Aplicación del Elastic Net LASSO y modelos relacionados en selección genómica basados en marcadores moleculares

Abstract

El Elastic Net Bayesiano (BEN) es un método de regresión que utiliza una mezcla de las penalizaciones L1 y L2 (Kyung et al., 2010, Li y Lin, 2010). Se ha demostrado que este modelo puede ser usado exitosamente cuando el tamaño de muestra es mucho menor que el número de predictores (n << p). En este trabajo se muestra cómo utilizar este modelo para incluir de forma conjunta Marcadores Moleculares (MM) y Pedigree, ampliamente utilizados en gen etica cuantitativa en la llamada selección asistida por MM. Por medio de validación cruzada, el poder predictivo del BEN se compara con el de otros modelos: LASSO Bayesiano y Regresión Ridge Bayesiana, usando datos reales de rendimiento de cultivares de trigo y cebada, y tiempos de floración de maíz. Los resultados muestran que el BEN tiene un poder predictivo igual o superior que el resto de los modelos mencionados. ________________ APPLICATION OF BAYESIAN ELASTIC NET AND RELATED METHODS IN GENOMIC SELECTION BASED ON MOLECULAR MERKERS. ABSTRACT: The Bayesian Elastic Net (BEN) is a regression method that uses a mixture of L1 and L2 penalties (Kyung et al., 2010, Li y Lin, 2010). It has been shown that this model can be used successfully when the sample size is much smaller than the number of predictors (n << p). This paper shows how to use this model to include jointly Molecular Markers (MM) and Pedigree, widely used in quantitative genetics in the called MM-assisted selection. Through cross-validation, the predictive power of BEN is compared with other models: Bayesian LASSO and Bayesian Ridge Regression, using real data of yield of cultivars wheat and barley and owering time of maize. The results show that BEN has a predictive power equal to or greater than the rest of the models.

El Elastic Net Bayesiano (BEN) es un método de regresión que utiliza una mezcla de las penalizaciones L