原因之一是，动物的建模群体规模通常超过1000，而在植物中，1000个个体组成的建模群体在实际育种过程中可遇而不可求。另一个重要的原因是，植物比动物有更显著的基因型与环境互作效应，会对预测造成极大的干扰。
One of the reasons is that the training population size of animals usually exceeds 1000, while in plants, a training population composed of 1000 individuals can be difficult in the actual breeding process. Another important reason is that plants have a more significant genotype environment interaction (GEI) effect than animals, which can cause significant interference in predictions.
全基因组选择的主要有点有：
原版更新：2018.06.08 翻译更新：2022.05.11
翻译 刘翼宁、张敖
题目 使用深度学习从表型预测基因型
版本 1.2（注：最新版本为1.2）
作者 Chuang Ma, Zhixu Qiu, Qian Cheng and Wenlong Ma
维护 Zhixu Qiu zhixuqiu2015@gmail.com, Chuang Ma
描述 名为‘DeepGS’的R包可以执行全基因组选择（Genomic selection，GS），GS在动植物育种中前途光明。 DeepGS使用整个基因组的全部分子标记结合先进的机器学习技术（深度学习）预测表型。DeepGS用国际玉米小麦改良中心（CIMMYT）基因库的2000个伊朗面包小麦的8个表型预测完成了有效性验证。此外，基于粒子群优化（ELBPSO）的集成学习，可以用于不同GS模型的预测的线性整合。
依赖 R(>=3.0.0)
建议 mxnet
许可 GPL-2 | GPL-3
编码 UTF-8
集成数据 true
RoxygenNote 6.0.1
需要编译 no
‘DeepGS’包的中文说明R主题文档cvSampleIndexELBPSOmeanNDCGpredict_GSModeltrain_deepGSModelwheat_example
生成建模集和测试集的索引。
描述
该函数为建模和测试集中的样本生成索引，以执行N倍交叉验证实验。
使用
cvSampleIndex(sampleNum, cross = 5, seed = 1, randomSeed = FALSE)
参数
| 参数 | 描述 |
|---|---|
| sampleNum | 需要划分为建模集和测试集的样本数。 |
| cross | 交叉验证的倍数（折叠数）。 |
| seed | 一个整数种子，用于重复结果，默认为1。 |
| randomSeed | 逻辑变量。默认值为FALSE。 |
值
每个元素的列表，包括$trainIdx、$testIdx和$cvIdx。
$trainIdx 建模样本的索引。
$testIdx 测试样本的索引。
$cvIdx 交叉验证的索引。
| 值 | 描述 |
|---|---|
| $trainIdx | 建模样本的索引。 |
| $testIdx | 测试样本的索引。 |
| $cvIdx | 交叉验证的索引。 |
作者
Chuang Ma, Zhixu Qiu, Qian Cheng and Wenlong Ma
例子
#' ## 读取数据 ##
data(wheat_example)
## 5倍交叉验证
b <- cvSampleIndex(sampleNum = 2000, cross = 5, seed = 1)
## 提取其中一次验证的数据集
b$cv1
基于粒子群优化的集成学习（Ensemble Learning Based on Particle Swarm Optimization）。
描述
该算法结合了不同GS模型的预测表型值，并返回这些模型的最佳权重。
使用
ELBPSO(rep_times = 100, interation_times, weight_dimension, weight_min, weight_max, rate_min, rate_max, paticle_number, pred_matrix, IW = 1, AF1 = 2, AF2 = 2)
参数
| 参数 | 描述 |
|---|---|
| rep_times | ELBPSO重复次数，默认是100。 |
| interation_times | 每次ELBPSO优化迭代次数。 |
| weight_dimension | 权重维度。 |
| weight_min | 最小权重。 |
| weight_max | 最大权重。 |
| rate_min | 最小更新率。 |
| rate_max | 最大更新率。 |
| paticle_number | 帕特里克数量。 |
| pred_matrix | 第一列代表真实值，其他列代表其他GS模型的预测值。 |
| IW | 惯性（惰性）权重。默认为1。 |
| AF1 | 加速因子1。默认是2。 |
| AF2 | 加速因子2。默认是2。 |
例子1.2
# # Not run
# library(DeepGS)
# library(rrBLUP)
# data("wheat_example")
# Markers <- wheat_example$Markers
# y <- wheat_example$y
# cvSampleList <- cvSampleIndex(length(y),10,1)
# # select one fold
# cvIdx <- 1
# trainIdx <- cvSampleList[[cvIdx]]$trainIdx
# testIdx <- cvSampleList[[cvIdx]]$testIdx
# trainMat = Markers[trainIdx,]
# trainPheno = y[trainIdx]
# validIdx <- sample(1:length(trainIdx),floor(length(trainIdx)*0.1))
# validMat <- trainMat[validIdx,]
# validPheno <- trainPheno[validIdx]
# testMat = Markers[testIdx,]
# testPheno = y[testIdx]
# # design DeepGS architecture
# conv_kernel <- c("1*18") # convolution kernels (fileter shape)
# conv_stride <- c("1*1")
# conv_num_filter <- c(8) # number of filters
# pool_act_type <- c("relu") # active function for next pool
# pool_type <- c("max") # max pooling shape
# pool_kernel <- c("1*4") # pooling shape
# pool_stride <- c("1*4") # number of pool kernerls
# fullayer_num_hidden <- c(32,1)
# fullayer_act_type <- c("sigmoid")
# drop_float <- c(0.2,0.1,0.05)
# cnnFrame <- list(conv_kernel =conv_kernel,conv_num_filter = conv_num_filter,
# conv_stride = conv_stride,pool_act_type = pool_act_type,
# pool_type = pool_type,pool_kernel =pool_kernel,
# pool_stride = pool_stride,fullayer_num_hidden= fullayer_num_hidden,
# fullayer_act_type = fullayer_act_type,drop_float = drop_float)
# markerImage = paste0("1*",ncol(trainMat))
# # train DeepGS model
# DeepGS_obj <- train_deepGSModel(trainMat = trainMat,trainPheno = trainPheno,
# validMat = validMat,validPheno = validPheno, markerImage = markerImage,
# cnnFrame = cnnFrame,device_type = "cpu",gpuNum = 1, eval_metric = "mae",
# num_round = 6000,array_batch_size= 30,learning_rate = 0.01,
# momentum = 0.5,wd = 0.00001, randomseeds = 0,initializer_idx = 0.01,
# verbose =TRUE)
# # make predictions based on the trained model
# DeepGS_pred <- predict_GSModel(GSModel = DeepGS_obj,testMat = Markers[testIdx,],
# markerImage = markerImage )
# # train RR-BLUP model#'
# rrBLUP_obj <-mixed.solve(trainPheno, Z=trainMat, K=NULL, SE = FALSE, return.Hinv=FALSE)
# # make predictions based on the trained model
# rrBLUP_pred <- testMat %*% rrBLUP_obj$u + as.numeric(rrBLUP_obj$beta )
# # prepare the prediction matrix
# test_predMat <- cbind(t(DeepGS_pred), rrBLUP_pred)
# train_predMat <- cbind(testPheno, t(DeepGS_pred), rrBLUP_pred)
# colnames(train_predMat) <- c("real", "DeepGS", "RR-BLUP")
## End not run
例子1.1
## 不运行
# rrBLUP例子
# library(DeepGS)
# library(rrBLUP)
# data("wheat_example")
# Markers <- wheat_example$Markers
# y <- wheat_example$y
# cvSampleList <- cvSampleIndex(length(y),10,1)
## 选择第N倍（折）
# cvIdx <- 1
# trainIdx <- cvSampleList[[cvIdx]]$trainIdx
# testIdx <- cvSampleList[[cvIdx]]$testIdx
# trainMat = Markers[trainIdx,]
# trainPheno = y[trainIdx]
# testMat = Markers[testIdx,]
# testPheno = y[testIdx]
# rrBLUP_obj <-mixed.solve(trainPheno, Z=trainMat, K=NULL, SE = FALSE, return.Hinv=FALSE)
# rrBLUP_pred <- testMat %*% rrBLUP_obj$u + as.numeric(rrBLUP_obj$beta)
## 不运行结束
# 使用他们的预测得分计算不同模型的权重
test_datapath <- system.file("exdata", "test_ELBPSO.RData", package = "DeepGS")
load(test_datapath)
weight <- ELBPSO(rep_times = 100,interation_times = 25,weight_dimension = 2, weight_min = 0,weight_max=1,rate_min = -0.01,rate_max = 0.01, paticle_number = 10, pred_matrix = train_predMat,IW = 1, AF1 = 2, AF2 = 2)
new_pre <- (test_predMat %*% weight)/sum(weight)
# calculating the weight of different training model by using their predict socres
test_datapath <- system.file("exdata", "test_ELBPSO.RData",
package = "DeepGS")
load(test_datapath)
weight <- ELBPSO(rep_times = 100,interation_times = 25,weight_dimension = 2, weight_min = 0,weight_max=1,rate_min = -0.01,rate_max = 0.01, paticle_number = 10, pred_matrix = train_predMat,IW = 1, AF1 = 2, AF2 = 2)
ensemble_pred <- (test_predMat %*% weight)/sum(weight)
predMat <- cbind(testPheno, t(DeepGS_pred), rrBLUP_pred, ensemble_pred)
colnames(predMat) <- c("real", "DeepGS", "RR-BLUP", "ensemble")
cor(predMat)
计算平均归一化折扣累积增益。
描述
该函数是在选择育种值高的前k个个体时，用平均归一化折扣累积增益评估全基因组选择预测模型表现的。
使用
meanNDCG(realScores, predScores, topAlpha = c(10))
参数
| 参数 | 描述 |
|---|---|
| realScores | 一个数值化向量，一个性状验证个体的育种值。 |
| predScores | 一个数值化向量或矩阵，用全基因组选择预测模型预测的个体的预测育种值。 |
| topAlpha | 一个数值化的向量（一个或多个参数），优良个体百分比，默认是10。 |
作者
Chuang Ma, Zhixu Qiu, Qian Cheng and Wenlong Ma
例子
## Not run
refer_value <- runif(100)
pred_value <- sin(refer_value) + cos(refer_value)
meanNDCG(realScores = refer_value,predScores = pred_value, topAlpha = c(10,20,30))
## End not run
预测GS模型。
描述
使用经过训练的深度学习全基因组选择预测模型预测性状值。
使用
predict_GSModel(GSModel, testMat, markerImage)
参数
GSModel 从DeepGSModel函数获得的经过训练的预测模型。
testMat 基因型矩阵（T×M；T是个体，M是标记）。
markerImage （字符串）给出“i×j”的图像格式，每个个体的标记信息（M×1）将被编码。
作者
Chuang Ma, Qian Cheng, Zhixu Qiu and Wenlong Ma
利用深度学习技术建立全基因组选择预测模型。
描述
该函数应用深度卷积神经网络建立全基因组选择的预测模型。
使用
train_deepGSModel(trainMat, trainPheno, validMat, validPheno, markerImage, cnnFrame, device_type = "cpu", gpuNum = "max", eval_metric = "mae", num_round = 6000, array_batch_size = 30, learning_rate = 0.01, momentum = 0.5, wd = 1e-05, randomseeds = NULL, initializer_idx = 0.01, verbose = TRUE...)
参数
trainMat 建模群体的基因型矩阵（N×M，N是个体，M是标记）。
trainPheno 建模群体表型的向量（N×1）。
validMat 验证群体的基因型矩阵。
validPheno 验证群体的表型向量（N*1）。
markerImage （字符串）这个给出“i×j”的图像格式，每个个体用标记信息编码（M×1）。如果图像大小超过SNP标记数，用0修改缺失的部分，如果图像大小小于SNP标记数，多余的标记被去除。
cnnFrame 包含卷积神经网络（CNN）框架的以下元素的列表：
| trainMat | 建模群体的基因型矩阵（N×M，N是个体，M是标记）。 |
|---|---|
| trainPheno | 建模群体表型的向量（N×1）。 |
| validMat | 验证群体的基因型矩阵。 |
| validPheno | 验证群体的表型向量（N*1）。 |
| markerImage | （字符串）这个给出“i×j”的图像格式，每个个体用标记信息编码（M×1）。如果图像大小超过SNP标记数，用0修改缺失的部分，如果图像大小小于SNP标记数，多余的标记被去除。 |
| cnnFrame | 包含卷积神经网络（CNN）框架的以下元素的列表： – conv_kernel：向量（K×1）给出卷积核大小（宽度x高度），分别用于过滤K个卷积层的图像矩阵。 – conv_num_filter：向量（K×1）分别给出K个卷积层的卷积核数。 – pool_act_type：给出活动函数的类型的向量（K×1），将定义K个卷积层的输出，这将分别作为相应池层的输入。它包括“relu”、“sigmoid”、“softrelu”和“tanh”。 – conv_stride：K个卷积核的一个特征（K×1）步长。 – pool_type：分别从“avg”、“max”、“sum”中选择的一个特征（K×1）类型的K个池层。 – pool_kernel：一个特征（K×1）K个池层的K池核大小（宽×高）。 – pool_stride：一个特征（K×1）K池核的步长。 – fullayer_number-hidden：一个数值化（H×1），H完全连接层分别隐藏神经元的数量，最后一个完全连接层的隐藏神经元数量必须是1。 – fullayer_act_type：一个数值型（（H-1）×1），从所有连接层的“relu”，“sigmoid”，“softrelu”和“tanh”的选择活动函数的类别。 – drop_float：数值型。 |
| device_type | 选择”cpu“或”gpu“设备去构建预测模型。 |
| gpuNum | （数值型）GPU设备的数量，如果使用多GPU（gpuNum>1），momentum参数必须大于0。 |
| eval_metric | （字符串）一种估计建模过程表现的方法，包括”mae“、”rmse“和”accuracy“，默认为”mae“。 |
| num_round | （数值型）超过建模数据去建模的迭代次数，默认=10。 |
| array_batch_size | （数值型）它为每个更新权重定义将通过网络传播的样本数，默认为128。 |
| learning_rate | 建模过程的学习率。 |
| momentum | （浮点，0~1）移动平均线动量，平均为0.9。 |
| wd | （浮点，0~1）权重衰减，默认为0。 |
| randomseeds | 设置mxnet设备特定随机数使用的种子。 |
| initializer_idx | 参数的初始化主题。 |
| verbose | 逻辑值（默认true）指定是否在建模期间的迭代时输出信息。 |
| … | 用于构造包“mxnet”中使用的神经网络的参数（http://mxnet.io/）。 |
作者
Chuang Ma , Zhixu Qiu, Qian Cheng and Wenlong Ma
例子
data(wheat_example)
Markers <- wheat_example$Markers
y <- wheat_example$y
cvSampleList <- cvSampleIndex(length(y),10,1)
# cross validation set
cvIdx <- 1
trainIdx <- cvSampleList[[cvIdx]]$trainIdx
testIdx <- cvSampleList[[cvIdx]]$testIdx
trainMat <- Markers[trainIdx,]
trainPheno <- y[trainIdx]
validIdx <- sample(1:length(trainIdx),floor(length(trainIdx)*0.1))
validMat <- trainMat[validIdx,]
validPheno <- trainPheno[validIdx]
trainMat <- trainMat[-validIdx,]
trainPheno <- trainPheno[-validIdx]
conv_kernel <- c("1*18") ## convolution kernels (fileter shape)
conv_stride <- c("1*1")
conv_num_filter <- c(8) ## number of filters
pool_act_type <- c("relu") ## active function for next pool
pool_type <- c("max") ## max pooling shape
pool_kernel <- c("1*4") ## pooling shape
pool_stride <- c("1*4") ## number of pool kernerls
fullayer_num_hidden <- c(32,1)
fullayer_act_type <- c("sigmoid")
drop_float <- c(0.2,0.1,0.05)
cnnFrame <- list(conv_kernel =conv_kernel,conv_num_filter = conv_num_filter,
conv_stride = conv_stride,pool_act_type = pool_act_type,
pool_type = pool_type,pool_kernel =pool_kernel,
pool_stride = pool_stride,fullayer_num_hidden= fullayer_num_hidden,
fullayer_act_type = fullayer_act_type,drop_float = drop_float)
markerImage = paste0("1*",ncol(trainMat))
trainGSmodel <- train_deepGSModel(trainMat = trainMat,trainPheno = trainPheno, validMat = validMat,validPheno = validPheno, markerImage = markerImage, cnnFrame = cnnFrame,device_type = "cpu",gpuNum = 1, eval_metric = "mae", num_round = 6000,array_batch_size= 30,learning_rate = 0.01,momentum = 0.5,wd = 0.00001, randomseeds = 0,initializer_idx = 0.01, verbose =TRUE)
predscores <- predict_GSModel(GSModel = trainGSmodel,testMat = Markers[testIdx,], markerImage = markerImage )
在开发功能中运行的例子。
描述
列表：
- 标记：矩阵（599×1225），每行代表一个个体的1225个标记。
- y：每个个体的真实表型值。
使用
data(wheat_example)