SLEMM: 창窗口 기반 SNP 가중치를 통한 백만 규모의 유전체 예측

초록 동기 유전체 데이터의 양이 기하급수적으로 증가하고 있습니다. 유전체 예측을 위해 많은 유전자형과 표현형이 있는 개인을 사용하는 것은 매력적이지만 도전적입니다. 결과 우리는 이 계산적 도전에 대응하기 위해 SLEMM(확률론적 란츠로스 가속 혼합 모델의 약자)이라는 새로운 소프트웨어 도구를 제시합니다. SLEMM은 혼합 모델의 프레임워크에서 REML을 위한 확률론적 란츠로스 알고리즘의 효율적인 구현을 기반으로 합니다. 또한 SLEMM에서 SNP 가중치를 구현하여 예측력을 향상시킵니다. 세 가지 식물과 세 가지 가축 종에서 19개의 다유전형 특성을 포함하는 7개의 공개 데이터셋에 대한 광범위한 분석 결과, SNP 가중치가 있는 SLEMM은 GCTA의 경험적 BLUP, BayesR, KAML, LDAK의 BOLT 및 BayesR 모델을 포함한 다양한 유전체 예측 방법 중에서 전반적으로 가장 우수한 예측 능력을 보였습니다. 또한 약 30만 개의 유전자형을 가진 소의 9개 유제품 특성을 사용하여 방법을 비교했습니다. 모든 방법의 전반적인 예측 정확도는 유사했지만 KAML이 데이터를 처리하는 데 실패했습니다. 최대 300만 개의 개인과 100만 개의 SNP에 대한 추가 시뮬레이션 분석 결과, SLEMM은 계산 성능에서 대조군에 비해 유리한 것으로 나타났습니다. 전반적으로 SLEMM은 BayesR과 유사한 정확도로 백만 규모의 유전체 예측을 수행할 수 있습니다. 가용성과 구현 소프트웨어는 https://github.com/jiang18/slemm에서 사용 가능합니다.