SCLS|LatentGP:一种基于基因型编码自适应学习的基因组预测新方法

基因组预测是现代畜禽和作物育种的重要技术。传统基因组预测方法通常采用人为预设的基因型编码,例如,加性GBLUP模型采用0、1、2编码,显性模型采用0、1、0编码。这些固定编码实际上预先规定了等位基因间的相互作用关系,隐含着特定的基因作用假设。然而,不同性状的遗传结构存在差异,除经典的加性和显性作用外,还可能呈现超显性、非对称超加性等复杂模式。采用预设的固定编码,可能难以充分捕获这些复杂的等位基因互作关系,进而限制性状的预测准确性。
针对这一问题,研究团队开发了 LatentGP 端到端可微分高斯过程框架(图1),将人工智能中的自适应表示学习引入基因组预测,使基因型的数值表示方式本身成为能够自动学习和优化的模型参数。该方法通过最大化高斯过程边际似然,利用梯度优化联合学习基因型编码与遗传方差组分,并动态构建基因组关系矩阵。与传统方法不同,LatentGP无需预先指定目标性状必须遵循何种固定编码,而是根据基因型和表型数据,自适应学习等位基因间的相互作用关系。LatentGP并非对每个遗传标记独立学习编码,而是针对特定性状,在全基因组标记间共享可学习编码参数,以捕获具有整体共性特征的基因作用模式。这一设计兼顾了人工智能表示学习的灵活性与经典混合模型的统计严谨性,为复杂遗传结构建模提供了新的技术框架。

图1 LatentGP 学习基因型编码并构建基因组预测模型的流程
模拟试验验证了LatentGP对不同基因作用模式的自适应学习能力。在五种预设情景中,LatentGP 学到的基因型编码经重标度后与相应的加性、显性、超显性或非对称超加性模式接近(图2B)。在 0、1、4 非对称超加性情景中,向加性与显性联合模型加入可学习编码后,预测值与模拟表型的皮尔逊相关系数由 0.563 提高至 0.648,相对提升 15.1%(图2A)。这一结果表明,通过突破固定编码对等位基因效应关系的预设限制,模型能够自适应捕获传统方法难以充分描述的复杂遗传信号。

图2 模拟数据的预测表现与所学基因型编码。A,五种预设情景下各模型的预测相关性。B,重标度后的所学编码与预设编码。
在生猪数据中,分析了平均日增重、平均日采食量、30 至 120 公斤生长天数和料重比四个性状。图3A 上方比较了各模型的预测相关性,下方显示四个性状学到的编码均呈不对称的“J”形,从杂合型到替代纯合型的编码变化大于从参考纯合型到杂合型的变化,呈现超加性模式。通过四次五折交叉验证与传统加性GBLUP相比,同时整合可学习编码的模型使四个性状的预测相关性相对提高1.9% 至 3.1%。
在杂交玉米数据中,LatentGP进一步表现出对不同性状遗传结构的适应能力。图3B 下方显示,籽粒产量学到的编码呈现明显的非线性显性模式,籽粒含水率呈现一定的超加性特征,部分其他性状的编码接近经典加性模式。与传统加性 GBLUP 相比,玉米籽粒产量的预测相关性最高相对提高 10.9%(图3B 上方)。这些结果表明,LatentGP不仅能够改善预测表现,还可以通过可视化学习得到的基因型编码,为理解不同物种和性状的基因作用模式提供新的统计学线索。

图3 三元商品猪(A)和杂交玉米(B)不同性状的预测相关性(上)及所学基因型编码(下)
在 WTCCC1 的七种人类复杂疾病数据中,五种模型的预测表现以受试者工作特征曲线下面积(AUROC)衡量。各模型在每种疾病上的 AUROC 接近加性模型基线(图4A)。LatentGP 学到的杂合型编码均接近 1,整体呈现近似等距的加性模式(图4B)。这一结果进一步验证了该方法的自适应能力:当复杂非加性遗传信号存在时,模型能够学习更加灵活的非线性编码;而当加性效应占主导时,模型则能够自动趋近于传统加性编码,避免引入不必要的模型复杂度。这种数据驱动的自正则化特征,使LatentGP能够兼顾复杂遗传效应的捕获能力与传统加性模型的稳健性。

图4 七种人类复杂疾病的预测表现与所学基因型编码。A,各模型在七种疾病上的 AUROC。B,重标度后的所学编码。
LatentGP的提出不仅实现了基因组预测准确性的提升,更重要的是突破了传统基因组预测模型依赖人工固定编码的建模方式,将基因型表示从预设的静态规则转变为可由数据自适应学习的动态参数。这一研究将人工智能表示学习的灵活性与统计遗传学的严谨性有机融合,既可以进一步在端到端可微分的框架下拓展可学习的模块,又保留了遗传参数估计的能力,为揭示复杂性状的基因作用模式、发展新一代智能基因组预测算法以及推动动植物精准遗传改良提供了新的研究思路。


武汉理工大学张浩浩博士为论文第一作者,武汉理工大学、崖州湾国家实验室袁晓辉教授以及华中农业大学尹立林研究员为论文共同通讯作者。该研究获国家重点研发计划项目资助。
软件及使用说明:https://github.com/hyacz/LatentGP

文章信息

https://doi.org/10.1007/s11427-026-3526-3
SCLS | 中国农大王向峰团队提出生成式AI驱动作物分子设计育种DESIGN框架
综述|从“看见菌群”到“精准干预”:机器学习推动宿主-微生物组研究迈向“虚拟肠道”
AlphaFold2背后的数据英雄:NSR专访Martin Steinegger
NSR综述:知识图谱如何驱动AI科学发现?
杨立江、高毅勤、黄艳、杨俊林等综述:AI赋能化学生物学
Science Bulletin | POINT平台:多组学网络与知识图谱赋能药理研究新范式
李家洋院士:“智能作物智能培育”是未来育种5.0世代的特征与关键 |《科学通报》
点击下方“阅读原文”获取全文


