GS基础知识

1）直接法和间接法

• **直接法：**将个体作为随机效应，通过参考群体和预测群体的遗传信息构建亲缘关系矩阵，进而利用混合模型求解育种值。

• **间接法：**首先在参考群体中估计标记效应，再结合预测群体的基因型信息，通过累加标记效应来预测育种值。
  2）参数、半参数和非参数

• **参数：**假设数据符合某种特定的分布或模型，如线性模型、正态分布等，然后通过估计模型参数来预测育种值；

• **半参数：**结合参数和非参数方法的特点；

• **非参数法：**不依赖于特定的模型或分布假设，而是基于数据的局部特征进行建模。

3）线性（基因型与表型的关系是线性的）和非线性方法

4）加性和非加性效应模型

5）BLUP、Bayes和机器学习

• BLUP（最佳线性无偏预测）：基于线性模型的最佳预测方法，它假设随机效应的预测是线性的、无偏的且预测误差方差最小。

• **Bayes：**基于贝叶斯定理的方法，通过先验信息和数据来更新后验分布，从而进行预测。

• 机器学习

GS模型参数、半参数和非参数分类

GBLUP

利用GBLUP模型进行基因组预测，具体统计模型如下：

y=Xb+Zμ+e

注：y为性状向量；b为固定效应；μ为随机效应，且服从均值为0，方差为的正态分布，可记作μ ~ N（0, ），σ2为遗传方差；X和Z分别为b和μ的关联矩阵；e为残差效应，服从正态分布N（0，），G为个体间的亲缘关系矩阵。