GFBLUP 也是 GBLUP 模型的一个变体，这里将加性效应拆分为了两个部分。

GFBLUP

GFBLUP (genomic feature best linear unbiased prediction) 其实就是将加性效应拆分为2个部分，模型如下 \[ \mathbf{y=1\mu+g_f+g_r+e} \] 构建 G 阵方式如下 \[ \mathbf{G}=\frac{\mathbf{M M}^T}{2 \sum_{i=1}^m p_i\left(1-p_i\right)}, \] 这里我们用 genomic feature 的位点和剩下的其余位点分别构建 \(\mathbf{G}_{f}\) 和 \(\mathbf{G}_{r}\) 。

最后加性效应就是这2部分之和。

genomic feature 解释的加性方差比例计算公式如下 (就是占加性效应方差的比例) \[ H_{f}^{2} = \frac{\sigma_{f}^{2}}{\sigma_{f}^{2} + \sigma_{r}^{2}} \] 遗传力为 \[ h^{2} = \frac{\sigma_{f}^{2} + \sigma_{r}^{2}}{\sigma_{f}^{2} + \sigma_{r}^{2}+ \sigma_{e}^{2}} \]

参考文献

1. Edwards S M, Sørensen I F, Sarup P, et al. Genomic prediction for quantitative traits is improved by mapping variants to gene ontology categories in Drosophila melanogaster[J]. Genetics, 2016, 203(4): 1871-1883.