利用广义线性模型预测家畜离散性状育种值

将广义线性混合模型(GLMM)引入动物离散性状的遗传分析及个体的遗传评定,初步比较了GLMM方法与一般线性方法(LM)的估计效果。模拟研究的性状为单阈值二项分类性状,选用的连接函数为对数连接μi=eη/(1+eη),方差函数为V(μi)=μ(i1-μi)/n,试验设计为全同胞-半同胞混合家系,参数估计采用Fisher迹法。结果表明:GLMM方法能较准确地估计公畜的个体育种值,在个体的遗传评定效果方面要明显优于常规的线性方法,其预测的育种值排序结果与真实育种值的排序之间存在极显著的相关性(P<0.001)。     

家畜遗传抗性多基因效应预测的广义线性方法

在广义线性混合模型（GLMM）的框架内模拟研究了抗性性状的遗传分析方法，初步比较了GLMM方法与一般线性方法（LM）的育种值估计效果。模拟研究的抗性表型为单阈值和3阈值2种类型，选用的连接函数分别为logist连接和log连接，试验设计为全同胞一半同胞混合家系，参数估计采用Fisher迹法。研究结果表明，GLMM方法能较准确地估计公畜的个体育种值，在个体的遗传评定效果方面要明显优于LM方法，其预测的个体育种值排序结果与真实育种值的排序之间存在显著的秩相关。     

动态性状遗传参数的估计方法

本文在建立个体动态性状数学模型同时，计算了模型参数估计误差方差，依此标准化模型参数，完善了动态性状遗传参数的估计方法。     

总产仔数育种值作为选种依据的可行性分析

种母猪的选择重点是繁殖性状，种猪场通常根据亲属的繁殖数据来估计育种值作为选择母猪的依据，本研究采用相关分析法分析了2018年至2020年823头长白母猪选留时所估算的总产仔数育种值，以及这些母猪个体1至5胎次的总产仔数资料。结果表明：公司所用软件估计的总产仔数育种值与母猪各胎次繁殖性状的相关性并不高，因而在今后的母猪选择时还需调整现有育种值的估计方法。     

内蒙古绒山羊绒毛性状基因组育种值估计准确性研究

为探究一步法基因组最佳线性无偏预测(SSGBLUP)法应用于内蒙古绒山羊育种的选择效果,本研究基于课题组前期积累的健康状况良好的内蒙古绒山羊(阿尔巴斯型)2 256只个体的70 K SNP芯片测序数据,收集整理1至8岁个体的绒毛性状(绒长、绒细和产绒量)生产性能数据和系谱记录,通过设定SSGBLUP法中H逆矩阵的不同矩阵参数(ω,τ)进行基因组育种值估计,并利用五倍交叉验证法评价基因组育种值估计的准确性。结果表明：随着ω的不断增加,SSGBLUP法用于内蒙古绒山羊绒毛性状的基因组育种值估计准确性越高。结合ABLUP和GBLUP的遗传参数估计结果可知,当τ为0.3、ω为0.9时,内蒙古绒山羊绒毛性状的基因组选择准确性较好。其中,绒长的准确性为0.702 8,绒细准确性为0.668 2,产绒量准确性为0.713 1。对SSGBLUP方法的H矩阵选择合适的尺度参数可提高内蒙古绒山羊绒毛性状基因组育种值估计的准确性,加快种群的遗传改良,缩短世代间隔。     

BLUP法和主成分分析法在杜泊绵羊商业化品系建立中的应用研究

本研究旨在为以一个初始杜泊绵羊群体为基础,建立适应多样化市场需求的商业化品系,提供可借鉴的实用方法.具体实施步骤包括:(1)用单性状动物模型BLUP法估计杜泊绵羊与品系划分有关性状的育种值；(2)利用主成分分析法,抽取所研究性状的可解释85％以上变异的主成分；(3)依据主成分值表达式的系数大小及符号,解释每个主成分的实际意义,确定各主成分可作为哪个品系的建立依据；(4)根据个体各标准化主成分值的大小及相应的分系标准,对杜泊绵羊群体进行商业化品系划分.本研究依据实际需求将现有杜泊羊群体划分为体长系、体宽系和肥羔系,其结果与依据性状估计育种值进行品系划分相似.在不考虑分系相关性状的经济权重时,BLUP法和主成分分析法适于初始群体的品系建立.     

动物模型BLUP法估计内蒙古白绒山羊育种值的研究

应用动物模型BLUP法估计了阿尔巴斯白绒山羊种羊场1989-1998年共10个年度3 981只个体的抓绒量和体重的单性状育种值,以及这两个性状的综合育种值.在模型中考虑的固定效应有年龄效应和性别-群体-年度效应、随机效应有个体的加性效应和个体永久性环境效应.比较育种值选择与表型值选择的结果表明:①公羔依据断乳重选择与依据育种值选择的结果差异较大;②育成母羊依据表型值选择与依据综合育种值选择的结果差异极显著(P<0.01);③育成公羊依据表型值选择与依据综合育种值选择的结果差异极显著(P<0.01);④种公羊依据抓绒量和体重的表型值选择结果分别与依据各自性状育种值选择结果的秩相关均未达到显著水平(P>0.05).研究表明:内蒙古白绒山羊应用个体表型值选种存在准确性较差的缺点;动物模型BLUP法适合用于内蒙古白绒山羊的选种.并根据生产实际情况提出了一套选择种公羊的具体方法.     

比较机器学习等算法对肉鸡产蛋性状育种值估计的准确性

我国白羽肉鸡育种中,通过遗传途径提高产蛋数和控制合适的蛋重是培育优良品系的一个重要方面。为探索适合我国白羽肉鸡育种中的基因组选择模型,本研究以2 474只白羽肉鸡品系的产蛋性状为研究对象,主要分析了机器学习算法KAML、BLUP(包括：PBLUP、GBLUP、SSGBLUP)和Bayes(包括：Bayes A、Bayes B和Bayes Cπ)方法对产蛋数和蛋重性状的预测准确性,准确性以5倍交叉验证进行评估。利用系谱以及基因组信息估计了产蛋数和蛋重性状的遗传力和遗传相关。结果表明,产蛋数性状遗传力为0.061~0.16,属于低遗传力性状;蛋重遗传力为0.28~0.39,属于中等遗传力性状;产蛋数与蛋重是中等遗传负相关(-0.518~-0.184),不同阶段产蛋数之间是强的遗传正相关(0.736~0.998)。不同模型预测43周产蛋数和52周蛋重的育种值估计准确性结果表明,KAML方法对两者的预测准确性分别为0.115和0.266,与GBLUP方法(准确性分别为0.118和0.283)和SSGBLUP方法(准确性分别为0.136和0.259)的准确性差异显著,同时显著低于Bayes方法(准确性分别为0.230~0.239、0.336~0.340)的预测准确性, PBLUP方法预测准确性最低(准确性分别为0.095和0.246)。因此,在白羽肉鸡产蛋数和蛋重性状中应用Bayes方法将获得最高的育种值估计准确性。     

显性效应对苏淮猪肉色性状遗传评估和基因组选择的影响

旨在评估显性效应对估计苏淮猪肉色性状遗传参数和基因组估计育种值(genomic estimated breeding value, GEBV)准确性的影响,为苏淮猪肉质性状育种提供理论依据。基于基因组最佳线性无偏预测(genomic best linear unbiased prediction, GBLUP)方法,提出2种模型:含加性效应的模型GBLUP-A和包含加性效应和显性效应的模型GBLUP-AD;试验测定487头苏淮猪屠宰后45 min和24 h的肉色性状(亮度L*,红度a*和黄度b*),利用一般线性模型(general linear model, GLM)评定每个肉色性状的影响因素,通过DMU软件在2种GBLUP模型下估计苏淮猪肉色性状的遗传方差,并且比较其GEBV预测的准确性。结果显示:屠宰季节和屠宰批次对所有肉色性状均有显著影响,L*值在夏季时最高,在春季时最低,而a*值和b*值在春季时最高,夏季时最低;L*值随着胴体重增加显著下降(P0.05),a*值随着日龄的增加极显著上升(P0.01),而b*值随着日龄的增加显著下降(P0.05);苏淮猪肉色遗传力属于低至中等遗传力,其范围从0.13～0.32;显性效应对于估计不同肉色性状的遗传参数呈现不同的影响,显性遗传方差与加性遗传方差的比率在b*值和a*值中较大;在预测GEBV方面,除了L*_(24 h)和b*_(45 min)性状,L*_(45 min)、a*_(45 min)、a*_(24 h)和b*_(24 h)在GBLUP-AD模型中预测GEBV的准确性都有所提高。提示:在估计肉色性状GEBV的模型中加入显性效应,可以有效提高预测准确性,合理估计肉色性状的遗传参数。     

黑龙江省荷斯坦牛产奶性状的遗传统计分析

本文采用了非求导约束最大似然法 (DF -REML)估计了黑龙江省地区荷斯坦牛产奶性状的遗传参数和种畜的育种值。结果表明 :全期产奶量、3 0 5天产奶量和乳脂量为中等遗传力性状 ,而乳脂率和泌乳天数则为低遗传力性状 ,各性状间存在不同程度的相关 ,其中乳脂率与产奶量呈中等负相关。在育种值估计中 ,比较了不同遗传组公牛的效应值 ,认为美、加、德等外血公牛对该地区牛群产奶量的提高有明显改良效果。本文还分析了采用不同模型进行参数和育种值估计的效率 ,得出用动物模型估计的准确性要高于公畜模型。根据本文所得结果 ,笔者还对黑龙江省地区今后的奶牛育种工作提出了一些有益的建议。     

家禽遗传力和估计育种值分析软件V1.0获计算机著作权登记

由浙江省农科院开发的家禽遗传力和估计育种值分析软件V1.0近日获得国家版权局计算机著作权登记。本软件属于家禽育种技术范围,是一个根据群体中存在亲缘关系个体和它们的生产性能资料用REML法(限制性最大似然法)得出个体的估计育种值和性状遗传力的软件。     

不同模型估计中国荷斯坦牛生产寿命遗传参数

旨在估计中国荷斯坦牛生产寿命遗传参数,同时比较不同模型的预测可靠性和稳定性。本研究使用单性状动物模型、单性状公畜模型和多性状动物模型对北京地区29个牧场90049头中国荷斯坦母牛的生产寿命数据进行遗传参数估计,所有模型均考虑了场、出生年季、头胎产犊月龄组的固定效应,个体加性遗传效应(动物模型)或父亲遗传效应(公畜模型)的随机效应和残差效应。结果表明,单性状动物模型和单性状公畜模型估计的生产寿命遗传力分别为0.052和0.047,多性状动物模型估计的遗传力较为稳定,介于0.057与0.069之间,多性状动物模型的遗传相关在0.779~0.998之间。对于存在大量在群个体(删失记录)的数据,使用基于前三胎数据的多性状动物模型较为合适,模型预测稳定性更高。本研究对中国荷斯坦牛生产寿命进行了遗传评估,为提高牧场效益、实现平衡育种提供了理论基础。     

宁乡猪育种规划的方法

BLUP法是数理统计在遗传学上的应用,基于线性代数和数理统计模型方法。对于BLUP法估计育种值模型可以分为公畜模型、公畜一母畜模型、外祖父模型、动物模型及简化动物模型,其中公畜模型未能对影响后代的母畜效应进行有效的计算,在同质选配过程中会对公畜效应的预测带来一定的偏差,同时也不能预测后代的个体效应;公畜一母畜模型也不能预测后代个体效应,而外祖父模型适用于种公牛评定,缺点也与上述2种模型一样。因此根据实际情况,对宁乡猪进行育种值估计时采用动物模型,其一般形式为：     

简述动物的育种值估计

在家畜育种中,实施选择的首要条件是估计出育种值。根据数量遗传理论,个体育种值的大小是选种的定量性标准。因此准确可靠的群体遗传参数和个体育种值是育种实践的必要条件。随着育种理论和实践的不断发展,育种值的估计方法也不断的发展和更新。近年来由于数理统计(尤其是线性模型理论)、计算机科学、计算数学等学科的迅速发展以及生物技术在动物育种中的应用,动物育种值估计的方法发生了很大的变化。在未来的育种工作中,依靠经典理论和先进的科学技术提高育种值估计的准确度,依然是今后育种工作的重点。1动物育种值估计的意义家畜育种中大…     

基于多性状动物模型估计大白猪、长白猪生长性状的遗传参数

<正>猪生长性状和繁殖性状是重要的经济性状,测定并评估这些性状的遗传参数,对制定选种的方法、设计选择指数、预测选种进展和提高选种效果,都有一定的现实意义。根据统计学的基本原理,种猪育种中遗传参数的估计,实际上就是计算数学模型中各影响因子的方差组分,进而利用方差组分估计遗传力、重复力、遗传相关等遗传参数。只有得到了准确的遗传参数,才能估计出准确的育种值,从而实现准确的遗     

奶牛体型线性性状的动物模型遗传评估

本文利用北京市7个奶牛场的奶牛体型线性评定资料,累计收集了4年共1647头母牛的15个线性性状数据,采用最佳线性无偏预测(BLUP,Best Linear Unbiased Prediction)方法,配合个体动物模型(AM,Animal Model),估计了胎次、泌乳月、鉴定日期、奶牛场以及鉴定员等固定环境效应,并计算出了每头奶牛15个线性性状的个体育种值。鉴于奶牛体型线性评定方法在国内正处于推广应用阶段,而BLUP的动物模型方法目前在国内的研究应用也少见报道。本文通过将两者结合起来,估计动物个体的种用价值,结果表明奶牛体型线性评定以第三胎、第三个泌乳月效果较好。经济效益好的场队其牛群也较整齐。不同的鉴定日期、不同的鉴定员对评定结果也略有影响。最后,可以得到剔除固定效应并经过排序用于选择的奶牛个体育种值。处理分析表明效果比较理想,为推动我国的动物育种工作,建议今后在国内大力推广奶牛体型线性评定和动物模型BLUP评估相结合的育种方法和手段。     

基于显性模型的基因组选择中贝叶斯方法研究

本研究旨在探索显性效应对基因组育种值估计准确性的影响。基于贝叶斯A模型,根据加性效应和显性效应相关性,提出两种子模型:1)加性效应和显性效应相互独立的BayesAD1模型;2)显性系数(Dominant coefficients)与加性效应的绝对值相互独立,并且显性系数服从正态分布的BayesAD2模型。通过模拟数据比较加性效应模型BayesAD0和两种显性效应模型下基因组估计育种值(GEBV)的准确性,并且研究不同数量性状基因座(Quantitative trait locus,QTL)数、全同胞家系内个体数和加性方差与显性方差的比重对GEBV准确性的影响。结果表明,显性模型可以减缓随着世代变化GEBV的准确性降低的趋势。另外,显性方差的比重越大,对GEBV的准确性影响越大。当加性方差与显性方差之比达到0.25时,BayesAD2有较大优势,分别比BayesAD1和BayesAD0准确性高20.3%和28.4%。全同胞数越多,GEBV的准确性越高,QTL数目增多,GEBV估计的准确性随之下降。结果显示,对显性效应占较大比重即低遗传力的性状进行育种值估计时,考虑显性效应可以提高育种值估计准确性。     

母系猪繁殖性状的基因组选择策略

与生长性状相比,猪的繁殖性状具有遗传力低和限性表现的特点,通过传统育种方法很难获得较高的育种值估计准确性,且无法缩短世代间隔。因此,猪的繁殖性状选育策略应与生长性状不同。基因组选择是一种基于全基因组信息的标记辅助选择。与生长性状相比,基因组选择对提高繁殖性状(如产仔数)的预测准确性更具有优势。然而,基因组选择的育种成本较高阻碍了该技术的广泛应用。本文旨在探讨母系猪繁殖性状基因组选择的参考群体构建策略,以节省基因组育种成本和加快遗传进展。     

优质鸡睾丸重的遗传选择

为了提高优质鸡睾丸重,试验采用屠宰法测定天露黄鸡N409品系08世代第1批次的睾丸重,结合系谱信息,采用平均信息约束最大似然法(AI-REML)估计其遗传参数,采用动物模型最佳线性无偏预测(BLUP)法估计同胞个体睾丸重育种值,基于育种值进行选种和组建双向选择系。结果表明:未经正态转换和经过Box-Cox转换的105天睾丸重遗传力分别为0. 64和0. 66,属于高遗传力性状;表型正态与否并不影响候选同胞个体的育种值排序;经睾丸重育种值排序后筛选出小睾丸、中睾丸和大睾丸公鸡,与母鸡组建双向系,其后代公鸡睾丸重差异显著(P0. 05),而体重差异不显著(P0. 05)。说明基于上述方法提高优质鸡睾丸重可行,而且选择睾丸重不影响后代体重。     

杜洛克群体两性状模型基因组选择效果评估

在基因组选择中(GS),相比单性状模型，多性状模型有诸多优势：可以利用到性状间的遗传相关信息，提高预测可靠性；当直接选择主要性状效果不佳时，可通过选择与其遗传相关较高的次要性状来提高主要性状的预测可靠性；当个体缺失某个表型的记录时，可以参与到遗传评估中。本研究旨在评估最佳无偏线性预测(BLUP)与一步法基因组选择(ssGBLUP)两性状模型相比单性状模型的选择实施效果，为应对现实中个体可能缺失部分性状观察值提供参考依据。选择出生于2012—2019年的2 132头杜洛克猪为研究对象，利用DMU(v 6.0)软件中的单性状与多性状模型(BLUP,ssGBLUP)基因组选择方法探讨了验证群中不同比例的表型个体对生长性状(达100 kg体重时的日龄、背膘厚和眼肌面积)的预测可靠性的影响。结果：不同的验证群表型个体比例，单性状ssGBLUP对性状的预测可靠性均要优于单性状BLUP,两性状ssGBLUP模型的预测可靠性均要优于单性状模型；随着验证群中有表型的个体比例变化，两性状ssGBLUP与两性状BLUP模型对性状的预测可靠性均呈现提高的趋势。随着验证群中有表型的个体比例变化，两性状ssGBL...