Hibayes
高效贝叶斯基因组选择工具，支持多种贝叶斯模型和大规模数据分析
1
2
3
4
数据输入
拖放基因型文件或点击上传
支持 PLINK (.bed/.bim/.fam), VCF, CSV 等格式拖放表型文件或点击上传
包含个体ID和表型值的文本文件拖放协变量文件或点击上传
如环境因子（温度、湿度）、田间区组、处理方式等，需与个体ID对应，文本格式（.txt/.csv）。模型参数（BayesR）
BayesR 模型简介：
BayesR 将SNP效应划分为若干方差类别（通常为4类），使用混合正态先验。主要调参包括混合权重 pi 向量、MCMC 设置（迭代数、预热、采样间隔）以及是否自定义类别方差比例。
BayesR 通常使用 4 类：零效应 + 三个不同方差等级。
pi 向量长度应与类别数一致且和为1。
根据服务器/本机线程数选择
每隔多少次迭代在日志输出一次
交叉验证
关于 BayesR
BayesR 是 Hibayes R 包中基于混合正态先验的贝叶斯基因组选择模型。它将 SNP 效应划分为若干方差类别（例如：零效应 + 多个方差等级），通过混合权重 pi 向量控制各类别的先验概率，并可选择自定义类别方差比例（class_var）。BayesR 在处理既有稀疏效应又有中等/大效应的遗传架构时表现良好。
- 将标记效应划分为零效应与多个不同方差等级，适用于复合遗传架构。
- pi 向量指定每类的先验权重，长度应与类别数一致且和为 1。
- 可通过 class_var 自定义类别方差比例（如 0, 0.01, 0.1, 1）；如不提供，使用软件默认值。
- 支持多线程并行（threads）与日志输出频率（printfreq）来控制运行性能与可观测性。
- 常用推荐：4 类（0, 0.01, 0.1, 1），pi 推荐示例：0.95,0.02,0.02,0.01。
数据格式要求
BayesR 必需上传的数据：
- 基因型数据文件（M）：支持 PLINK (.bed/.bim/.fam)、VCF (.vcf/.vcf.gz) 或数值矩阵（0/1/2 编码），需包含所有分析个体的 SNP 信息。
- 表型数据文件（data）：包含个体ID和表型值（可多性状），文本格式（.txt/.csv），第一列为个体ID，后续列为表型。
- 协变量/固定效应文件（可选）：如环境因子、区组等，需与个体ID对应，文本格式（.txt/.csv）。
- SNP 注释/位置信息（map，可选）：进行窗口分析或曼哈顿图时需要，文本格式（.txt/.csv），应包含 SNP ID 与位置信息。
- pi 与 class_var：如果选择自定义，pi 向量长度需等于类别数且和为 1；class_var 为每一类别的相对方差比例（可选）。
注意：BayesR 对 pi 向量与类别方差较为敏感。建议从稀疏预设开始，使用交叉验证或重复实验评估参数稳定性；若数据量较大，可适当增加迭代次数与线程数。