)置為150、200、250、300、350、400進(jìn)行1×10重交叉驗(yàn)證，篩選最佳mtry值；使用推薦ntree值與mtry值，其次將每個(gè)樹(shù)終端最小變量數(shù)nodesize設(shè)置為4、5、6、7、8、9、10進(jìn)行1×10重交叉驗(yàn)證，篩選最佳nodesize值。

1.5 基因組預(yù)測(cè)

使用GBLUP、BayesB、BayesLASSO、SVM、RandomForest等模型進(jìn)行基因組預(yù)測(cè)，通過(guò)5×10交叉驗(yàn)證獲取各模型預(yù)測(cè)準(zhǔn)確性與運(yùn)行時(shí)間，并比較各模型準(zhǔn)確性相關(guān)性值。預(yù)測(cè)準(zhǔn)確性為預(yù)測(cè)值與真實(shí)值的相關(guān)系數(shù)。

2 結(jié) 果

2.1 基因型數(shù)據(jù)處理與遺傳力估計(jì)

本研究使用博瑞迪液相芯片對(duì)1 001頭長(zhǎng)白母豬進(jìn)行基因分型，共獲得52 000個(gè)SNPs，使用Beagle v5.4進(jìn)行基因型填充后共獲得50 254個(gè)SNPs。使用SNPRelate v1.36.1對(duì)芯片填充數(shù)據(jù)進(jìn)行質(zhì)控，6 354個(gè)SNPs因MAFlt;0.05而剔除，815個(gè)SNPs因HWE檢驗(yàn)Plt;1×10^-6而剔除，最終43 085個(gè)SNPs被用于后續(xù)分析。

通過(guò)BLUPF90對(duì)長(zhǎng)白豬繁殖性狀固定效應(yīng)值進(jìn)行計(jì)算，同時(shí)獲取長(zhǎng)白豬繁殖性狀遺傳參數(shù)估計(jì)值如表1所示。其中總產(chǎn)仔數(shù)遺傳力與重復(fù)力最高，窩重遺傳力最低，產(chǎn)活仔數(shù)重復(fù)力最低。

2.2 SVM參數(shù)對(duì)基因組預(yù)測(cè)準(zhǔn)確性的影響

為篩選SVM最佳參數(shù)，使用e1071包對(duì)核函數(shù)、C值分別進(jìn)行1×10重交叉驗(yàn)證，其評(píng)估準(zhǔn)確性與計(jì)算時(shí)間如圖1所示。使用SVM函數(shù)默認(rèn)參數(shù)，在總產(chǎn)仔數(shù)、產(chǎn)活仔數(shù)、窩重等繁殖性狀中，使用高斯函數(shù)核評(píng)估準(zhǔn)確性均最高，線性核評(píng)估準(zhǔn)確性均最低。而在運(yùn)行時(shí)間上，線性核運(yùn)行時(shí)間較長(zhǎng)。在產(chǎn)活仔數(shù)、窩重等繁殖性狀中，評(píng)估準(zhǔn)確性在C值為1時(shí)達(dá)到最大值，在C值為5后基本不變?？偖a(chǎn)仔數(shù)評(píng)估準(zhǔn)確性在C值為2時(shí)達(dá)到最大值，在C值為6后基本不變。運(yùn)行時(shí)間受C值影響較小。在總產(chǎn)仔數(shù)、產(chǎn)活仔數(shù)、窩重等繁殖性狀中，將高斯核函數(shù)的γ值設(shè)置為10^-1、10^-2、10^-3、10^-4、10^-5、10^-6、10^-7、10^-8、10^-9進(jìn)行1×10重交叉驗(yàn)證，發(fā)現(xiàn)評(píng)估準(zhǔn)確性均保持不變。

2.3 RandomForest參數(shù)對(duì)基因組預(yù)測(cè)準(zhǔn)確性的影響

為篩選RandomForest最佳參數(shù)，使用RandomForest包對(duì)ntree、mtry、nodesize等參數(shù)進(jìn)行1×10重交叉驗(yàn)證，其評(píng)估準(zhǔn)確性與計(jì)算時(shí)間如圖2所示。在總產(chǎn)仔數(shù)、產(chǎn)活仔數(shù)、窩重等繁殖性狀中對(duì)ntree、mtry、nodesize等參數(shù)進(jìn)行評(píng)估時(shí)，發(fā)現(xiàn)基因組預(yù)測(cè)準(zhǔn)確性隨著參數(shù)的變化展現(xiàn)一定的隨機(jī)性。在運(yùn)行時(shí)間上，隨著nodesize值的增加，運(yùn)行時(shí)間逐漸減少，而隨著ntree、mtry值的增加，運(yùn)行時(shí)間逐漸增加。

2.4 各模型計(jì)算準(zhǔn)確性與運(yùn)行時(shí)間

在對(duì)SVM與RandomForest參數(shù)進(jìn)行評(píng)估后，使用SVM高斯函數(shù)核與軟件默認(rèn)參數(shù)與RandomForest軟件默認(rèn)參數(shù)設(shè)置模型參數(shù)進(jìn)行基因組預(yù)測(cè)。GBLUP、BayesB、BayesLASSO、SVM、RandomForest等模型計(jì)算準(zhǔn)確性與運(yùn)行時(shí)間如圖3所示。RandomForest模型在總產(chǎn)仔數(shù)、產(chǎn)活仔數(shù)、窩重上均表現(xiàn)出最高的評(píng)估準(zhǔn)確性，其次為SVM，而GBLUP、BayesB、BayesLASSO等遺傳評(píng)估準(zhǔn)確性較差且保持一致。在運(yùn)行時(shí)間上，GBLUP運(yùn)行時(shí)間保持最優(yōu)，其次為RandomForest模型，BayesB、BayesLASSO、SVM等模型評(píng)估時(shí)間均較久。

2.5 各模型相關(guān)性分析

為驗(yàn)證各模型在交叉驗(yàn)證時(shí)的評(píng)估一致性，將各模型評(píng)估準(zhǔn)確性進(jìn)行Person相關(guān)性分析，具體結(jié)果如圖4所示。其中GBLUP、BayesB、BayesLASSO間評(píng)估相關(guān)性最高，為0.928～0.995；SVM與GBLUP、BayesB、BayesLASSO評(píng)估相關(guān)性較高，為0.891～0.922；RandomForest與GBLUP、BayesB、BayesLASSO、SVM評(píng)估相關(guān)性較低，為0.806～0.871。

3 討 論

本研究使用BLUPF90通過(guò)一步法對(duì)長(zhǎng)白豬繁殖性狀遺傳參數(shù)進(jìn)行估計(jì)，得到的總產(chǎn)仔數(shù)、產(chǎn)活仔數(shù)、窩重的遺傳力分別為0.102±0.019、0.084±0.017、0.071±0.016，總產(chǎn)仔數(shù)、產(chǎn)活仔數(shù)、窩重的重復(fù)力分別為0.171±0.015、0.138±0.015、0.147±0.014，這與前人的研究類似^［28-29］。

在篩選SVM最佳參數(shù)時(shí)，在總產(chǎn)仔數(shù)、產(chǎn)活仔數(shù)、窩重等繁殖性狀中，使用高斯函數(shù)核評(píng)估準(zhǔn)確性均最高，線性核評(píng)估準(zhǔn)確性均最低，與Zhao等^［30］對(duì)豬育種數(shù)據(jù)的研究結(jié)果一致，這可能與所用的SNP數(shù)目相近有關(guān)。Kasnavi等^［31］通過(guò)模擬數(shù)據(jù)發(fā)現(xiàn)高斯函數(shù)核有較好的應(yīng)用效果。由于挑選合適的C值與γ值需要更多的計(jì)算量^{［30，32］}，也有較多的研究直接選用推薦的參數(shù)值^［33-34］。在本研究中，SVM最佳參數(shù)與軟件推薦的默認(rèn)值差別較小，在允許基因組預(yù)測(cè)準(zhǔn)確性損失較小的情況下，可直接使用默認(rèn)值進(jìn)行計(jì)算。

在篩選RandomForest最佳參數(shù)時(shí)，在總產(chǎn)仔數(shù)、產(chǎn)活仔數(shù)、窩重等繁殖性狀中對(duì)ntree、mtry、nodesize等參數(shù)進(jìn)行評(píng)估，發(fā)現(xiàn)基因組預(yù)測(cè)準(zhǔn)確性隨著參數(shù)的變化展現(xiàn)一定的隨機(jī)性。Sarkar等^［35］在對(duì)nodesize與mtry最佳參數(shù)進(jìn)行篩選時(shí)，發(fā)現(xiàn)其具有一定的規(guī)律性，這可能是由于使用參數(shù)較少且參數(shù)值差別較大所致。同時(shí)，RandomForest模型本身的隨機(jī)性（如節(jié)點(diǎn)特征值選擇與樣本分割）也可能導(dǎo)致基因組預(yù)測(cè)準(zhǔn)確性隨著參數(shù)的變化展現(xiàn)一定的隨機(jī)性。

RandomForest模型在總產(chǎn)仔數(shù)、產(chǎn)活仔數(shù)、窩重中均表現(xiàn)出最高的評(píng)估準(zhǔn)確性，其次為SVM，GBLUP、BayesB、BayesLasso等遺傳評(píng)估準(zhǔn)確性較差且保持一致。與GBLUP、BayesB、BayesLasso等參數(shù)模型相比，RandomForest在繁殖性狀中的遺傳評(píng)估準(zhǔn)確性可提升22.35%～34.25%，SVM在繁殖性狀中的遺傳評(píng)估準(zhǔn)確性可提升6.15%～26.04%。在運(yùn)行時(shí)間上，GBLUP運(yùn)行時(shí)間保持最優(yōu)，其次為RandomForest模型，BayesB、BayesLASSO、SVM等模型評(píng)估時(shí)間均較久。Banerjee等^［36］在使用SNP數(shù)據(jù)進(jìn)行水稻遺傳評(píng)估時(shí)發(fā)現(xiàn)，RandomForest、SVM比傳統(tǒng)GS模型有更高的準(zhǔn)確性。Liang等^［37］在中國(guó)西門塔爾肉牛研究中發(fā)現(xiàn)SVM、RandomForest較傳統(tǒng)GBLUP模型準(zhǔn)確性更高，且RandomForest均有更好的穩(wěn)定性。Merrick和Carter^［38］認(rèn)為，隨著多年來(lái)對(duì)訓(xùn)練群體的結(jié)合，在育種計(jì)劃中使用非參數(shù)機(jī)器學(xué)習(xí)模型來(lái)準(zhǔn)確預(yù)測(cè)和實(shí)施復(fù)雜性狀的準(zhǔn)確性更高。同時(shí)，在評(píng)估不同模型交叉驗(yàn)證準(zhǔn)確性時(shí)發(fā)現(xiàn)，其結(jié)果存在較強(qiáng)的一致性。然而，SVM與RandomForest在運(yùn)行上需要更多的時(shí)間，且隨著數(shù)據(jù)量的增加，所需的時(shí)間呈指數(shù)式增加^［39-40］，這在一定程度上限制了機(jī)器學(xué)習(xí)方法的使用。

4 結(jié) 論

SVM與RandomForest非參數(shù)機(jī)器學(xué)習(xí)模型在豬繁殖性狀基因組選擇中具有一定的優(yōu)勢(shì)，其評(píng)估結(jié)果與GBLUP、BayesB、BayesLasso等參數(shù)模型具有較高的相關(guān)性，但運(yùn)行時(shí)間相對(duì)更長(zhǎng)在一定程度上限制了該機(jī)器學(xué)習(xí)算法的使用。不過(guò)，隨著算法的研究?jī)?yōu)化和運(yùn)行時(shí)長(zhǎng)的逐步縮短，SVM與RandomForest仍具有較好的應(yīng)用前景。

參考文獻(xiàn)（References）：

［1］ PILES M，BERGSMA R，GIANOLA D，et al.Feature selection stability and accuracy of prediction models for genomic prediction of residual feed intake in pigs using machine learning［J］.Front Genet，202 12：611506.

［2］ MUOZ M，BOZZI R，GARCA-CASCO J，et al.Genomic diversity，linkage disequilibrium and selection signatures in European local pig breeds assessed with a high density SNP chip［J］.Sci Rep，2019，9（1）：13546.

［3］ WELLMANN R，PREUSS S，THOLEN E，et al.Genomic selection using low density marker panels with application to a sire line in pigs［J］.Genet Sel Evol，2013，45（1）：28.

［4］ MEUWISSEN T H，HAYES B J，GODDARD M E.Prediction of total genetic value using genome-wide dense marker maps［J］.Genetics，200 157（4）：1819-1829.

［5］ VANRADEN P M.Efficient methods to compute genomic predictions［J］.J Dairy Sci，2008，91（11）：4414-4423.

［6］ LEGARRA A，AGUILAR I，MISZTAL I.A relationship matrix including full pedigree and genomic information［J］.J Dairy Sci，2009，92（9）：4656-4663.

［7］ MONTESINOS-L PEZ O A，MONTESINOS-L PEZ A，PREZ-RODRGUEZ P，et al.A review of deep learning applications for genomic selection［J］.BMC Genomics，202 56（1）：222-231