Uncertainty-aware breeding decisions: MCMC-based optimum contribution selection increases breeding decision robustness

Deze studie toont aan dat het integreren van onzekerheid in geschatte fokwaarden via MCMC-benaderingen de robuustheid van fokkeuzes verbetert en onstabiele selecties identificeert die op lange termijn de genetische winst kunnen compromitteren, wat leidt tot een significant hogere stabiliteit bij een minimaal verlies aan genetische winst.

De kern

De Kern van het Onderzoek: Een Onzekerheidstest voor Bosbouwers

Stel je voor dat je een groot bos moet beheren en je wilt de beste bomen selecteren om zaad voor de volgende generatie te maken. Je wilt twee dingen:

1. Groeien: Kies de bomen die het snelst en het sterkst groeien (genetische winst).
2. Veiligheid: Zorg dat de bomen niet te veel op elkaar lijken (inbreeding), want als ze allemaal te veel op elkaar lijken, kan het hele bos ziek worden of instorten.

Dit is wat Optimum Contribution Selection (OCS) doet: het is een slimme rekenmachine die probeert de perfecte balans te vinden tussen "de snelste bomen kiezen" en "te veel verwantschap voorkomen".

Het probleem:
Tot nu toe gebruikten bosbouwers alleen de beste schatting van hoe goed een boom is. Het was alsof je een weegschaal gebruikte die alleen het gewicht toont, maar niet vertelt of de weegschaal trilt of niet. Als de schatting onzeker is (bijvoorbeeld omdat er weinig data is over die boom), kan de rekenmachine een boom kiezen die toevallig hoog scoort, maar in werkelijkheid slecht is. Dit is als het kiezen van een speler voor je voetbalteam op basis van één willekeurige wedstrijd, zonder te kijken of hij vaak blessures heeft of inconsistent speelt.

De Oplossing: De "Gokke" Methode (MCMC)

De auteurs van dit papier (Jon Ahlinder en Patrik Waldmann) hebben een nieuwe manier bedacht om met die onzekerheid om te gaan. In plaats van één vast getal te gebruiken, kijken ze naar duizenden mogelijke scenario's.

De Metafoor: De Gokke-Party
Stel je voor dat je in plaats van één keer te wegen, 1000 keer weegt, maar elke keer met een heel licht trillende weegschaal (dat is de onzekerheid).

• Soms weegt boom A iets zwaarder, soms boom B.
• De nieuwe methode (MCMC-OCS) kijkt naar al die 1000 scenario's en vraagt: "Welke bomen worden in bijna alle scenario's geselecteerd?"

Ze hebben dit getest op twee soorten bomen: Sparren (Noorse spar) en Loblolly-dennen (een Amerikaanse den).

Wat Vonden Ze?

1. De oude methode was verrassend onstabiel:
   Als je de oude methode (één vast getal) vergelijkt met de nieuwe methode (duizenden scenario's), blijken ze weinig overeenkomst te hebben.

   • Vergelijking: Het is alsof je een team van 100 spelers kiest op basis van één dag. De volgende dag, als je weer kiest, heb je misschien maar 15 van dezelfde spelers. Dat is veel onzekerheid!
   • In de sparrenpopulatie bleek dat de oude methode gemiddeld maar 26 van de 100 dezelfde bomen koos als de nieuwe methode.

2. Maar er is wel een patroon:
   Hoewel de specifieke bomen wisselen, geldt wel: de bomen die echt goed zijn (hoge genetische waarde), worden vaker gekozen dan de slechte bomen. De nieuwe methode bevestigt dat je in de goede richting kijkt, maar je moet oppassen met de individuele keuzes.

3. Het "Risico-Index" (Robustheidsscore):
   De auteurs hebben een nieuwe tool bedacht: een risico-score.

   • Vergelijking: Stel je een brug voor die je bouwt. Sommige stenen zijn cruciaal; als je die verwijdert, stort de brug in. Andere stenen zijn makkelijk te vervangen.
   • De nieuwe methode identificeert de "gevaarlijke stenen": bomen die in de oude lijst stonden, maar die eigenlijk heel onzeker zijn. Als je ze verwijdert en vervangt door iets beters, wordt je "brug" (het bos) sterker, zelfs als je een heel klein beetje aan de totale groei moet inleveren.

De Resultaten in het Kort

• Veiligheidswinst: Door de onzekere bomen te verwijderen en te vervangen door stabielere alternatieven, werd de keuze voor het bos 16% tot 30% veiliger (minder kans dat het misgaat).
• Kleine prijs: Je moet daarvoor heel weinig inleveren aan totale groei (minder dan 3% verlies).
• Conclusie: Het is beter om een klein beetje minder snel te groeien, maar dan wel met een bos dat niet instort, dan om te hopen op de snelste groei met een onzeker fundament.

Waarom is dit belangrijk?

Vroeger dachten bosbouwers: "Kies de boom met het hoogste getal."
Nu zeggen ze: "Kies de boom met het hoogste getal, maar check eerst of dat getal betrouwbaar is. Als het getal trilt, kies dan een andere boom die misschien iets lager scoort, maar wel betrouwbaar is."

Dit onderzoek biedt een nieuwe kompas voor fokkers en bosbouwers. Het helpt hen om niet alleen te kijken naar wie de snelste renner is, maar ook naar wie de meest betrouwbare renner is voor de lange termijn. Zo zorgen ze dat hun bossen en gewassen ook over 50 jaar nog gezond en sterk zijn.

Technische samenvatting

Probleemstelling

Traditionele implementaties van Optimum Contribution Selection (OCS) gebruiken punt-schattingen van geschatte fokwaarden (EBV's, Estimated Breeding Values), vaak de Maximum A Posteriori (MAP) schattingen. Deze aanpak negeert de onzekerheid inherent aan deze schattingen.

• Het risico: Individuen met hoge, maar onbetrouwbare EBV's (hoge variantie in de posterior verdeling) kunnen onterecht worden geselecteerd ten opzichte van individuen met iets lagere, maar veel betrouwbaardere schattingen.
• Gevolg: Dit kan leiden tot suboptimale selectiebeslissingen, een verlies aan langetermijn genetische winst en een verhoogd risico op inbreeding, omdat de stabiliteit van de selectie over verschillende mogelijke realiteiten niet wordt getoetst.
• Bestaande oplossingen: Eerdere methoden (zoals robuuste OCS met standaardfouten) benaderen onzekerheid vaak als een samenvattingsstatistiek, maar benutten niet de volledige kansverdeling die uit Bayesiaanse analyse voortkomt.

Methodologie

De auteurs ontwikkelden een raamwerk dat onzekerheid expliciet integreert in OCS-beslissingen door gebruik te maken van Markov Chain Monte Carlo (MCMC) simulaties.

1. Data en Populaties:

   • Twee bosbouwpopulaties werden geanalyseerd: Noorse spar (Picea abies, n=5.525, met een genotyperde subset van n=1.218) en Loblolly den (Pinus taeda, n=926).
   • Er werden meervoudige kenmerken gebruikt (bijv. boomhoogte, vitaliteit, houtkwaliteit).

2. Genetische Evaluatie:

   • Een multi-trait mixed model werd gebruikt om de posterior verdelingen van de EBV's te schatten via Gibbs sampling (met de JWAS package in Julia).
   • In plaats van één punt-schatting, werden 1000 MCMC-iteraties gegenereerd om de volledige onzekerheid van de EBV's te vangen.

3. OCS Implementatie:

   • MAP-OCS (Referentie): OCS uitgevoerd met de MAP-waarden (punt-schattingen), zonder rekening te houden met onzekerheid.
   • MCMC-OCS: De OCS-algoritme (geoptimaliseerd met de COSMO solver in Julia, gebaseerd op ADMM) werd 1000 keer uitgevoerd, elk keer met een andere set EBV's uit de posterior verdeling. Dit resulteerde in een verdeling van optimale bijdragen.

4. Nieuwe Metrieken voor Robuustheid:
   Om de impact van onzekerheid te kwantificeren, introduceerden de auteurs twee complementaire metrics:

   • Individuele Robuustheidsscore: Meet hoe groot het verlies aan genetische winst is wanneer een specifiek individu wordt verwijderd uit de populatie, gemiddeld over alle MCMC-iteraties. Individuen met lage scores worden beschouwd als "hoog risico" (hun selectie is instabiel).
   • Verdelingsmetrieken: Kijken naar de populatieniveau (vergelijkbaar met portfolio-diversificatie in financiën). Metrieken zoals de Gini-coëfficiënt en concentratieverhoudingen meten of de genetische winst te sterk geconcentreerd is bij een paar individuen.

5. Strategie voor Beperkte Uitsluiting:
   Individuen die als "hoog risico" werden geïdentificeerd (onderste 25% van de robuustheidsscores) werden systematisch uitgesloten. Het OCS-probleem werd vervolgens opnieuw opgelost met deze beperking om een stabielere selectie te vinden.

Belangrijkste Resultaten

1. Lage Overlap tussen MAP en MCMC:

   • Er was een opvallend lage overeenkomst tussen de individuen die werden geselecteerd door MAP-OCS en MCMC-OCS.
   • Voor Noorse spar (genotyperde subset) was de gemiddelde overlap slechts 26,6 individuen (van de top 100). Voor de volledige stamboom was dit zelfs 14,1.
   • Dit betekent dat de specifieke rangschikking binnen families sterk fluctueert afhankelijk van de onzekerheid in de EBV's.

2. Selectiefrequentie vs. EBV:

   • Hoewel de specifieke individuen varieerden, was er een sterke correlatie (Spearman ρ = 0,782 voor Noorse spar) tussen de EBV-waarde en de selectiefrequentie over de MCMC-iteraties.
   • Individuen met hogere EBV's werden vaker geselecteerd, maar de precieze toewijzing van bijdragen was onstabiel.

3. Verbetering door Uitsluiting van Hoog-Risico Individuen:

   • Door de 25 "hoog-risico" individuen uit de Noorse spar populatie te verwijderen en het OCS opnieuw te draaien:
     • De individuele robuustheid steeg met 29,8% (Noorse spar) en 16,5% (Loblolly den).
     • Het verlies aan genetische winst was minimaal: 2,14% voor Noorse spar en 3,00% voor Loblolly den.
   • Dit toont aan dat men een aanzienlijke verhoging van de stabiliteit kan bereiken voor een zeer kleine prijs in genetische vooruitgang.

4. Verandering in Verdeling:

   • In de Loblolly den populatie verbeterden zowel de individuele robuustheid als de verdelingsmetrieken (minder concentratie).
   • In de Noorse spar populatie verbeterde de individuele robuustheid, maar werd de verdeling iets minder gelijkmatig (hogere Gini-coëfficiënt), wat suggereert dat vervangende individuen heterogene rollen aannamen om de genetische winst te behouden onder de restricties.

Bijdragen en Significantie

• Nieuw Raamwerk: Dit is een van de eerste studies die een volledig Bayesiaans raamwerk toepast op OCS in echte, grote fokpopulaties, in plaats van alleen simulaties.
• Praktische Tooling: De auteurs bieden een praktische methode om "instabiele" selecties te identificeren en te vervangen door betrouwbaardere alternatieven, zonder de theoretische basis van OCS te verlaten.
• Inzicht in Familiekeuze: De resultaten benadrukken dat de onzekerheid binnen families (Mendeliaanse segregatievariatie) een grote rol speelt. Traditionele "within-family" selectie op basis van punt-schattingen kan dus vaak suboptimale individuen kiezen.
• Aanbeveling: De auteurs pleiten ervoor dat fokprogramma's de onzekerheid van EBV's (via posterior verdelingen) actief moeten evalueren en afwegingen moeten maken tussen maximale genetische winst en de stabiliteit van de selectiebeslissingen.

Conclusie:
Het artikel demonstreert dat het negeren van EBV-onzekerheid leidt tot fragiele selectiebeslissingen. Door MCMC-gebaseerde robuustheidsscores te gebruiken, kunnen fokkers individuen met een hoge kans op misselectie identificeren en uitsluiten. Dit resulteert in een fokprogramma dat minder gevoelig is voor schattingsfouten en meer stabiele langetermijnresultaten oplevert, zelfs bij een marginaal verlies aan korte-termijn genetische winst.