一种用于整合多类型数据进行表型预测的多视图GBLUP方法

    公开(公告)号:CN117153247A

    公开(公告)日:2023-12-01

    申请号:CN202310986747.8

    申请日:2023-08-04

    摘要: 本发明公开了一种用于整合多类型数据进行表型预测的多视图GBLUP方法,包括以下步骤:将SNP基因型数据按照不同的表型类型表示为0/1/2形式的多类型数据,对数据进行Z‑score标准化;设多类型数据矩阵中的第i行和第j行为个体xi,xj,计算Kinship矩阵,定义两个个体间的相似性函数;将多类型数据加权整合成一个Kinship矩阵,使用差分进化算法,对种群进行变异、交叉操作,对比种群中的个体和经过变异、交叉后的个体,将权重赋予多类型数据的Kinship矩阵,将其代入到GBLUP模型中学习,选择表型预测精度高的个体作为下一代种群的成员;设置终止条件,输出多类型数据最优的权重组合。本发明能够快速准确的获取多类型数据的最优权重组合,辅助表型预测。