Une stratégie alternative de calcul pour la prévision génétique utilisant un modèle mixte bayésien.

Chen, L., Li, C., et Schenkel, F.S. (2015). « Une stratégie alternative de calcul pour la prévision génétique utilisant un modèle mixte bayésien. », Canadian Journal of Animal Science, 95(1), p. 1-11. doi : 10.4141/cjas-2014-091  Accès au texte intégral (en anglais seulement)

Résumé

Les méthodes bayésiennes pour la prévision génétique qui sont communément implémentées par schémas d’échantillonnage Monte Carlo à chaînes de Markov (MCMC) demandent une grande puissance de calcul dans les applications à grande échelle. Un algorithme de calcul alternatif, appelé la stratégie du «right-hand side updating strategy» (RHSU), a été proposé en exploitant la caractéristique de rareté des effets marqueurs dans un modèle mixte bayésien. Le nouvel algorithme a été comparé à l'algorithme traditionnel de Gauss-Seidel (GSRU - «Gauss-Seidel residual update») par le nombre d'opérations en virgule flottante (FLOP — «floating point operations») nécessaires pour un tour d’échantillonnage MCMC. Les deux algorithmes ont aussi été comparés pour un exemple de données holstein avec une taille de données variant de 1000 à 10 000 et une densité de marqueurs de 35790 polymorphismes de nucléotides individuels (SNP – «single nucleotide polymorphisms»). Les résultats démontrent que l'algorithme RHSU proposé serait mieux que l'algorithme traditionnel GSRU lorsque la taille d’échantillon dépassait une fraction du nombre de SNPs, qui variait habituellement entre 0,05 à 0,18 lorsque la proportion de SNPs sans effets sur la caractéristique étudiée variait de 0,90 à 0,95. Les résultats obtenus avec l'exemple des données holstein concordent très bien avec les attentes théoriques. Avec l'adoption d'un panel de SNPs de 50 k et une augmentation de taille des données de formation, l'algorithme RHSU serait très utile si les méthodes bayésiennes sont préférées pour la prévision génomique.

Date de modification :