ارزیابی توان داده‌های ژنوتیپی در پیش‌بینی صفات کمی فلفل با روش‌های آماری و یادگیری ماشین

چکیده

پیش‌بینی عملکرد فنوتیپی بر پایه اطلاعات ژنوتیپی می‌تواند با کاهش وابستگی به ارزیابی‌های گسترده فنوتیپی، به افزایش کارایی انتخاب در برنامه‌های اصلاح نباتات کمک کند. پژوهش حاضر با هدف ارزیابی توان داده‌های ژنوتیپی در پیش‌بینی صفات کمی فلفل (Capsicum annuum L.) و مقایسه عملکرد روش‌های آماری و یادگیری ماشین انجام شد. برای این منظور، داده‌های ژنوتیپی 350 نمونه فلفل که نماینده طیف گسترده‌ای از تنوع ژنتیکی این گونه بودند، مورد استفاده قرار گرفت. داده‌های ژنوتیپی شامل 10195 نشانگر ژنتیکی بود و برای هر یک از 15 صفت کمی، مقادیر فنوتیپی تعدیل‌شده حاصل از تحلیل چندمحیطی به‌عنوان متغیر هدف در نظر گرفته شد. به‌منظور مقایسه توان پیش‌بینی روش‌های مختلف، مدل‌های PLS، Elastic Net، Ridge، GBLUP و Extra Trees ارزیابی شدند. عملکرد مدل‌ها با استفاده از اعتبارسنجی متقاطع پنج‌بخشی بررسی شد، به‌طوری‌که در هر مرحله بخشی از نمونه‌ها به‌طور کامل از فرایند آموزش کنار گذاشته شدند و تنها برای ارزیابی نهایی مدل مورد استفاده قرار گرفتند. همچنین، تنظیم پارامترهای هر مدل صرفاً بر اساس داده‌های آموزشی انجام شد تا از ورود اطلاعات بخش آزمون به فرایند آموزش جلوگیری شود. ضریب همبستگی پیرسون بین مقادیر مشاهده‌شده و پیش‌بینی‌شده به‌عنوان معیار اصلی دقت در نظر گرفته شد. نتایج نشان داد توان پیش‌بینی صفات بر اساس داده‌های ژنوتیپی به‌طور قابل‌توجهی به نوع صفت وابسته بود و بهترین ضریب همبستگی در میان صفات از حدود 0٫46 تا 0٫93 متغیر بود. بیشترین دقت پیش‌بینی برای حداکثر عرض میوه با ضریب همبستگی 0٫927 مشاهده شد. در مجموع، GBLUP بالاترین میانگین دقت پیش‌بینی را نشان داد؛ با این حال، روش‌های PLS، Ridge و Extra Trees نیز در بسیاری از صفات عملکردی نزدیک به GBLUP و در برخی موارد عملکرد بهتری نشان دادند. این نتایج نشان می‌دهد داده‌های ژنوتیپی از توان مناسبی برای پیش‌بینی تعدادی از صفات کمی فلفل برخوردارند، اما افزایش پیچیدگی الگوریتم به‌طور سیستماتیک به افزایش دقت پیش‌بینی منجر نمی‌شود و انتخاب مدل مناسب می‌تواند به ویژگی صفت مورد بررسی وابسته باشد.