ゲノム全体予測におけるモデル評価のためのピアソンの相関係数の使用について

ゲノム全体予測における多数のマーカーは、正則化手法といくつかのホールドアウトテスト予測誤差測定に基づいたモデル比較の使用を要求します。定量遺伝学では、モデルの予測精度を標準化された尺度としてピアソン相関係数（r2）を計算することが一般的です。統計学習におけるバイアス-バリアンスのトレードオフ理論からの議論に基づき、回帰係数（すなわちQTL効果）の縮小は、通常の最小二乗法と比較してモデルバイアスを導入することで予測平均二乗誤差（MSE）を減少させることを示します。また、LASSOおよび適応LASSO（ALASSO）がモデルバイアスと予測MSEをモデルの分散を加えることによって減少させることも示します。リッジ回帰の適用において、9,723のSNPと3,226の個体に基づくシミュレーション例にLASSOおよびALASSOを使用した場合、r2が尺度として使用されると、最良のモデルはLASSOで選択されました。しかし、モデル選択がテストMSEおよび決定係数R2に基づく場合、ALASSOが最良の手法であることが証明されました。したがって、r2の使用は誤ったモデルの選択を引き起こす可能性があり、その結果、表現型の予測およびゲノム育種値の最適でないランク付けを引き起こします。その代わりに、モデル選択にはテストMSEを使用し、精度の標準化された尺度としてR2を提案します。