Sur l'utilisation du coefficient de corrélation de Pearson pour l'évaluation des modèles dans la prédiction à l'échelle du génome

Le grand nombre de marqueurs dans la prédiction à l'échelle du génome nécessite l'utilisation de méthodes avec régularisation et comparaison de modèles basée sur une mesure d'erreur de prédiction sur un test de validation. En génétique quantitative, il est d'usage de calculer le coefficient de corrélation de Pearson (r2) comme mesure standardisée de la précision prédictive d'un modèle. Sur la base des arguments de la théorie du compromis biais-variance dans l'apprentissage statistique, nous montrons que la réduction des coefficients de régression (c'est-à-dire, les effets QTL) diminue l'erreur quadratique moyenne de prédiction (MSE) en introduisant un biais de modèle par rapport à la méthode des moindres carrés ordinaires. Nous montrons également que le LASSO et le LASSO adaptatif (ALASSO) peuvent réduire le biais du modèle et la MSE de prédiction en ajoutant de la variance au modèle. Dans une application de régression en ridge, le LASSO et l'ALASSO à un exemple simulé basé sur les résultats de 9 723 SNP et 3 226 individus, le meilleur modèle sélectionné était avec le LASSO lorsque r2 était utilisé comme mesure. Cependant, lorsque la sélection de modèle était basée sur la MSE de test et le coefficient de détermination R2, l'ALASSO s'est avéré être la meilleure méthode. Par conséquent, l'utilisation de r2 peut conduire à la sélection du mauvais modèle et donc à un classement non optimal des prédictions de phénotypes et des valeurs d'élevage génomique. Au lieu de cela, nous proposons d'utiliser la MSE de test pour la sélection de modèle et R2 comme mesure standardisée de la précision.