🧬 biology

Avoiding the explicit inverse of the pedigree relationship matrix among genotyped animals in approximate reliabilities of single-step genomic predictions

تقيم هذه الدراسة خمس استراتيجيات حوسبية تتجنب بنجاح تكاليف الذاكرة والوقت الباهظة الناتجة عن قلب مصفوفة علاقة النسب صراحةً من أجل التنبؤات الجينومية أحادية الخطوة، حيث برزت هوية وودبري وأساليب هاتشينسون العشوائية كأكثر الطرق كفاءة لتوسيع نطاق حسابات الموثوقية التقريبية لتشمل المجموعات السكانية المتبعة جينومياً ذات الحجم الكبير مع الحفاظ على دقة عددية عالية.

المؤلفون الأصليون: Gabriel Campos, Vinícius Silva Junqueira, Marcos Jun Iti Yokoo, Henry Carvalho, Fernando Flores Cardoso

نُشر 2026-08-20

📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Gabriel Campos, Vinícius Silva Junqueira, Marcos Jun Iti Yokoo, Henry Carvalho, Fernando Flores Cardoso

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ هذا شرح مولَّده بالذكاء الاصطناعي لبحث مسبق لم يخضع لمراجعة الأقران. وهو ليس نصيحة طبية. لا تتخذ أي قرارات تتعلق بصحتك بناءً على هذا المحتوى. اقرأ إخلاء المسؤولية الكامل

في عالم تربية الحيوانات، يتمثل الهدف في تحسين القطعان من خلال اختيار أفضل الآباء للجيل القادم. وللقيام بذلك بفعالية، يعتمد المربون على قيم التربية المقدرة، وهي تنبؤات للإمكانات الوراثية للحيوان. ومع ذلك، فإن التنبؤ لا يكون جيداً إلا بقدر موثوقيته، وهي مقياس لمدى دقة هذا التقدير. لعقود من الزمن، كان حساب هذه الدقة أمراً يمكن إدارته عندما كان المربون يعملون فقط مع أشجار العائلات، أو ما يعرف بالأنساب. لكن المجال انتقل نحو التنبؤات الجينومية أحادية الخطوة، وهي طريقة قوية تجمع بين التاريخ العائلي وبيانات الحمض النووي الفعلية. يتيح هذا التكامل اتخاذ قرارات تربية أكثر دقة، ولكنه يفرض عقبة حوسبية هائلة. فبيانات الحمض النووي تربط كل حيوان تم تحديد تركيبته الجينية بكل حيوان آخر، مما يخلق شبكة كثيفة من الاتصالات تجعل الأدوات الرياضية القياسية لحساب الموثوقية كبيرة جداً بحيث لا يمكن استيعابها في ذاكرة الكمبيوتر. وعندما يتجاوز عدد السكان بضعة عشرات الآلاف من الحيوانات التي تم تحديد تركيبتها الجينية، تفشل الطريقة التقليدية لحل هذه المعادلات ببساطة، مما يترك المربين دون وسيلة لمعرفة مدى إمكانية الثقة في أفضل مرشحيهم.

وضع فريق من الباحثين هدفهم لحل هذه العقبة من خلال إيجاد طرق جديدة لحساب درجات الموثوقية هذه دون بناء المصفوفة الضخمة غير المتناسقة التي تتسبب في فشل الكمبيوتر. وبالعمل مع بيانات من برنامج "PROMEBO Angus" لتربية الماشية في البرازيل، والذي شمل ما يقرب من 434,000 حيوان، منها أكثر من 24,000 حيوان تم تحديد تركيبتها الجينية، اختبر الفريق خمس استراتيجيات مختلفة. لم يكن هدفهم ابتكار نظرية وراثية جديدة، بل إيجاد طريقة أذكى للقيام بالعمليات الحسابية. لقد قارنوا هذه النهج الجديدة بالمنهج التقليدي الدقيق، الذي يعد المعيار الذهبي ولكنه مستحيل التنفيذ على مثل هذه المجموعات البيانية الكبيرة. أراد الباحثون معرفة ما إذا كان بإمكانهم تخطي خطوة إنشاء المصفوفة الضخمة صراحةً، واستخدام اختصارات رياضية للحصول على نفس الإجابة بذاكرة ووقت أقل بكثير.

أظهرت النتائج أن جميع الاستراتيجيات الخمس الجديدة يمكنها إعادة إنتاج نتائج المنهج المعياري بدقة متناهية. فعندما قارن الباحثون درجات الموثوقية الناتجة عن أساليبهم الجديدة بالمعيار المرجعي، تطابقت الأرقام بشكل شبه مثالي، حيث تجاوزت الارتباطات 99 بالمائة. وهذا يعني أن الاختصارات لم تضحِ بالدقة؛ بل تجنبت ببساطة الطريق المسدود حوسبياً. ومن بين الأساليب الخمسة، برز اثنان من حيث الكفاءة. إحدى الطرق، التي تستخدم هوية رياضية محددة لإعادة ترتيب المسألة، وأخرى تستخدم تقنية أخذ عينات إحصائية، قلل كلاهما من الذاكرة المطلوبة بنحو 80 بالمائة. فبدلاً من الحاجة إلى ما يقرب من 18 جيجابايت من الذاكرة لتشغيل العملية الحسابية، تطلبت هذه الأساليب حوالي 3.5 جيجابايت فقط. وهذا الانخفاض أمر بالغ الأهمية لأنه يعني أنه يمكن إجراء الحساب على خوادم قياسية بدلاً من الحاجة إلى أجهزة حوسبة فائقة متخصصة وباهظة الثمن.

تفاوتت سرعة هذه الأساليب، ولكن أحد الأساليب القائمة على أخذ العينات كان مبهراً بشكل خاص. فقد أتم الحسابات في وقت يقارب الوقت الذي يستغرقه المنهج التقليدي، ولكن دون انهيار الذاكرة. وهذا اكتشاف مهم لأن هذا يشير إلى أنه مع نمو برامج التربية لتشمل مئات الآلاف أو حتى ملايين الحيوانات التي تم تحديد تركيبتها الجينية، سيصبح المنهج التقليدي مستحيلاً للاستخدام، بينما ستظل هذه الاستراتيجيات الجديدة عملية. وجد الباحثون أنه بالنسبة للمجموعات السكانية الأصغر، لا يزال المنهج القديم هو الأسرع، ولكن بمجرد أن يتجاوز عدد الحيوانات التي تم تحديد تركيبتها الجينية حداً معيناً، تصبح المناهج الجديدة هي الخيار الوحيد المتاح. وتؤكد الدراسة أنه يمكن للمربين الاستمرار في استخدام أكثر الأدوات الجينومية تقدماً دون الاصطدام بجدار الحدود الحوسبية، مما يضمن بقاء دقة تقييماتهم الوراثية مواكبة لحجم بياناتهم.

ملخص تقني: تجنب المعكوس الصريح لمصفوفة علاقة النسب في حساب موثوقية ssGBLUP

بيان المشكلة
يتطلب حساب الموثوقية التقريبية للقيم الوراثية المقدرة (EBVs) في نموذج BLUP الجينومي أحادي الخطوة (ssGBLUP)، معكوس مصفوفة علاقة النسب المقيدة بالحيوانات ذات النمط الجيني ( $A^{-1}_{22}$ ). وبينما تمت معالجة عنق الزجاجة المتعلق بمصفوفة العلاقة الجينومية ( $G$ ) باستخدام خوارزمية "الخوارزمية للحيوانات المثبتة والحديثة" (APY)، لا تزال $A^{-1}_{22}$ تشكل عقبة حسابية كبيرة. إن تكوين $A^{-1}_{22}$ صراحةً وعكسها يتطلب تخزيناً تربيعياً ووقتاً حسابياً تكعيبياً. ومع تجاوز عدد الحيوانات ذات النمط الجيني بضعة عشرات الآلاف، يصبح هذا النهج غير مجدٍ، مما يمنع حساب الموثوقية التقريبية في التقييمات الجينومية واسعة النطاق. ولم يتم تكييف الطرق الموجودة لحل معادلات ssGBLUP (مثل مكمل شور أو خوارزمية كوليو) بشكل كامل أو مقارنتها خصيصاً في سياق حساب الموثوقية التقريبية.

المنهجية
قيمت الدراسة خمس استراتيجيات مصممة لتجنب التكوين الصريح لـ $A^{-1}_{22}$ عند حساب الموثوقية التقريبية. تم اختبار هذه الطرق مقابل معيار "المعكوس الكثيف" (DenseInv) باستخدام بيانات من برنامج تربية الأبقار من سلالة أنجوس (PROMEBO). تضمنت مجموعة البيانات 433,583 حيواناً من ذوي النسب، تم تحديد نمطهم الجيني منها 24,086 حيواناً، عبر 14 صفة في ثمانية تحليلات متعددة الصفات.

الاستراتيجيات الخمس هي:

SchurPCG-P: يستخدم هوية مكمل شور ( $A^{-1}_{22} = A_{22} - A_{21}A^{-1}_{11}A_{12}$ ) للتعبير عن المصفوفة ضمنياً من خلال كتل متفرقة من معكوس النسب الكامل ( $A^{-1}$ ). وهو يستخدم طريقة التدرج المترافق المسبوق بالمعايرة (PCG) لحل $n_2$ من الأنظمة الخطية تكرارياً، مستفيداً من تحليل متفرق موازٍ لكتلة الحيوانات غير المحددة جينياً ( $A_{11}$ ) عبر PARDISO.
WoodColl (Woodbury–Colleau): يعيد صياغة المشكلة باستخدام هوية وودبري لاستبدال $A^{-1}_{22}$ بـ $A_{22}$ نفسها. ويقوم بحساب قطر المصفوفة الناتجة عن طريق حل $n_2$ من الأنظمة الخطية باستخدام خوارزمية كوليو، التي تقوم بتقييم نواتج ضرب المصفوفات في المتجهات ( $A_{22}v$ ) دون تخزين المصفوفة الكثيفة.
HutchColl (Hutchinson–Colleq): يجمع بين إعادة صياغة وودبري ومقدر هتشينسون (Hutchinson). بدلاً من حل $n_2$ من الأنظمة، يستخدم عدداً صغيراً من متجهات الاختبار العشوائية ( $s \ll n_2$ ) لتقدير عناصر القطر في آن واحد. وهذا يقلل التكلفة الحسابية لتتدرج خطياً مع عدد الحيوانات ذات النمط الجيني.
SchurAsm-Packed: يقوم بتجميع المصفوفة $S_{ped} = D + \alpha A^{-1}_{22}$ مباشرة باستخدام هوية مكمل شور، مع تجميع التصحيحات عموداً بعمود في تنسيق مضغوط كثيف. ثم يقوم بإجراء تحليل تشوليسكي مباشر وعكس لهذه المصفوفة المجمعة.
SchurAsm-Sparse: يشبه SchurAsm-Packed ولكنه يستخدم تحليل LDL $^\top$ متفرق موازٍ على المصفوفة المجمعة.

النتائج الرئيسية
أعادت جميع الاستراتيجيات الخمس إنتاج المعيار الكثيف بدقة عددية عالية، محققة معاملات ارتباط رتب سبيرمان لا تقل عن 0.99.

الدقة: حققت كل من WoodColl وSchurPCG-P ومتغيرات تجميع شور توافقاً شبه تام مع المعيار (منحدرات الانحدار $\approx$ 1.0، $R^2 = 1.0$ ). أظهرت HutchColl انحرافات أعلى قليلاً بسبب طبيعتها العشوائية (متوسط الفرق المطلق = 0.003، ارتباط سبيرمان = 0.999)، لكنها ظلت غير منحازة.
كفاءة الذاكرة:
- تطلبت DenseInv حوالي 18.3 جيجابايت (تدرج تربيعي).
- حققت WoodColl وHutchColl أقل بصمات للذاكرة (~3.5 جيجابايت)، مما يمثل انخفاضاً بنسبة ~80%. وتتدرج ذاكرتها خطياً مع عدد الحيوانات ذات النمط الجيني.
- تطلبت SchurPCG-P حوالي 4.9 جيجابايت (انخفاض بنسبة 73%)، وهي محدودة بامتلاء (fill-in) التحليل المتفرق لكتلة $A_{11}$ .
- تطلبت SchurAsm-Packed حوالي 5.6 جيجابايت (انخفاض بنسبة 69%)، وتتدرج تربيعياً ولكن مع ثابت أصغر بسبب التخزين المضغوط.
- كانت SchurAsm-Sparse الأقل كفاءة، حيث تطلبت ~30 جيجابايت (زيادة بنسبة 63% عن DenseInv) لأن عبء الفهرسة المتفرقة ضار عند تطبيقه على مصفوفة كثيفة تماماً.
وقت الحساب:
- كانت DenseInv هي الأسرع (~3.4 دقيقة في المتوسط).
- كانت HutchColl هي أسرع طريقة مقترحة (~4.3 دقيقة في المتوسط)، وهي قابلة للمقارنة مع المعيار الكثيف عند هذا النطاق.
- كانت WoodColl (~~66 دقيقة)، وSchurPCG-P (~~166 دقيقة)، ومتغيرات التجميع (~166–194 دقيقة) أبطأ بكثير، ويرجع ذلك أساساً إلى التكلفة العالية لـ $n_2$ من الحلول التكرارية أو خطوات التحليل المتكررة.

الأهمية والادعاءات
يزعم البحث أن هذه الاستراتيجيات تنجح في توسيع نطاق حساب الموثوقية التقريبية في ssGBLUP بما يتجاوز حدود نهج المعكوس الكثيف. ويرى المؤلفون أن اختيار الطريقة يعتمد على حجم المجتمع والموارد المتاحة:

بالنسبة للمجتمعات التي تصل إلى ~50,000 حيوان من ذوي النمط الجيني، تظل DenseInv مجدية وهي الأسرع إذا سمحت الذاكرة بذلك.
للمجتمعات المتوسطة (50,000–200,000)، يُوصى باستخدام SchurAsm-Packed للحصول على نتائج دقيقة دون تخصيص منفصل لـ $A^{-1}_{22}$ ، بينما توفر WoodColl نتائج دقيقة مع تدرج خطي في الذاكرة.
للمجتمعات الكبيرة (>200,000)، تُعتبر HutchColl هي الخيار العملي الوحيد الذي تم تقييمه، حيث تحافظ على التدرج الخطي في كل من الذاكرة ووقت الحساب، مما يجعلها صالحة للمجتمعات التي تصل أعدادها إلى مئات الآلاف أو الملايين.

خلصت الدراسة إلى أنه بينما توفر WoodColl وHutchColl أفضل قدرة على التوسع من خلال تجنب عنق زجاجة تحليل $A_{11}$ تماماً، فإن HutchColl توفر تحديداً توازناً فريداً بين السرعة وكفاءة الذاكرة المناسبة لتقييمات الجينوم واسعة النطاق. وأشار المؤلفون إلى أن هذه الطرق مستقلة عن عمليات تقليل الحجم الأساسية لـ APY للمكون الجينومي، مما يشير إلى إمكانية الجمع بينها لمعالجة عنقي الزجاجة الرئيسيين في حساب موثوقية ssGBLUP.

أبحاث مشابهة