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…     

奶牛产奶性状贝叶斯方法与机器学习全基因组选择研究

为了比较不同全基因组选择方法估计奶牛产奶性状育种值的性能，试验选用了3种贝叶斯方法(BB、BL和BRR方法)和3种机器学习方法(GB、RF和RKHS方法)分别采取3倍交叉验证(3FCV)、5FCV、10FCV和20FCV共4种分组方案对乳脂率、产奶量和体细胞评分3种性状进行10次独立运行育种值估计研究，同时比较不同方法所需运行时间。结果表明：20FCV验证方案所得育种值估计准确度最高；就每种性状而言，乳脂率的最高准确度是BB方法产生的0.881±0.005;产奶量的最高准确度是BL方法产生的0.804±0.008;体细胞评分的最高准确度是RKHS方法产生的0.773±0.007;育种值无偏性的优劣顺序与准确度的高低顺序一致。3种贝叶斯方法所需的运行时间较长，GB和RKHS方法所需的运行时间明显少于其他方法。说明BB、BL和RKHS方法分别在乳脂率、产奶量和体细胞评分的全基因组育种值估计准确度方面有较明显的优势。     

肉牛日增重全基因组选择比较研究

为比较不同全基因组选择方法估计肉牛平均日增重（Average Daily Gain,ADG）育种值的性能，本研究选用5种间接育种值估计方法（贝叶斯方法）、2种直接育种值估计法（GBLUP类方法）和3种机器学习方法分别对同一尼洛尔肉牛群体的20K、80K、770K基因分型SNP数据和表型数据构成的数据集采用交叉验证的方式进行了全基因组选择研究，实验结果表明在20KSNP数据集中估计育种值准确度最高的是0.258 5(Bayes B),80KSNP数据集中的最高准确度是0.260 8(Bayes Lasso和Bayes Ridge Regression),770KSNP数据集的最高准确度是0.270 4(Bayes Ridge Regression）。GBLUP类方法与贝叶斯方法的准确度接近，机器学习方法的育种值准确度最低。就运行时间而言，GBLUP类方法所需时间最短。综合比较，GBLUP类方法在本研究中表现出更强的实用性。     

猪的育种值估计

估计育种值是种猪选育的主要依据，而育种值估计的准确性直接影响猪群的遗传进展。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、计算数学等学科领域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。在未来的猪育种工作中，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。     

关于“家畜复合育种值简化公式”中系数的讨论

<正> 在对家畜数量性状的选择中,应用表型值选择往往不够准确。因为数量性状的表型值都是在遗传与环境两方面作用的结果。如奶牛的产奶量,除决定于本身的遗传原因,很大程度上决定于饲养管理条件。如果根据育种值进行选择则较为准确。育种值的估计,依资料的来源不同而分为:1.根据本身成绩估计育种值。2.根据祖先成绩估计育种值。3.根据同胞成绩估计育种值。4.根据后代成绩估计育种值。5.根据几方面资料来源估计复合育种值。     

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)。     

两套大规模估计家畜育种值的微机软件

毋庸置疑,家畜选种的目的在于获得遗传进展,因此,遗传进展的大小是评定育种工作优劣的最重要指标。而遗传进展SR=γ_(Al)·i·δ_(A/L),就是说,影响遗传进展的因素主要是育种值估计的准确性γ_(Al),选择强度i,世代间隔L。这里仅仅讨论育种估计的准确性γ_(Al)。育种值估计的准确性取决于育种值的估计方法以及提供估计的资料类型和数量。育种值的估计方法有多种,如平均数法、母亲一女儿比较法、相对育种值法、同期同龄比较法(cc),以及BLUP(最佳线性无     

从应用BLUP到种猪发展

多性状动物模型BLUP(Best Linear UnbiasedPrediction)法是当今世界上先进的育种值估计方法,能消除各种环境因素的影响,利用各种亲属资料,考虑选择近交及性状间遗传相关等因素,准确地同时估计出种畜各性状育种值以及综合育种值,并能比较场内,场间,地区间甚至国家间种畜优劣,可加速优良种畜的推广利用,提高种畜质量。     

动态性状育种值的估计(预测)方法探讨

为探讨更具一般性的动态性状育种值估计方法,在二步估计法的基础上建立了用于动态性状育种值估计(预测)的数学模型,采用该模型可实现对动态性状育种值的一步估计(预测),并保证估计结果的最优性。按线性与非线性模型两种情况分别论述了动态性状育种值的估计(预测)方法。结果表明:与随机回归模型相比,所提出的数学模型不仅具有明显的优越性,更具一般性;还证明了当每个个体动态性状的观测点一一对应且个体之间不存在亲缘关系时,一步分析法与二步分析法的估计结果相同。     

奶牛遗传评定法的研究进展

在育种工作实践中,准确可靠的遗传参数估计和个体育种值预测是卓有成效的育种工作的前提条件,育种值的估计叫作遗传评定.奶牛的遗传评定法是畜禽遗传育种研究中最深入、应用最广泛、效果最好的方法之一,尤其是近年来,随着科学技术的发展、育种值估计法的不断改进及估计精确度的不断提高(总的趋势是在保证一定准确性前提下尽可能简化),使奶牛群体生产水平大幅度地提高.     

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。     

复合育种值电算估测

种畜的复合育种值估测一直是从事家畜育种工作的同志比较关注的问题。复合育种值估测是指将同一性状的各种亲属(或包括种畜本身)的记录资料合并估计的育种值。由于复合育种值具有多种亲属的遗传信息,故根据它来选种要比仅根据单项资料估测出的育种值来选种效果更准确可靠。然而由于复合育种值估测较为复杂,读者可参见吴仲贤教授著《统计遗传学》(1977年科学出版社出版)。该书针对当时我国多数生产单位尚未有电算工具的情况,列举了各种资料不同组合的偏回归系数计算公式达200多个,其中多数公式的计算都比较繁琐。     

介绍BLUP及一种计算育种值的方法

<正> 一、BLUP的含义及其使用方法BLUP是一种使育种值估计公式达到“最佳线性无偏予测”的方法,引号中的英文字首就是“BLUP”,即:Best——“最佳的”,意指估计育种值(I)和客观存在的真值(T)之间的误差是最小的。Linear——“线性的”,意指估计育种值I是记录值y~*的线性函数,旨在便于计算。Unbiased——“无偏差的”,意指要计算出环境影响(?),不让它造成估计偏差。Prediction——“予测”,意指估计育值(I)是对真值(T)的予测。     

公牛育种值计算方法的探讨

公牛的育种值,就是公牛的遗传效应,是公牛选择的最重要依据。电子计算机的应用,解决了计算上的困难。如何准确地估计公牛的育种值,是当前奶牛育种的主要课题。现采用半同胞同期同龄比较法求公牛的育种值,此法实质是应用公牛间比较选优。优点:排除环境影响、计算简便。但因产奶性能标准差,奶牛头数一般较少,客观上不存在随     

大白猪、长白猪繁殖性状的遗传参数估计

<正>养猪生产中,随着胴体瘦肉率逐渐达到最佳水平,母猪繁殖性能的改良对追求利益最大化更加重要。而准确的估计繁殖性状遗传参数,对估计育种值、预测遗传进展及优化育种方案是必不可少的~([1])。本文根据全国生猪遗传改良计划遗传评估的方法,对天津市某两家国家核心育种场主要品种大白猪、长白猪的繁殖性状总产仔数(TNB)、产活仔数(NBA)、初生窝重(LBW)的遗传参数进行估计,包括各性状的方差组分、遗传力和遗传相关的分析。目的是奠定目     

DMU、GBS和Herdsman 3个软件育种值估计的比较

猪育种管理软件为猪育种工作和养猪场的管理提供了便利,育种值估计是育种管理系统的核心。但在实际应用中,不同软件育种值估计不一致给一线育种工作者带来了困扰。本研究选取国内广泛使用的GBS、Herdsman育种管理软件和科学研究中常用的DMU程序,以大白猪、长白猪和杜洛克猪的育种数据和模拟数据为材料,研究3款软件估计育种值之间的差异。结果表明:在数据和遗传评估模型及初始参数一致的情况下,DMU4和GBS由于采取相同的算法,估计育种值一致性高达0.99以上,DMU5育种值估计与DMU4高度一致;DMUAI基于约束极大似然方法,在相同条件下育种值估计准确性略高于DMU4和GBS;由于模型和初始参数未知,本研究Herdsman育种值估计与GBS和DMU一致性偏低。但鉴于Herdsman算法与DMU4和GBS一致,可以预测在相同模型下,GBS、Herdsman与DMU育种值估计应无差异。研究同时表明,软件对遗传评估评估结果影响不大,主要是具体遗传评估模型的配置。     

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。     

杂谈猪的遗传改良——正确认识国外遗传评估体系对我国进口种猪的评估

我国每年都从国外引进大量种猪。引种时供种方所提供的种猪遗传评估信息的真实性与加入国外遗传评估体系(如NSR)的有效性值得探讨。本研究以从美国引种并且又加盟美国NSR的某国家级核心育种场为例,针对达目标体重日龄、活体背膘厚、活体眼肌面积、估计瘦肉率等4个性状,进行了系统化的相关分析。结果表明:引种时NSR提供的遗传评估信息真实但用途不大。在达目标体重日龄上,NSR估计的育种值与自行估计值呈极显著负相关,意味着根据NSR的结果进行选择,结果可能背道而驰;其他性状均为极显著正相关。但是,因为选择指数由这些性状的育种值共同加权组合而成,1个性状的估计育种值存在问题,将导致整个指数不可靠,这意味着不能盲目进行跨国评估。造成这一结果的原因是遗传与环境的互作,但对此有必要做进一步分析。     

美国基因组评估系统的发展概述

基因组评估是通过检测覆盖全基因组的分子标记,利用基因组水平的遗传信息对动物个体进行遗传评估,以期获得更高的育种值估计准确度。基因组评估作为育种新技术在奶牛育种领域引起巨大改变,目前已经成为各国的研究热点。本文介绍了美国发展基因组评估系统的历史、现状及合作情况。     

应用总性能指数(TPI)评定西门塔尔种公牛

<正> 前言应用正确的方法计算种公牛的育种值,对于准确地选择种公牛,改良牛群的遗传特性,提高牛群质量,获得更大的经济效益,无疑是十分重要的。过去对于种公牛的评定方法,只是根据单个性状育种值的高低作为唯一的标准,忽略其他一些重要的经济性状,无疑是一个很大缺点。目前应用最广泛的是总性能指数法(TPI),即多项性状估计的育种值综合为一个指数,根据指数大小选择种公牛。为消除畜群间、年季间和季度间的差异,在计算各性状育种值时,可用最佳线性无偏预期法(BLUP)或改进的同龄比较法(MCC)。本文重点以改进的同龄比较法(MCC)计算总性能指数(TPI),对我国西门塔尔种公牛评定作以研究。