共查询到18条相似文献,搜索用时 114 毫秒
1.
2.
3.
该研究在提出“复合基因组选择(composite genomic selection)”概念的基础上,利用华中农业大学农业动物遗传育种与繁殖教育部重点实验室构建的免疫资源群体数据,通过交叉验证(cross-validation)策略,与标准GBLUP法对照,利用白细胞(WBC)、噬中性粒细胞(NE)等13项血液免疫性状对复合基因组选择的预测效果开展验证。研究结果表明,除血小板(PLT)等3个性状外,所有性状复合基因组选择的准确性均高于标准GBLUP法,分析结果支持复合基因组选择优于基于单一加性遗传组分的GBLUP的结论。同时,还探讨了不同交叉验证参数组合对复合基因组选择准确性的影响,发现最宜交叉验证倍数是性状特异性的,跟性状特性有关。总之,该研究提出了基于全部遗传组分的复合基因组选择法,并得到猪血液免疫性状数据分析结果的初步支持,特别是针对较小规模群体,复合基因组选择可能是提高基因组预测准确性的有效方法。 相似文献
4.
旨在基于GBLUP等模型对梅花鹿(Cervus Nippon)生长相关性状基因组选择的预测准确性进行比较。本研究以吉林某鹿场2014—2019年所产梅花鹿261只作为研究群体(公鹿96只,母鹿165只),对梅花鹿体重体尺等生长相关性状进行遗传力估计,并基于5-fold交叉验证方法对GBLUP、Bayes A、Bayes B、Bayes C、Bayes Lasso、RRBLUP六种基因组选择模型预测准确度进行了比较,以筛选出适合梅花鹿生长相关性状的基因组选择模型。结果发现:1)管围与臀端高的遗传力分别为0.43、0.50,属于高遗传力;体重、体高与体斜长的遗传力分别为0.22、0.30、0.27,属于中等遗传力;而胸围的遗传力为0.15,属于低遗传力;2)在GBLUP中,基因组选择预测的准确度与性状的遗传力呈正相关关系,而在Bayes类与RRBLUP法中并未表现明显正相关关系;3)在样本量较少的情况下,选取GBLUP作为基因组选择模型具有一定的优势;Bayes A可在低遗传力性状中作为首选;体重、体高、体斜长、管围、胸围、臀端高预测准确度最高的分别为GBLUP、Bayes B、Bayes... 相似文献
5.
6.
本研究旨在探讨系谱错误对猪基因组选择的影响。模拟数据研究表明,随着系谱错误率增加,基因组选择估计育种值的准确性、无偏性和秩相关系数均逐步减小,20%系谱错误率相较0%时准确性、无偏性和秩相关系数分别由0.423 3、0.174 9、0.409 9降为0.358 2、0.103 1、0.346 9;当基因型检测个体数目增多,0%与20%系谱错误率下基因组选择估计育种值准确性的差值缩小。研究表明,本研究所分析育种场群中系谱错误率约为3.2%;应用基因组选择一步法对有表型及系谱记录的大白猪进行育种值估计的准确性为0.4471,利用基因型数据矫正部分系谱错误后,准确性提高0.42%。以上结果表明,系谱错误的存在会降低基因组选择的育种值估计准确性,使育种值的估计无偏性变小;通过增加基因型检测数目可以减少系谱错误对基因组选择造成的负面影响。 相似文献
7.
8.
1育种技术的发展随着数量遗传学理论的发展,育种学家可以借助一定的统计学方法将性状的表型值进行剖分,并从中估计出可以真实遗传的部分,即育种值,使畜禽育种由表型值选择发展为育种值选择,从而提高了选种的准确性和效率。随着分子生物学技术突飞猛进的发展,对分子遗传标记、QTL图谱分析的研究正不断深入。目前,畜禽遗传图谱的构建已取得了较大的进展,使得利用1个或1群标记以区分不同个体QTL的有利基因型正在逐步成为现实。标记辅助选择就 相似文献
9.
10.
旨在探究提高杜洛克猪胴体性状基因组选择准确性的方法,为提高种猪胴体性状的基因组选择准确性提供理论基础。本研究以2 796头杜洛克公猪和3 149头杜长大商品猪的校正115 kg体重日龄(AGE115)、校正115 kg背膘厚(BF115)和校正115 kg眼肌面积(LEA115)为研究对象。构建加性动物模型和加显动物模型验证显性效应对杜洛克猪基因组选择准确性的影响;探究在参考群中对杜洛克猪与杜长大猪进行不同的组合对于杜洛克猪基因组选择准确性的影响。参考群分组如下:组1,杜洛克猪作为参考群;组2,杜长大猪作为参考群;组3,杜洛克和杜长大猪合并作为参考群。研究结果表明:加入显性效应后,AGE115基因组选择的准确性在组1、组2、组3中提高了2.84%~4.87%,杜洛克猪BF115和LEA115的基因组选择准确性在组1、组3中提高了1.37%~16.18%;组3相对于组1,在加性动物模型中BF115和LEA115的基因组选择准确性提高了6.19%~7.35%,在加显动物模型中BF115的基因组选择准确性提高了6.52%。综上,显性效应能够提升猪胴体性状的基因组选择准确性,合并杜洛克猪与杜长... 相似文献
11.
猪多经济性状的重建研究 总被引:2,自引:2,他引:0
本研究的目标是对猪多个经济性状进行性状重建,并对重建性状的遗传参数进行估计。本研究涉及性状重建的原始经济性状包括了生长、胴体和肉质3类共24个性状。性状重建利用主成分分析法,经统计分析后得到4个主成分作为新的重建性状。在对重建性状进行描述性统计处理基础上,进一步利用动物模型和DFREML算法估计了各性状的遗传力,得到第1、2、3和4主成分的遗传力分别为0.87、0.58、0.49和0.56。研究结果表明,通过性状重建不但可以实现多性状的降维处理,而且重建性状的遗传力有提高趋势,性状重建策略有望促进多性状育种的进程。 相似文献
12.
13.
This study aimed to evaluate the actual genetic improvement effect of genomic selection in Large White boars through progeny testing in production performance. Nine hundred and thirteen Large White pigs were used to construct a reference group, and 823 new-born Large White boars were used to implement the first genomic selection through ssGBLUP before castration. The second genomic selection were carried out after performance testing, then 10 boars with significant difference in production performance were selected and their offsprings were compared in phenotypic values, estimated breeding values of growth traits and selection index. The results showed that the accuracies of genomic prediction on age at 100 kg body weight, 100 kg backfat thickness and total number born increased from 0.56, 0.67 and 0.64 in the first genomic selection to 0.73, 0.73 and 0.67 in the second genomic selection, respectively. The correlation coefficient of maternal selection index between the two genomic selection before castration and after performance testing was 0.82, which indicated that the first genomic selection before castration was accurate enough to make early selection on boars. According to the genomic breeding values and maternal selection index of 10 selected boars, two groups with high and low production performance were set up. The progeny testing showed that the difference of average phenotypic value between groups was 2.58 days, and the difference of average evaluated breeding value(EBV) between groups was 3.08 days in age at 100 kg body weight, those were 1.15 mm and 1.03 mm in 100 kg backfat thickness, respectively, and the difference in the mean of the comprehensive maternal index was 9.3, all the differences(except age at 100 kg body weight) were extremely significant. This study prove that the offspring of boars with significant differences in genomic evaluation have significant differences in phenotypic values and breeding values, which indicate that, through genomic selection, excellent breeding boars can be selected and their genetic superiority can be passed to their offsprings. 相似文献
14.
旨在通过测定基因组选择选留的大白公猪的后裔生产性能,探究基因组选择实际育种效果。本研究选用913头大白猪构建参考群体,利用ssGBLUP对新出生的823头大白公猪在去势前进行第一次基因组评估,待生产性能测定后进行第二次基因组评估,最终选留10头性能差异显著的公猪留种,比较其后代生长性状表型和育种值及综合选择指数差异。结果表明,两次基因组遗传评估,达100 kg体重日龄、100 kg活体背膘厚和总产仔数3个性状基因组育种值(GEBV)估计准确性分别由0.56、0.67和0.64提高至0.73、0.73和0.67,两次基因组选择基因组母系指数相关系数为0.82,表明在去势前进行公猪基因组选择具有较高的准确性,可实现种猪早期选择。根据各性状GEBV和基因组母系指数,10头公猪被划分为高、低生产性能组,后裔测定成绩表明,两组公猪后代100 kg体重日龄表型均值之差为2.58 d,育种值之差为3.08 d,100 kg活体背膘厚表型均值之差为1.15 mm,育种值之差为1.03 mm,综合母系指数均值之差为9.3,除后代100 kg体重日龄表型均值之差外,其他差异均达到极显著水平。本研究证明,在基因组评估中具有显著差异的公猪其后代在表型值和育种值等方面均存在显著差异,通过基因组选择能够挑选出优秀种公猪,可将其遗传优势传递给后代。 相似文献
15.
16.
旨在比较不同方法对中国荷斯坦牛繁殖性状的基因组预测效果,选择最佳的基因组预测方法及信息矩阵权重组合(τ和ω)用于实际育种。本研究利用北京地区33个牧场1998—2020年荷斯坦牛群繁殖记录,分析了3个重要繁殖性状:产犊至首次配种间隔(ICF)、青年牛配种次数(NSH)和成母牛配种次数(NSC)共98 483~197 764条表型数据。同时收集了8 718头母牛和3 477头公牛的基因芯片数据,根据具有芯片数据的牛群结构划分为公牛验证群和母牛验证群。随后,通过BLUPF90软件的AIREMLF90和BLUPF90模块利用最佳线性无偏预测(BLUP)、基因组最佳线性无偏预测(GBLUP)和一步法(ssGBLUP)对3个性状进行基因组预测,不同方法的预测效果根据准确性和无偏性来评估。结果表明,3个繁殖性状均为低遗传力性状(0.03~0.08);ssGBLUP方法中,各性状信息矩阵的权重取值能够在一定程度上提升基因组预测的效果;ICF、NSH和NSC在母牛验证群下的最佳权重取值分别为:τ=1.3和ω=0,τ=0.5和ω=0.4以及τ=0.5和ω=0;在公牛验证群下最优权重组合分别为:τ=1.5和ω=0,τ=1.3和ω=0.8以及τ=0.5和ω=0;基于最佳权重的ssGBLUP方法准确性较BLUP和GBLUP方法准确性分别提升了0.10~0.39和0.08~0.15,且无偏性最接近于1。综上,使用最佳权重组合的ssGBLUP时,各性状基因组预测结果具有较高准确性和无偏性,建议作为中国荷斯坦牛繁殖性状基因组选择方法。 相似文献
17.
旨在比较结合全基因组关联分析(genome-wide association study, GWAS)先验标记信息的基因组育种值(genomic estimated breeding value, GEBV)估计与基因组最佳线性无偏预测(genomic best linear unbiased prediction, GBLUP)方法对鸡剩余采食量性状育种值估计的准确性,为提高基因组选择准确性提供理论与技术支持。本研究选用广西金陵花鸡3个世代共2 510个个体作为素材,其中公鸡1 648只,母鸡862只,以42~56日龄期间的剩余采食量(residual feed intake, RFI)为目标性状,将试验群体随机分为两组,其中一组作为先验标记信息发现群体,用于GWAS分析并筛选最显著的top5%、top10%、top15%和top20%的位点作为先验标记信息;另外一组分别结合不同的先验标记信息进行遗传参数估计并比较基因组育种值的预测准确性,使用重复10次的五倍交叉验证法获取准确性,随后两组群体再进行交叉验证。研究结果表明,GBLUP计算RFI的遗传力为0.153,预测准确性为0.38... 相似文献
18.
本文利用育种目标制订综合选择指数 ,无须确定性状的经济加权值 ,将该法应用于“荣昌猪瘦肉型品系选育”中 ,其综合选择指数为 :I =- 0 1 5 2 6X1(背膘厚 ) 0 0 0 84X2 (日增重 ) 1 4 4 40 7X3 (体长指数 ) ,间接选择瘦肉率 (Y)。经五个世代的选育 ,三个主选性状及间接选择性状的每代进展分别为 :- 0 1 6 6 (X1)、2 9 8(X2 )、0 0 2 (X3 )和 0 6 5 4(Y) ,均超过育种目标 (- 0 0 93、1 0、0 0 1 5和 0 38) ,提前一个世代完成计划。实践证明该法简便易行 ,准确性高 ,选择效果非常理想 ,可在动物育种中普遍采用。 相似文献