基因组预测在推动人类精准医疗以及加速动植物遗传改良方面发挥了巨大作用。在基因组预测中，预测的准确性是最重要的考量指标。多性状基因组预测模型的预测准确性往往要优于单性状模型。然而，传统的多性状基因组预测模型只考虑了性状间的整体遗传相关。随着基因组局部遗传相关估计方法的发展，现在可以分析特定基因组区域的性状间遗传相关，将局部遗传相关信息纳入基因组预测模型有望提高预测准确性。
该团队通过估计多对性状间的局部遗传相关发现，遗传相关在整个基因组中具有异质性。基于此信息，该团队提出了三种整合局部遗传相关信息的多性状基因组预测方法（LGC-model-1、LGC-model-2和LGC-model-3），并使用模拟数据和三个真实数据集（人类、牛和猪）评估了新方法的性能（图1）。与传统的多性状基因组预测模型（MTGBLUP）相比，三种LGC模型可使预测准确性平均提高12.76%（图2）。该研究成果以“Improving multi-trait genomic prediction by incorporating local genetic correlations”为题，于近日在线发表于《Communications Biology》。团队博士后滕军为该论文的第一作者，张勤教授和王丹教授为通讯作者。
另外，该团队还将他们提出的方法（LGC-model-1和LGC-model-2）扩展到多群体基因组预测中（将同一性状在不同群体中的表现视为不同性状）。通过对小鼠和奶牛多群体真实数据集的分析发现，LGC模型也能提高预测准确性。与MTGBLUP模型相比，LGC模型的预测准确性提高幅度可达到163.86%（平均25.64%）（图3）。该研究成果以“Improving multi-population genomic prediction accuracy using multi-trait GBLUP models which incorporate global or local genetic correlation information”为题发表于《Briefings in Bioinformatics》。团队博士后滕军为该论文的第一作者，张勤教授和宁超副教授为通讯作者。
上述研究得到国家重点研发计划、生物育种重大项目、国家自然科学基金、扬州大学畜牧学学科特区学科交叉课题和山东省农业良种工程等项目的资助。
论文链接：
https://doi.org/10.1038/s42003-025-07721-9
https://doi.org/10.1093/bib/bbae276