Regression approaches for modelling genotype-environment interaction and making predictions into unseen environments

यहाँ शोध पत्र "Regression approaches for modelling genotype-environment interaction and making predictions into unseen environments" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

पादप प्रजनन (plant breeding) और किस्म परीक्षण में, लक्ष्य वातावरण की जनसंख्याओं (Target Populations of Environments - TPE)—विशेष रूप से नए स्थानों और भविष्य के वर्षों में—जीनोटाइप के प्रदर्शन की भविष्यवाणी करना एक महत्वपूर्ण चुनौती है। पारंपरिक मल्टी-एनवायरनमेंट ट्रायल (MET) मॉडल अक्सर पर्यावरणीय कारकों को स्पष्ट रूप से मॉडल किए बिना उन्हें रैंडम इफेक्ट्स (random effects) के रूप में मानते हैं।

• अंतराल (The Gap): हालांकि जीनोटाइप $\times$ एनवायरनमेंट (G$\times$E) इंटरैक्शन को समझाने के लिए पर्यावरणीय सह-चरों (environmental covariates - EC) का उपयोग करना सामान्य है, लेकिन अधिकांश मौजूदा सत्यापन विधियाँ (जैसे, leave-one-environment-out cross-validation) यह मान लेती हैं कि "अनदेखे" वातावरण के लिए EC मान ज्ञात हैं। वास्तव में, भविष्य के वर्षों या नए फार्मों के लिए, सटीक EC मान अज्ञात होते हैं; केवल दीर्घकालिक माध्य (long-term means) या वितरण उपलब्ध होते हैं।
• आवश्यकता (The Need): एक एकीकृत ढांचे की कमी है जो:
  1. विसंगत प्रतिगमन विधियों (फैक्टरियल रिग्रेशन, कर्नेल दृष्टिकोण, रिड्यूस्ड रैंक रिग्रेशन) को एक सामान्य मॉडल-आधारित भविष्यवाणी ढांचे के तहत जोड़ सके।
  2. उन स्थितियों में भविष्यवाणी अनिश्चितता (prediction uncertainty) का अनुमान लगाने के लिए कठोर विधियाँ प्रदान कर सके जहाँ EC मानों का अनुमान लगाना आवश्यक हो या वे अज्ञात हों (अर्थात, सह-चरों के स्वयं के विचरण को ध्यान में रखना)।

2. कार्यप्रणाली (Methodology)

A. सैद्धांतिक ढांचा (Theoretical Framework)

लेखक एक एकीकृत लीनियर मिक्स्ड मॉडल (LMM) ढांचे का प्रस्ताव करते हैं जहाँ वातावरण को रैंडम माना जाता है। मुख्य मॉडल फैक्टरियल रिग्रेशन (FR) दृष्टिकोण का विस्तार करता है:
$$y_{ij} = \eta_{ij} + u_j + e_{ij}$$
जहाँ $\eta_{ij}$, ECs ($x_{jk}$) पर प्रतिगमन (regression) के रूप में $i$ जीनोटाइप के लिए अपेक्षित प्रतिक्रिया है।

• जीनोटाइप मॉडलिंग: जीनोटाइप को रैंडम फैक्टर्स के रूप में मॉडल किया गया है जिनमें जीनोटाइप-विशिष्ट इंटरसेप्ट ($\alpha_i$) और स्लोप ($\gamma_{ik}$) शामिल हैं।
• विचरण-सह-विचरण संरचनाएं (Variance-Covariance Structures): यह शोध पत्र चार विशिष्ट कार्यान्वयनों की तुलना करता है कि कैसे रैंडम स्लोप्स का विचरण-सह-विचरण मैट्रिक्स ($\Sigma$) संरचित है:
  1. रैंडम फैक्टरियल रिग्रेशन (RFR): अनस्ट्रक्चर्ड $\Sigma$ (सबसे लचीला, अधिक पैरामीटर)।
  2. एनवायरनमेंटल कर्नेल दृष्टिकोण: डायगोनल $\Sigma$ मानता है (ECs पर रिज रिग्रेशन), जिससे कर्नेल मैट्रिक्स $K_E = XX^T$ प्राप्त होता है।
  3. रिड्यूस्ड रैंक रिग्रेशन (RRR): $\Sigma$ को लो-रैंक फैक्टर-एनालिटिक संरचना ($\Sigma = \Lambda\Lambda^T$) का उपयोग करके अनुमानित करता है। यह सिंथेटिक कोवेरियेट्स (SC) बनाता है।
  4. एक्सटेंडेड फिनले-विलकिंसन (FW): एक दो-चरणीय दृष्टिकोण जहाँ पहले सिंथेटिक कोवेरियेट्स प्राप्त किए जाते हैं, फिर उन्हें फिक्स्ड जीनोटाइप इफेक्ट्स के साथ रिग्रेशन में उपयोग किया जाता है।

B. भविष्यवाणी परिदृश्य और अनिश्चितता का परिमाणीकरण (Prediction Scenarios and Uncertainty Quantification)

एक प्रमुख योगदान EC डेटा की उपलब्धता के आधार पर चार विशिष्ट भविष्यवाणी परिदृश्यों को परिभाषित करना है:

1. केस 1: TPE में दीर्घकालिक माध्य (ज्ञात माध्य, कोई EC विचरण नहीं)।
2. केस 2: TPE माध्य पर नया वर्ष (वर्ष प्रभावों के कारण EC विचरण)।
3. केस 3: नए स्थान पर दीर्घकालिक माध्य (ज्ञात स्थान माध्य, कोई EC विचरण नहीं)।
4. केस 4: नए स्थान पर नया वर्ष (अज्ञात भविष्य के EC मान; EC विचरण घटकों की आवश्यकता है)।

भविष्यवाणी विचरण के लिए नया दृष्टिकोण (New Approach for Prediction Variance):
लेखक एक नवीन एस्टिमेटर (estimator) व्युत्पन्न करते हैं जो कुल भविष्यवाणी विचरण ($\vartheta_i$) के लिए है, जो निम्नलिखित को ध्यान में रखता है:

1. अनुमान त्रुटि (Estimation Error): रिग्रेशन गुणांकों ($\hat{\gamma}$) और सह-चर माध्य ($\hat{\xi}$) के अनुमान में अनिश्चितता।
2. सह-चर अनिश्चितता (Covariate Uncertainty): भविष्य के वर्ष/स्थान में भविष्यवाणी करते समय EC का स्वयं का विचरण ($\sigma_x^2$)।
3. अवशिष्ट विचलन (Residual Deviation): रिग्रेशन लाइन से विचलन का विचरण (G$\times$L, G$\times$Y, G$\times$L$\times$Y)।

रैंडम वेरिएबल्स के गुणनफल के विचरण के सूत्र का उपयोग नैव प्लग-इन एस्टिमेटर्स (naive plug-in estimators) में पूर्वाग्रह (bias) को ठीक करने के लिए किया जाता है:
$$est. var(\hat{\gamma}\hat{\xi}) = \hat{\gamma}^2 var(\hat{\xi}) + \hat{\xi}^2 var(\hat{\gamma}) - var(\hat{\gamma})var(\hat{\xi})$$

C. डेटा और कार्यान्वयन (Data and Implementation)

• डेटासेट: बांग्लादेश राइस रिसर्च इंस्टीट्यूट (BRRI) के दीर्घकालिक चावल किस्म परीक्षण, जो 2001-2022 को कवर करते हैं। दो डेटासेट: इरिगेटेड विंटर राइस और रेनफेड समर राइस।
• सह-चर (Covariates): AgERA5 डेटाबेस से समर सीजन द्वारा एकत्रित 8 मौसम चर (तापमान, वर्षा, विकिरण)।
• सॉफ्टवेयर: मॉडल ASReml-R 4.2 का उपयोग करके फिट किए गए।
• सत्यापन (Validation):
  • LOEO (Leave-One-Environment-Out): देखे गए EC मानों का उपयोग करता है (आशावादी)।
  • LYLO (Leave-One-Year-and-Location-Out): छोड़े गए स्थान/वर्ष के दीर्घकालिक माध्य EC मानों का उपयोग करता है (यथार्थवादी/अनदेखा परिदृश्य)।

3. मुख्य योगदान (Key Contributions)

1. विधियों का एकीकरण (Unification of Methods): यह प्रदर्शित करता है कि RFR, कर्नेल दृष्टिकोण, RRR और एक्सटेंडेड फिनले-विलकिंसन रिग्रेशन गणितीय रूप से एक ही LMM ढांचे के भीतर जुड़े हुए हैं, जो मुख्य रूप से उनके विचरण-सह-विचरण धारणाओं में भिन्न होते हैं।
2. यथार्थवादी भविष्यवाणी ढांचा (Realistic Prediction Framework): यह भविष्य की पर्यावरणीय स्थितियों की अनिश्चितता (केस 4) को स्पष्ट रूप से मॉडल करके मानक क्रॉस-वैलिडेशन से आगे बढ़ता है, न कि यह मानकर कि सह-चर ज्ञात हैं।
3. नवीन विचरण एस्टिमेटर (Novel Variance Estimator): एक पूर्वाग्रह-सुधारित (bias-corrected) विधि पेश करता है जो भविष्य के वर्षों/स्थानों में भविष्यवाणी करने से जुड़ी अनिश्चितता को शामिल करते हुए, पर्यावरणीय सह-चरों की अनिश्चितता को भी समाहित करता है। यह ब्रीडर्स को अनदेखे वातावरण में सिफारिशों के लिए कॉन्फिडेंस इंटरवल प्रदान करने की अनुमति देता है।
4. सिंथेटिक कोवेरियेट्स (Synthetic Covariates): सिंथेटिक कोवेरियेट्स (RRR के माध्यम से) प्राप्त करने के लिए रिड्यूस्ड रैंक रिग्रेशन (RRR) के उपयोग को मान्य करता है, जो अक्सर कच्चे, उच्च-आयामी मौसम डेटा के उपयोग के मुकाबले एक संक्षिप्त और मजबूत विकल्प प्रदान करता है।

4. परिणाम (Results)

• मॉडल फिट (Model Fit):

  • ECs को शामिल करने वाले मॉडलों ने बेसलाइन (बिना EC के) की तुलना में अवशिष्ट G$\times$L और G$\times$Y विचरण घटकों को कम किया।
  • RRR2 (रैंक 2) और FW1-US (1 सिंथेटिक कोवेरिएट) ने सबसे कम अकाईक सूचना मानदंड (AIC) प्राप्त किया, जो फिट और जटिलता के बीच संतुलन बनाता है।
  • "मुख्य EC प्रभाव" (फिक्स्ड स्लोप) ने सभी मामलों में AIC में महत्वपूर्ण सुधार नहीं किया, लेकिन अनदेखे वातावरण में निष्पक्ष भविष्यवाणियों के लिए यह महत्वपूर्ण था।

• भविष्यवाणी प्रदर्शन (Predictive Performance - Cross-Validation):

  • LOEO परिदृश्य: EC मॉडल बेसलाइन से थोड़ा बेहतर प्रदर्शन करते हैं, लेकिन अंतर मामूली है।
  • LYLO परिदृश्य (अनदेखे वातावरण): ECs का समावेश अधिक सुसंगत सुधार प्रदान करता है। विशेष रूप से, मुख्य EC प्रभाव वाले मॉडल LYLO में बेहतर प्रदर्शन करते हैं, जो पुष्टि करता है कि जब भविष्य के EC मान अज्ञात हों, तो माध्य रिग्रेशन को मॉडल करना आवश्यक है।
  • विंटर बनाम समर राइस: समर राइस (रेनफेड) में मौसम सह-चरों के मॉडलिंग के स्पष्ट लाभ दिखाई दिए। विंटर राइस (इरिगेटेड) में मौसम के सह-चरों और उपज के बीच संबंध कमजोर था, जो संभवतः सिंचाई द्वारा पर्यावरणीय तनाव को कम करने के कारण है।

• विचरण अनुमान (Variance Estimation):

  • मॉडल-आधारित भविष्यवाणी विचरण (MVP), क्रॉस-वैलिडेशन से प्राप्त मीन स्क्वेर्ड प्रेडिक्शन एरर (MSPE) के करीब था।
  • नया विचरण एस्टिमेटर सफलतापूर्वक उस बढ़ी हुई अनिश्चितता को पकड़ लेता है जो नए वर्षों/स्थानों (केस 4) में भविष्यवाणी करने से जुड़ी होती है, जहाँ सह-चरों का विचरण कुल त्रुटि में महत्वपूर्ण योगदान देता है।

5. महत्व और निहितार्थ (Significance and Implications)

• पादप ब्रीडर्स के लिए: यह कार्य एक नए स्थान या भविष्य के सीजन के लिए किस्म की सिफारिश करने के जोखिम को मापने के लिए एक सांख्यिकीय रूप से कठोर तरीका प्रदान करता है। यह केवल पॉइंट एस्टिमेट्स से आगे बढ़कर कॉन्फिडेंस इंटरवल प्रदान करता है जो मौसम की अनिश्चितता को ध्यान में रखते हैं।
• मेथोडोलॉजिकल प्रगति: विभिन्न प्रतिगमन तकनीकों को जोड़कर, यह शोध पत्र मॉडल की जटिलता (RFR) और संक्षिप्तता (Kernel/RRR) के बीच ट्रेड-ऑफ को स्पष्ट करता है। यह सुझाव देता है कि सिंथेटिक कोवेरियेट्स के साथ रिड्यूस्ड रैंक रिग्रेशन या एक्सटेंडेड फिनले-विलकिंसन अक्सर सटीकता और स्थिरता का सबसे अच्छा संतुलन प्रदान करते हैं।
• डेटा आवश्यकताएं: अध्ययन इस बात पर प्रकाश डालता है कि जबकि ECs भविष्यवाणियों में सुधार करते हैं, डेटा की गुणवत्ता सर्वोपरि है। इरिगेटेड विंटर राइस डेटासेट में मामूली लाभ यह संकेत देते कि मोटे मौसम डेटा (coarse weather data) सूक्ष्म-जलवायु बारीकियों (जैसे सिंचाई प्रबंधन) को कैप्चर करने में सक्षम नहीं हो सकते हैं।
• भावी दिशाएं: यह ढांचा जेनोमिक डेटा (किनशिप मैट्रिसेस के माध्यम से) और गैर-रेखीय पदों (non-linear terms) के लिए विस्तार योग्य है। लेखक अनिश्चितता अनुमानों को और अधिक परिष्कृत करने के लिए पर्यावरणीय सह-चरों के "विचरण रास्टर" (variance rasters) की उपलब्धता का आह्वान करते हैं।

संक्षेप में, यह शोध पत्र एनवायरोमिक्स (enviromics) के लिए एक मजबूत, मॉडल-आधारित आधार स्थापित करता है, जिससे ब्रीडर्स को अनटेस्टेड वातावरण में किस्में तैनात करने के लिए अधिक सूचित और जोखिम-जागरूक निर्णय लेने में सक्षम बनाया जा सके।