关注我们：
2021-02-09
前面我们已经介绍了基因组选择的各类模型，今天主要来了解一下做GS有哪些可用的软件和工具。基因组选择目前处在热门研究阶段，每年都有不少新工具开发出来，可用于GS分析的软件很多，为了便于大家更加清晰地了解，这里小百老师将它们分为免费开源包或库、成熟软件、WEB或GUI工具三类，用户使用难度依次降低。
2021-02-03
前面我们主要介绍了GS中的BLUP、Bayes和机器学习三大类模型，它们都是目前GS应用的主要方法。当然，这种分类方式只是小百老师主观设定的哦。这里再介绍几种我们前面没提及到，但又比较重要的方法，它们基本上都是这三类方法的拓展。
2021-01-25
除了基于BLUP和Bayes理论的参数求解方法外，基因组选择还有半参数(如RKHS，见下篇)和非参数，如机器学习(Machine Learning, ML)等方法。机器学习是人工智能的一个分支，其重点是通过将高度灵活的算法应用于观察到的个体(标记的数据)的已知属性(特征)和结果来预测未观察到的个体(未标记的数据)的结果。结果可以是连续的，分类的或二元的。在动植物育种中，标记的数据对应于具有基因型和表型的训练群体，而未标记的数据对应于测试群体，用于预测的特征是SNP基因型。相比于传统统计方法，机器学习方法具有诸多优点：
2021-01-18
基于BLUP理论的基因组选择方法假定所有标记都具有相同的遗传方差，而实际上在全基因组范围内只有少数SNP有效应，且与影响性状的QTL连锁，大多数SNP是无效应的。当我们将标记效应的方差假定为某种先验分布时，模型变成了贝叶斯方法。常见的贝叶斯方法也是Meuwissen提出来的(就是提出GS的那个人)，主要有BayesA、BayesB、BayesC、Bayesian Lasso等。
2021-01-12
在介绍GS模型之前，有必要先了解一下混合线性模型(Mixed Linear Model，MLM)。混合线性模型是一种方差分量模型，既然是线性模型，意味着各量之间的关系是线性的，可以应用叠加原理，即几个不同的输入量同时作用于系统的响应，等于几个输入量单独作用的响应之和(公式1)。
2020-12-28
随着高通量和自动化技术的应用，动植物育种上都产生和积累了大量的数据。以人工智能(Artificial Intelligence) 、大数据(Big Data)和云计算(Cloud Computing)为核心的ABC技术将成为育种4.0时代不可或缺的能力。为帮助广大科研人员学习和了解育种数据的分析原理，我们将推出【百奥云资料室】栏目，由小百老师介绍育种上前沿或常用的技术及相关细节，敬请关注!