在全基因组选择的计算结果中存在两个PA概念：预测准确性（Prediction Accuracy）和预测能力/可预测性（Predictive Ability，Predictability）

预测能力/可预测性（Predictive Ability，Predictability）

预测能力/可预测性 (PA) 定义为预测的基因组估计育种值(Genomic Estimated Breeding Value, GEBV)/遗传值（Genomic Breeding Value, GBV）与实测表型 y 的皮尔逊相关系数。

Lehermeier C, Wimmer V, Albrecht T, Auinger H J, Gianola D et al. , 2013 Sensitivity to prior specification in Bayesian genome-based prediction models. Stat. Appl. Genet. Mol. Biol. 12(3): 375–391.

可预测性使用K-fold交叉验证或留一法划分验证集，然后对验证集进行预测，得到每个个体的预测值（GEBV或表型值），然后计算Pearson相关系数：

预测准确性（Prediction Accuracy，PAc）

预测准确性通常指的是预测育种值（Genomic Estimated Breeding Value, GEBV）与真实育种值（True Breeding Value, TBV）之间的相关性。 它衡量的是预测模型对遗传潜力估计的精确程度。

预测准确性 = 预测能力 / 表型的遗传力（h²）的平方根

需要注意：TBV 的定义是一个个体能够稳定遗传给后代的所有加性遗传效应（Additive Genetic Effects）的总和。然而真实基因型的影响还包括显性效应（Dominance Effects）和上位性效应（Epistatic Effects）。这些非加性效应虽然影响个体自身的表型，但它们在有性生殖中分离，不能完整地、稳定地遗传给后代。除非克隆，否则你无法观测到只包含加性效应的表现，因为显性、上位性和环境效应总是混在一起。

因此，在一些定义中预测准确性也被描述为估计育种值(Estimated Breeding Value, EBV)与克隆群体的平均值的Pearson相关系数除以狭义遗传力的平方根。然而在实际计算中，由于几乎不可能真的获得来自于全克隆群体的真实育种值（True Breeding Value, TBV），因此

可预测性和预测准确性的关系

要理解PAc与PA之间的关系，本质上就是理解真实育种值TBV与观测表型值P之间的关系：

一般认为

P = G + E

即遗传效应（Genotype Effect）和环境效应（Environmental Effect）的共同作用，而遗传效应中又分为加性效应、显性效应、上位性效应等。

所谓真实遗传值TBV，通常指一个个体能够稳定遗传给后代的所有加性遗传效应（Additive Genetic Effects）的总和。

因此，TBV只是G的一个组成部分，我们只能观测到P，且往往无法完美地将TBV与显性效应、上位行效应等其他遗传效应分开。这意味着实际上：

PAc = r (GEBV, TBV)

PA = r (GEBV, P )

当表型受加性遗传效应较大的情况下，可以近似的认为，TBV ≈ G，若假设GEBV和TBV均环境效应（E）不相关、即统计独立：

r (GEBV, E ) = 0

r (TBV, E ) = 0

*GBLUP模型和Bayes模型均符合该假设（因为标准的线性混合模型仅考虑遗传效应）

基于上述假设，可进行以下推导：