多个性状的BLUP计算综合育种值
大家好，我是飞哥。
最近有老师问如何计算多个育种值的综合育种值，因为选择育种时，需要考虑多个性状，而这些性状单位不一样，怎么合并计算？
这里面其实就是包括两部分内容：
1，多个性状的育种值进行标准化
2，多个性状的育种值赋予权重
为何要进行标准化？
所谓标准化，就是将数据变为平均数为0，方差为1的数据集。将所有性状都标准化，就意味着这些性状的尺度都是一样的，是一个总体，可以进行加减乘除的操作。然后可以对不同的性质设置不同的权重，才可以进行综合育种值的计算。
标准化就是将育种值减去平均育种值，然后除以标准差。公式如下：
为何要对不同性状赋予权重？
因为我们的选择时，不同的性状重要程度不同，我们可以对不同的性状赋予不同的权重，这个权重是我们自己设置的，要求是性状的权重绝对值之和为1。
下面我们用一组数据来介绍一下计算方法，首先模拟一个数据，包括ID，y1,y2,y3三个性状。
library(tidyverse)
# 模拟数据
set.seed(123)
dat = data.frame(ID = 1:100,y1=rnorm(100)+10, y2 = rnorm(100)+20, y3=rnorm(100))
head(dat)
第一种计算方法：tidyverse方法
基本逻辑是根据across，批量提取y开头的性状，然后进行标准化，最后使用mutate进行修改。最后将权重对应的性状相乘，相加变为综合育种值。
# 标准化
d1 = d1 %>% mutate(across(starts_with("y"),scale))
# 赋予权重
d1 = d1 %>% mutate(index = y1*0.3 + y2*0.3 + y3*0.4)
head(d1)
第二种方法：比较直观但是麻烦的方法
# 传统方法
d2 = dat
head(d2)
d2$y1 = (d2$y1-mean(d2$y1))/(sd(d2$y1))
d2$y2 = (d2$y2-mean(d2$y2))/(sd(d2$y2))
d2$y3 = (d2$y3-mean(d2$y3))/(sd(d2$y3))
d2$index = d2$y1*0.3 + d2$y2*0.3 + d2$y3*0.4
head(d2)
两者结果是一致的。
注意：
1，如果有些性状是负向选择，比如玉米含水量，猪的百公斤日龄，那就将权重设置为负数。
2，多性状选择时，尽量不要超过5个性状，否则就没有重点，效果也不佳。
3，权重的设置，来源于育种的经验数值，科学的确定权重的大小，需要考虑经济效益。
代码汇总：
library(tidyverse)
# 模拟数据
set.seed(123)
dat = data.frame(ID = 1:100,y1=rnorm(100)+10, y2 = rnorm(100)+20, y3=rnorm(100))
head(dat)
d1 = dat
# 标准化
d1 = d1 %>% mutate(across(starts_with("y"),scale))
# 赋予权重
d1 = d1 %>% mutate(index = y1*0.3 + y2*0.3 + y3*0.4)
head(d1)
# 传统方法
d2 = dat
head(d2)
d2$y1 = (d2$y1-mean(d2$y1))/(sd(d2$y1))
d2$y2 = (d2$y2-mean(d2$y2))/(sd(d2$y2))
d2$y3 = (d2$y3-mean(d2$y3))/(sd(d2$y3))
d2$index = d2$y1*0.3 + d2$y2*0.3 + d2$y3*0.4
head(d2)
head(d1)本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2022-05-19，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读