🧬 遗传学

WISER: spectral whitening of fixed effects for improved breeding value estimation in structured, unbalanced, and genotype-environment-confounded populations

本文介绍了 WISER，这是一个基于谱白化的框架，通过重新加权固定效应来减轻遗传-环境混杂，从而在结构化和不平衡种群中改进育种值估计，并在多种物种和组学数据集中一致地优于传统的 LS-means 和 BLUP 方法。

原作者： Jacquin, L., Guerra, W., Lewandowski, M., Patocchi, A., Rymenants, M., Durel, C.-E., Laurens, F., Lozano, L., Aranzana, M. J., Mary-Huard, T., Muranty, H.

发布于 2026-10-15

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Jacquin, L., Guerra, W., Lewandowski, M., Patocchi, A., Rymenants, M., Durel, C.-E., Laurens, F., Lozano, L., Aranzana, M. J., Mary-Huard, T., Muranty, H.

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

在动植物育种领域，目标是识别出在产量、抗病性或生长速度等性状方面具有最佳遗传潜力的个体。为此，育种者会在田间或畜舍中测量这些性状，然后试图将遗传贡献从环境噪声中分离出来。一株植物长得高大，可能并非因为它拥有优良的基因，而仅仅是因为它被种植在了一块特别肥沃的土壤中，或者比邻近的植物获得了更多的水分。如果育种者将这种环境运气误认为是遗传质量，他们可能会选择错误的亲本进行下一代繁育，从而减缓进步的速度。当实验设计不完善时，这个问题会变得尤为困难，这意味着某些植物或动物家族主要在特定的地点或年份进行测试，从而产生了一种遗传与环境交织在一起的混乱局面。

几十年来，科学家们一直依赖统计工具来理清这些线索，通常使用通过平均化数据或调整已知环境因素的方法。然而，这些传统方法在面对数据不平衡或遗传关系复杂的情况时，往往显得力不从心。由拉瓦尔·雅昆（Laval Jacquin）和埃莱娜·穆兰蒂（Hélène Muranty）等研究人员组成的团队开发的一种名为 WISER 的新方法，为处理这种混乱提供了一种不同的方式。WISER 并没有试图将数据强行塞入一个僵化的模型，而是利用一种数学变换来平滑实验设置造成的扭曲，让真实的遗传信号更加清晰地显现出来。

研究人员在包括水稻、玉米、苹果和欧洲赤松在内的多种真实世界数据集中测试了这种新方法。这些数据集代表了各种各样的挑战：有些涉及数千个遗传标记，有些具有复杂的家族结构，许多则深受那些会让标准方法出错的不平衡现象的影响。例如，在水稻研究中，团队观察了数百个基因型在开花时间和谷物产量方面的性状。在苹果数据集中，他们检查了大参考群体中的果实质量和抗病性。欧洲赤松的数据则提出了或许是最严峻的测试，即特定树木家族与它们生长地点之间存在强关联，造成了遗传与环境之间高度的混淆。

当团队将 WISER 与育种者使用的标准方法进行比较时，结果令人瞩目。在所有四个物种和三十三个不同性状中，通过 WISER 估算的育种值对未来表现的预测更加准确。例如，在苹果数据集中，该方法在预测开花时间和果实重量等性状方面的能力显著优于传统方法。在极具挑战性的欧洲赤松数据集中，标准方法往往无法产生可靠的估算值，甚至会因数学上的不稳定而崩溃，而 WISER 依然保持稳健，即使在数据严重偏斜的情况下也能提供稳定且准确的数值。这种提升不仅仅是一个微小的改进；在许多情况下，新方法的预测能力几乎是旧技术的两倍。

成功的核心在于 WISER 如何处理环境与遗传之间的关系。传统方法通常试图通过选择数据中代表遗传差异的几个特定方向来消除群体结构的影响，这类似于挑选几个关键特征来描述一个复杂的物体。然而，WISER 采取了更广泛的视角。它观察整个遗传变异的光谱，并温和地调整每个方向的权重，在减少最显著模式影响的同时，并不丢弃任何信息。这个被称为“白化”（whitening）的过程有效地使变量去相关，确保在估算环境效应时不会受到底层遗传结构的偏差影响。这就像是在调节相机镜头的焦距时，不仅针对图像的一部分，而是针对整个场景进行调整，确保背景不会模糊主体。

为了理解为什么这很重要，请考虑研究人员进行的模拟研究。他们创建了人工数据集，其中已知真实的遗传值，然后引入了不同程度的植物与环境之间的混淆。当混淆度较低时，新方法的表现与旧方法相似。但随着混淆度的增加（模拟了田间试验的混乱现实），传统方法开始失效，产生的估算值远非真相。相比之下，WISOR 则能站稳脚跟，即使在数据被严重扭曲的情况下也能保持高准确度。这表明，该方法在现实世界中特别有价值，因为在现实中，完美的实验设计是罕见的，干扰因素是常态。

研究人员还探讨了这种改进究竟是源于使用了更多的遗传信息，还是源于处理数据时的特定方式。他们发现，这种益处不仅在于拥有更多的数据点，而在于该方法如何处理现有数据。即使他们减少了用于构建模型的遗传信息量，WISER 仍然优于标准方法。这表明，这种提升来自于数学变换本身——它能更好地将遗传信号从环境噪声中分离出来——而非仅仅是通过重复使用基因组数据。

虽然该方法展现出了巨大的潜力，但作者也谨慎地指出了其局限性。它在存在需要修正的复杂实验设计时效果最好；如果数据是完美平衡且简单的，该方法相比标准技术并无优势。此外，数据变换的过程使得解释特定的环境效应变得更加困难，如果育种者需要确切了解降雨量或土壤类型等特定因素如何影响结果，这可能会成为一个缺点。然而，对于识别最佳遗传候选者的首要目标而言，该方法提供了一个强大的新工具。

该方法对育种计划的意义是重大的。通过提供更准确的遗传潜力估算，WISER 可以帮助育种者做出更好的选择决策，从而加速新农作物品种和畜禽品种的开发。该方法以用户友好的软件形式实现，使得不具备高级统计学专业知识的研究人员也能使用。随着育种计划越来越多地依赖于大型、复杂且往往不平衡及受干扰的数据集，像 WISER 这样的工具为我们提供了一种驾驭这种复杂性并从中提取隐藏在噪声中的真实遗传价值的方法。这项研究的结论是，通过重新思考如何调整环境效应，我们可以获得一个更清晰的遗传未来图景。

技术摘要：WISER —— 用于改进育种值估计的光谱白化技术

问题陈述
准确估计育种值（Breeding Values, BVs）是基因组选择和全基因组关联研究（GWAS）的基础。然而，在具有结构性、不平衡性以及基因型-环境混杂的群体中，标准的统计方法往往无法有效地将遗传效应与环境效应分离。

LS-means（最小二乘均值）忽略了遗传协方差，并且在不平衡设计中可能会引入偏差。
BLUP（最佳线性无偏预测）将 BVs 模型化为随机效应，但在人口结构与环境因素相混杂时，可能会出现收敛问题或不稳定性。
基于 PCA 的校正方法（例如，将主成分作为固定协变量纳入 BLUP 模型）通常依赖于选择一个任意的特征向量子集，这可能无法捕捉复杂的群体结构或有效控制假阳性。

这些局限性导致了伪关联、偏差的 BV 估计以及降低下游基因组预测能力（PA），特别是在实验设计不平衡或基因型在不同环境中的分布非随机时。

方法论：WISER 框架
本文介绍了 WISER（Whitening and Successive Least Squares Estimation Refinement，白化与连续最小二乘估计精炼法），该方法旨在通过在初始估计 BVs 期间直接考虑遗传协方差来进行优化。

核心概念（白化）： WISER 对固定效应设计矩阵 ( $X$ ) 采用统计白化变换。该变换源自正则化遗传协方差矩阵 ( $\tilde{\Sigma}_u$ )，用于使变量去相关并标准化其方差。
光谱重加权： 与显式移除或调整固定数量的主成分的方法不同，WISER 对固定效应进行连续的光谱重加权。它根据遗传协方差矩阵的特征谱，衰减与遗传变异主导方向（与群体结构相关）的影响。这种方法在不丢弃信息的前提下，减少了遗传结构与环境效应之间的混杂。
估计程序：
- 计算白化矩阵 ( $W$ )，使用的方法包括 ZCA-cor、PCA-cor 或应用于正则化遗传协方差矩阵的 Cholesky 分解。
- 对固定效应（环境因素）进行变换： $\tilde{X} = WX$ 。
- 使用变换后的模型上的连续普通最小二乘（OLS）程序来估计 BVs 为固定效应向量 ( $v$ )： $Y = \tilde{X}\beta + Zv + \epsilon$ 。
- 该方法在估计步骤中将 BVs 视为固定效应，从而确保它们不是作为标记效应的函数推导出来的（如 GBLUP 中所示），这使其适用于下游的组学预测。
实现： 该方法通过用户友好的 R 包 wiser 实现，该包包含通过网格搜索和交叉验证实现的白化方法及正则化参数的自动优化。它利用并行化的近似贝叶斯计算（ABC）进行方差分量估计，以处理大规模数据集。

主要贡献

新颖框架： WISER 提供了一个通用的框架，适用于多种物种、不同的实验设计（如 alpha 格点设计、多环境试验）以及组学数据集（SNP、代谢组学、NIRS）。
理论扩展： 它通过放宽对保留有限个特征向量的假设，扩展了特征信息方法（如 EVG 和 PC 模型），提供了一种类似于岭回归与 PC 回归之间关系的“软性”光谱校正策略。
鲁棒性： 该方法旨在处理 LS-means、BLUP 和 BLUP-PCA 经常失败的不平衡设计以及基因型-环境混杂问题。

结果
本研究在四种作物/树种（水稻、玉米、苹果、花 Scots pine）和 33 个性状上评估了 WISER，并将其与 LS-means、BLUP 和 BLUP-PCA 进行了比较。

预测能力 (PA)： 在使用 GBLUP 及其他预测模型（RF、SVR、LASSO、RKHS）时，WISER 在所有物种和性状中一致实现了最高的其中值基因组预测能力。例如，在苹果数据集中，对于开花性状，WISER 将中值 PA 从约 0.64（LS-means/BLUP）提高到了约 0.92。在 Scots pine 数据集中，由于存在混杂，LS-means 和 BLUP-PCA 表现显著下降（PA 接近 0.08–0.14），而 WISER 保持了稳健的表现（PA $\approx$ 0.66）。
遗传力估计： WISER 通常产生更高且更稳定的基因组遗传力 ( $h^2$ ) 估计值。在存在严重混杂的情况下（如 pine 性状 D、H、I），竞争方法由于数值不稳定性产生了接近零的 $h^2$ 估计值，而 WISER 则提供了可靠的估计（例如，性状 H 的 $h^2 \approx 0.95$ ）。
模拟研究：
- 在中等遗传力（ $h^2=0.5$ ）的模拟中，白化提高了估计准确度 (EA) 并降低了均方误差 (MSE)，特别是在高基因型-环境混杂（高 Cramér's $V$ ）的情景下。
- 随着基因型-环境关联程度的增加，WISER 与非白化方法（BLUE）之间的性能差距扩大，显示出 WISER 具有更强的鲁棒性。
- 敏感性分析确认，WISER 的优势源于白化变换本身，而非仅仅是重复使用基因组信息。

意义与主张
作者声称 WISER 为结构化和不平衡群体中的 BV 估计提供了一个灵活且鲁棒的替代方案。

改进机制： 性能的提升归功于固定效应的光谱重加权，这减少了遗传结构与环境效应之间的混杂。这有助于更准确地分离遗传和非遗传方差来源。
实际影响： 通过提供更稳定的 BV 估计，WISER 增强了下游的基因组预测，并可能提高关联图谱的效能。该方法对于实验设计极少完美平衡且基因型在环境间分布非随机的育种计划尤为重要。
局限性： 作者指出，当固定效应设计包含非平凡的环境结构时，WISER 的优势最为明显。如果设计仅限于截距项，则白化不会带来额外收益。此外，虽然白化后固定效应的可解释性降低，但当主要目标是准确的 BV 估计时，这是可以接受的。针对超大规模数据集（>100,000 观测值）的计算可扩展性仍是未来优化的领域。

总之，WISER 代表了处理定量遗传学中复杂群体结构的重大方法论进展，它提供了一种连续的光谱校正策略，在经验研究和模拟场景中均优于传统的离散校正方法。

类似论文