Bayesian networks and structural equation models reveal genetic causal relationships between productivity, defense, and climate-adaptability traits in interior lodgepole pine
Notice bibliographique
Résumé
This study investigates the integration of Bayesian networks (BN) and structural equation models (SEM) to explore genomic relationships among nine traits related to productivity, defense, and climate-adaptability in an interior lodgepole pine breeding program. Data from 392 open-pollinated trees, genotyped with 25,099 SNP markers, were analyzed. The traditional multitrait model (MTM) served as a benchmark for comparing SEM in estimating genetic (co)variance components, genetic correlations, breeding value (BV) predictions, and predictive ability, using both pedigree- (ABLUP) and genomic-based (GBLUP) individual-tree mixed models. The Hill-Climbing algorithm identified 12 significant causal structures (λ) among traits. Strong positive causal effects included tree height (HT) on wood density (WD) (λHT→WD = 0.413) and on stable carbon isotope ratio (C13) (λHT→C13 = 0.565), and limonene (LIMO) on carbon assimilation rate (CAR) (λLIMO→CAR = 0.368). The most influential causal relationship was HT → C13, followed by resistance to western gall rust (WGR) → CAR, CAR → LIMO, and WGR → C13. SEM incorporated these relationships, capturing both direct and indirect effects. Compared with MTM, SEM yielded lower residual variances, higher additive variances, and higher heritability estimates for all traits. The λ values from SEM correlated strongly with genetic correlations (0.932), with similarly high correlations between models (0.929), though SEM produced lower posterior mean correlations. BV correlations between models were high (ABLUP > 0.82, GBLUP > 0.84), but some reranking occurred among the top 39 trees (ABLUP > 0.71, GBLUP > 0.42). ABLUP and GBLUP-SEM models outperformed MTM in predictive ability, with mean gains of 6.62 and 6.03%, mainly for conditioned traits. BN-SEM enhances understanding of trait networks, improving genomic evaluations and breeding strategies in forest trees.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».