TABLUP 就是构建G阵时使用SNP权重的算法。

TABLUP

这里主要参考第二篇文献。第一篇是张哲老师提出TABLUP的文章。

第一步计算标记效应

第二步，计算标记的方差，公式如下 \[ \sigma_{u, i}^2=2 \hat{a}_i^2 p_i\left(1-p_i\right) \] 然后对SNP的方差向量进行标准化（说错了是归一化，normalization），使得方差之和等于SNP数目，也就是均值为1，公式如下（第三篇文献，ssgwas 中的文献），这里 \(D_{0}\) 是单位矩阵，其实就是乘以某个常数使得均值是1。 \[ D_{(t+1)}=\frac{\operatorname{tr}\left(D_{(0)}\right)}{\operatorname{tr}\left(D_{(t+1)}^*\right)} D_{(t+1)}^* \] 然后用这个作为SNP标记的权重，建立权重矩阵 \(\mathbf{D}\)

然后构建G 阵，举例如下 \[ \mathbf{G}^*=0.95 \frac{\mathbf{M}^{\prime} \mathbf{D} \mathbf{M}}{2 \sum_{i=1}^{\mathbf{m}} p_i\left(1-p_i\right)}+0.05 \mathbf{A}_{22} \]

参考文献

1. Zhang Z, Liu J, Ding X, et al. Best linear unbiased prediction of genomic breeding values using a trait-specific marker-derived relationship matrix[J]. PloS one, 2010, 5(9): e12648.
2. Teissier M, Larroque H, Robert-Granié C. Weighted single-step genomic BLUP improves accuracy of genomic breeding values for protein content in French dairy goats: A quantitative trait influenced by a major gene[J]. Genetics Selection Evolution, 2018, 50: 1-12.
3. Wang H, Misztal I, Aguilar I, et al. Genome-wide association mapping including phenotypes from relatives without genotypes[J]. Genetics research, 2012, 94(2): 73-83.