///标签4

研究文章

两阶段方法,提高预测精度的复杂特征融合基因环境交互芸苔属植物显著

表4

预测精度(标准差,SD)四度的方法。


环境	套索	OLS post-LASSO	分层GBLUP	米×EGBLUP

E7	0.7552 (0.0060)	0.8665 (0.0041)	0.5956 (0.0075)	0.7784 (0.0057)
N3	0.8239 (0.0043)	0.9097 (0.0030)	0.6721 (0.0065)	0.8514 (0.0033)
陶瓷	0.7594 (0.0049)	0.9153 (0.0027)	0.6261 (0.0078)	0.8048 (0.0045)
N6	0.8255 (0.0038)	0.9130 (0.0025)	0.7300 (0.0055)	0.8729 (0.0030)
N7	0.7625 (0.0073)	0.8866 (0.0044)	0.5837 (0.0096)	0.7859 (0.0065)
S3	0.8127 (0.0037)	0.9175 (0.0021)	0.6767 (0.0063)	0.8336 (0.0034)
S4	0.7809 (0.0048)	0.9114 (0.0028)	0.6600 (0.0068)	0.8372 (0.0042)
S5	0.7189 (0.0065)	0.9030 (0.0029)	0.5806 (0.0075)	0.7990 (0.0040)
S6	0.7174 (0.0045)	0.9037 (0.0028)	0.5625 (0.0070)	0.7846 (0.0035)
S7	0.7986 (0.0047)	0.9188 (0.0026)	0.6741 (0.0059)	0.8572 (0.0034)
平均	0.7755 (0.0051)	0.9045 (0.0030)	0.6361 (0.0070)	0.8205 (0.0042)

OC,含油量;套索,至少绝对收缩和选择算子;OLS,普通最小二乘;GBLUP基因组最佳线性无偏预测;米×E、标记×环境交互。

文章奖:2020年杰出的研究贡献,选择由我们的首席编辑。获奖的文章阅读。