BGLR贝叶斯预测实践 - SpiralKernel/bioinfo-wiki GitHub Wiki
BGLR贝叶斯预测实践
更新：2026-10-13；状态：可用；验证范围：官方文档与原始研究核对；本页命令模板未在本机运行。
用共同输入建立BRR基线，再比较BayesA/B/C、BL与RKHS，同时检查采样和预测量定义。
准备输入与环境
本机未安装R，代码未运行。先完成rrBLUP预测实践中的基础R准备步骤，得到 results/gs-input.rds；该准备步骤不依赖rrBLUP拟合。输入有300个个体，60个候选的表型为NA，基因型Z采用训练集中心。
install.packages("BGLR")
library(BGLR)
packageVersion("BGLR")
inp <- readRDS("results/gs-input.rds")
dat <- inp$dat
Z <- inp$Z
stopifnot(nrow(Z) == nrow(dat),
identical(rownames(Z), as.character(dat$ID)))
dir.create("results/bglr", recursive = TRUE, showWarnings = FALSE)
从BRR开始
set.seed(20261013)
fit <- BGLR(y = dat$trait,
ETA = list(list(X = Z, model = "BRR")),
nIter = 12000, burnIn = 2000, thin = 5,
saveAt = "results/bglr/brr_", verbose = TRUE)
str(fit$ETA[1](/SpiralKernel/bioinfo-wiki/wiki/1))
genetic <- drop(Z %*% fit$ETA[1](/SpiralKernel/bioinfo-wiki/wiki/1)$b)
out <- data.frame(ID = dat$ID, GEBV = genetic,
predicted_y = fit$yHat)
write.table(out[is.na(dat$trait), ], "results/bglr/candidates.tsv",
sep = "\t", quote = FALSE, row.names = FALSE)
sessionInfo()
BGLR允许目标y缺失；NA候选不贡献观测表型。默认包含截距，yHat是模型下的表型预测；在这一个标记随机项的模型里，Z %*% b对应遗传预测部分。增加其他随机项后应分别提取，不能把所有贡献都称为GEBV。
这些迭代数仅用于展示接口，不代表已经收敛。saveAt使用独立前缀，以免不同链或模型覆盖日志与样本。
替换模型时记录什么
BRR可以替换为BayesA、BayesB、BayesC或BL，但需要记录各模型先验和相关超参数。模型解释见贝叶斯回归与核方法用于GS。若使用线性关系核，可将ETA随机项写为 list(K = inp$K, model = "RKHS")；带宽或其他核构建仍需训练限定。
输入参数 R2用于先验设定，不是完成训练后得到的独立预测R²。不同先验的模型不能只凭训练拟合值排序。
采样与验证
查看方差和超参数轨迹，估计有效样本量，使用不同种子的独立链检查一致性；需要时增加迭代或调整先验。不能只丢弃固定比例预热后就宣布收敛。
外层测试y在拟合中设NA，保留一份独立的评价标签。全部预处理、位点筛选和调参只使用训练折。候选NA与外层验证NA的用途不同：后者有封存标签供评价，最终候选通常没有目标观测。