GS算法软件与实践路线

更新：2026-10-13；状态：可用；验证范围：路线与官方资料核对；NumPy教学案例已运行；六种专业软件尚未在本机运行。

从育种值和验证设计出发，连接GBLUP、贝叶斯模型、单步法与六种软件指南。

先明确预测对象

GS（genomic selection，基因组选择）利用基因组信息预测遗传价值，再服务于选择决策。本文主要讨论数量性状的加性遗传预测。生产上还要考虑多性状目标、近交、成本与配种设计；预测一列分数并不等于完成育种决策。

先读基因组选择与GWAS的区别和育种值GEBV准确度与可靠度。已有GWAS经验的人尤其要调整检查重点：从显著位点和P值，转向候选个体、预测能力、偏差及部署时能够获得的信息。

推荐学习顺序

1. 理解亲缘关系与遗传关系矩阵，能够区分基因型矩阵、系谱矩阵A与基因组关系矩阵G。
2. 学习GBLUP与rrBLUP原理及实现，知道个体效应与标记效应为什么可以给出相同预测。
3. 阅读GS训练验证与数据泄漏，先定义要预测同家系后代、新家系还是下一世代。
4. 运行合成家系数据贯通GS，从数据对齐、嵌套验证走到60个候选个体的预测。
5. 选择软件复现基线，再学习贝叶斯回归与核方法用于GS或系谱BLUP与单步ssGBLUP。
6. 需要解释方差估计和大矩阵求解时，读GS中的REML混合模型方程与求解。

软件怎样选择

软件与指南	适合学习或分析的问题	需要额外关注什么	本项目验证
rrBLUP预测实践	单个遗传随机效应、RR-BLUP/GBLUP基线	编码、关系矩阵与REML结果	文档与R模板，未运行R
BGLR贝叶斯预测实践	不同标记先验、多核预测	MCMC收敛、先验和链间一致性	文档与R模板，未运行R
sommer基因组预测与复杂设计	多随机效应、多性状和试验设计	版本接口、方差可识别性	文档与R模板，未运行R
HIBLUP基因组预测实践	命令行的基因组与系谱遗传评估	输入格式、缺失基因型、方差参数	官方命令模板，未运行
BLUPF90单步遗传评估流程	结合系谱、基因型及未分型亲属的ssGBLUP	编号转换、A/G兼容和参数文件	官方流程，未运行
ASReml基因组预测接口	已采用ASReml的复杂混合模型项目	授权、已知协方差和预测量定义	官方接口模板，未运行

软件选择依据模型和数据设计，不依据软件名称的流行程度。单性状线性基线、贝叶斯模型、单步评估解决的问题存在交集，也各有额外假设。各软件应在同一外层划分、同一表型定义与同一指标下比较。

已经提供的操作路径

GS数据准备与候选个体预测说明真实项目应准备什么；合成家系数据贯通GS提供本项目实际运行的NumPy教学实现和图。教学代码验证GBLUP与标记岭回归的等价性，并比较随机个体划分与家系留出。它没有实现REML、MCMC或ssGBLUP，不能替代生产软件。

维护方式

术语解释在概念页维护，软件页只补充接口差异。每增加一种模型，至少补齐输入、训练方式、超参数、验证设计、输出定义和失败检查。软件更新后优先复查接口、缺失值处理及矩阵缩放；未运行的命令保持明确标记。

原始方法入口：Meuwissen等的基因组选择论文、VanRaden的基因组关系矩阵方法。

统计基础与验证入口

统计学与组学验证学习路线补充本任务所需的统计或验证判断。分析前先确认统计方法选择与分析计划，结果解释时区分组学验证的层级与证据。