大白猪多群体一步法基因组选择的应用效果分析

【目的】探究在拥有大量无基因型参考群的群体中，基因组选择（GS）方法与传统 BLUP 方法预测准确性的差异。同时，对比联合评估中 GBLUP 和一步法 GBLUP 的应用效果，为联合评估提供参考依据。【方法】使用 6 个大白猪群体（A~F）的校正达 100 kg 体重日龄（DAYS_100）和校正达 100 kg 体重背膘厚（BFT_100）2个性状进行分析，并估计遗传力及遗传相关。探究 BLUP、GBLUP 和 ssGBLUP 模型在不同群体及合并群体中的预测准确性。【结果】（1）F 群体 BFT_100 性状遗传力较低、仅为 0.071，其他群体的 BFT_100 性状遗传力为 0.205 ~ 0.383。6 个群体的 DAYS_100 性状遗传力为 0.258 ~ 0.598。（2）除 D 群体 2 个性状间的遗传相关为 0.211 外，其他群体的遗传相关为负相关（-0.462 ~ -0.200）。（3）对于 DAYS_100 性状，B、C、E 和 F 群体中 GBLUP 模型的预测准确性最高。对于 BFT_100 性状，A、B 和 C 群体中 ssGBLUP 模型的预测准确性最高，而 D 和 E 群体中 GBLUP 模型的预测准确性最高。（4）F 群体与 A 群体的场间关联率（CR）达 3.096%，而在 F 群体中，使用合并参考群的一步法基因组选择，可以提高 BFT_100 性状的预测准确性。【结论】在基因型个体数 >500 且群体占比＞ 7% 的群体中，GBLUP 或 ssGBLUP 模型的预测准确性高于 BLUP 模型；利用 ssGBLUP 模型对场间关联率达到 3% 的群体进行联合评估，可提高低遗传力性状的预测准确性。     

基于动物模型BLUP的杜洛克猪生长及繁殖性状选择进展

【目的】揭示基于动物模型最佳线性无偏预测(animal model best linear unbiased prediction,AM-BLUP)的选择指数对杜洛克猪生长及繁殖性状的选育效果。【方法】在采用AM-BLUP方法估计个体目标性状育种值基础上,以达100 kg体质量日龄(相对权重0.7)和100 kg活体背膘厚(相对权重0.3)为主选性状构建选择指数,对1个闭锁的杜洛克猪群开展持续7年(2013—2019年)的选育,系统分析选育期间猪群6个生长及繁殖性状表型值、估计育种值(estimated breeding value,EBV)、选择指数及近交系数的变化。【结果】相较于2013年,2019年猪群达100 kg体质量日龄、100 kg活体背膘厚和30～100 kg料重比分别极显著缩短4.45 d、降低0.52 mm和降低0.05 (P<0.01);初产和经产母猪的总产仔数分别提高0.99头(P<0.05)和1.02头(P>0.05),产活仔数分别提高0.72头和0.49头(P>0.05),21日龄窝重分别降低0.39 kg和提高6.20 kg (P&...     

基于3种BLUP方法的长白公猪精液性状遗传参数估计

【目的】探究3种BLUP方法在长白公猪精液性状及其稳定性遗传参数估计中的差异。【方法】收集了来自2 294头长白公猪的227 361条精液数据,使用R语言ASReml软件包,分别用基于系谱的最佳线性无偏预测(PBLUP)、基因组最佳线性无偏预测(GBLUP)和一步法(SSGBLUP)3种BLUP方法对精液性状及其稳定性进行遗传参数估计。【结果】使用PBLUP、GBLUP和SSGBLUP估计遗传力分别为：精液体积(VOL)0.21、0.08和0.20,精子密度(DEN)0.17、0.06和0.12,精子活力(MOT)0.25、0.06和0.26,精子畸形率(ABN)0.38、0.09和0.47,总精子数(TSN)0.11、0.03和0.09,有效精子数(FSN)0.15、0.03和0.12,精液体积稳定性(C.V._VOL)0.11、0.05和0.08,精子密度稳定性(C.V._DEN)0.03、0.02和0.03,精子活力稳定性(C.V._MOT)0.28、0.02和0.12,精子畸形率稳定性(C.V._ABN     

猪群体一步法基因组选择应用效果评估

【背景】在提高畜牧生产效率中,遗传育种的贡献率占比最高。通过育种可使畜牧企业提高生产效率,获得最大的经济效益。目前,基因组选择已经成为动植物育种中广泛应用的技术手段。基因组选择能够利用覆盖全基因组的高密度标记对育种值进行估计,与系谱信息相比,利用这些标记得到的个体间平均亲缘关系更加准确,从而能更准确地估计育种值（Estimate breeding values, EBV）,对个体进行选育。在实际育种中,对所有个体进行基因分型是不现实的,尤其是猪这种个体经济价值较小的物种,这限制了基因组选择在猪育种中的应用。一步法（single-step genomic best linear unbiased prediction,ssGBLUP）能够同时利用系谱和基因型信息,允许只测定部分个体的基因型,在保持较高预测准确性的同时,大大降低基因分型成本。目前,已经有很多研究表明,在猪育种中使用基因组选择方法能够提高预测准确性,但在实际育种中,育种成本也是畜牧企业考虑的一个重要问题。因此,如何经济有效地实施育种方案,具有重大的研究价值。【目的】通过对一步法基因组选择在杜洛克猪群体评估效果的研究,为基因组选择育种方案提供依据。【方法】以福建某猪场2009—2018年出生的杜洛克猪群体的3个重要经济性状为研究对象,比较了BLUP、GBLUP和一步法等方法在杜洛克猪生长性状上的基因组预测准确性与估计育种值预测可靠性,探究了当参考群中具有不同比例的基因型个体时,一步法预测准确性的变化规律。【结果】（1）达100 kg日龄、背膘厚和眼肌面积的遗传力分别为0.257±0.038、0.250±0.039和0.399±0.040;（2）ssGBLUP相比于BLUP准确性提升14.7%—51.1%;相比于GBLUP准确性提升13.4%—45.7%;（3）10%—30%的个体有基因型时,ssGBLUP预测的准确性超过BLUP;在40%—60%的个体有基因型时,准确性提升速度降低,趋于平缓。【结论】（1）与BLUP相比,一步法能提高各性状估计育种值的准确性和可靠性;与GBLUP方法相比,只有无基因型个体的系谱信息时一步法略低于GBLUP,但在加入无基因型个体的表型信息后,一步法表现优于GBLUP。（2）随着参考群中测定基因型个体的比例逐渐提高,不管使用哪种筛选测定基因型个体的方式（随机选取和筛选关键个体）,一步法预测效果都逐渐提高。表明,在企业育种预算有限时,即使只测定部分个体基因型,一步法可提高基因组选择的预测效果。     

基于BLUP方法估计玉米组合不同时期籽粒品质相关性状遗传参数的差异

籽粒品质性状的遗传参数分析,可以为优良品质的玉米新品种选育提供依据。本研究以10个玉米组合为材料,利用R软件的混合线性模型,获取不同取样时期每个基因型的最佳线性无偏预测值(Best linear unbiased prediction, BLUP),进行籽粒品质相关性状遗传参数分析。结果表明,BLUP数据更接近于真实育种值。不同取样时期,品质性状的变异系数变化较大,籽粒品质性状的最大变化发生在S3(9月14日)到S4(9月18日)时期,此时玉米正由蜡熟期进入完熟期。对各品质性状间的相关性进行分析,粗脂肪与粗蛋白、氨基酸均存在显著或极显著正相关。水分、粗蛋白、粗脂肪、粗淀粉、氨基酸含量均属于高遗传力性状,其中,粗淀粉的遗传力最高,达0.887,容重属于中等遗传力性状。     

CROPGRO大豆花期模拟模型品种参数的遗传学解析

[目的]DSSAT-CROPGRO大豆花期模拟模型(简称CROPGRO-Soybean-Flower模型)是量化开花时间与光周期关系的生理生态过程模型。本文旨在通过单核苷酸多态性(SNP)标记对CROPGRO-Soybean-Flower模型的品种参数(cultivar parameter, CP)进行遗传解析。[方法]以183个江淮大豆种质为试验材料,于2011—2018年获得南京、当涂、盐城等10个环境的花期数据和消除环境效应的花期最佳线性无偏预测值(best linear unbiased prediction, BLUP)。将开花时间性状分解为临界短日照时数(critical short day, CSDL)、光周期敏感性(photoperiod sensitivity, PPSEN)和出苗到开花时长(emergence to flowering time, EMFL)3个CROPGRO大豆花期模拟模型的品种参数。利用供试大豆材料的实测花期以及BLUP值,采用GLUE(generalized likelihood uncertainty estimation)方法对模型的品种参数进行校准,根据模拟结果选择合适的品种参数集。利用混合线性模型(mixed linear model, MLM_Q+K)、mrMLM(multi-locus random-SNP-effect mixed linear model)模型等7种全基因组关联分析方法,对花期BLUP值、CROPGRO-Soybean-Flower模型品种参数集与60 712个SNP标记进行定位研究,在显著关联SNP位点上下游500 kb区间内筛选候选基因,并通过生物信息学网站和前人研究结果预测其功能。[结果]利用BLUP值校正CROPGRO-Soybean-Flower模型的品种参数,模型模拟结果的均方根误差的均值(average root mean square error, ARMSE)为1.65 d,比利用实测花期校正的ARMSE降低1.82 d。选用花期BLUP值校正的3个模型的品种参数集作为全基因组关联分析的数据集,检测到花期BLUP值、CSDL、PPSEN和EMFL的显著关联QTN(quantitative trait nucleotide)个数分别为6、10、5和1,所定位的SNP位点可解释0.424%～19.221%的CROPGRO-Soybean-Flower模型品种参数变异。被检测到的22个QTN中,有72.73%已被前人研究报道与大豆开花时间、光周期敏感性、生殖生长时期等性状有关。对候选基因功能预测发现:Glyma05g06220、Glyma05g31710、Glyma07g01601、Glyma08g40330、Glyma14g40030与拟南芥中昼夜节律调控、细胞分裂素响应、开花调控等基因同源,推测这5个基因参与大豆开花调控。[结论]与实测花期相比,利用BLUP值校准CROPGRO大豆花期模型品种参数的方式在区域尺度上更为合理;模型品种参数体现了大豆花期光反应的遗传特性,相关的SNP标记可以作为进一步构建基于基因的CROPGRO大豆花期模拟模型的基础标记数据。     

应用布拉普法选择南阳公牛的研究(上)

应用单性状布拉普(BLUP)育种值及方差组分的约束极大似然估计,评价了9头南阳黄牛种公牛的优劣秩次,估出1.5岁体高、体斜长、胸围、管围及体重的遗传力为0.5297、0.6239、0.3929、0.1242和0.4257,1979～1983年5年间各性状年平均遗传进展分别为0.3009、0.1225、—2.1225、O.0494和1.5514。     

基于GBLUP和BayesB方法对肉鸡屠宰性状基因组预测准确性的比较

【目的】育种值估计是畜禽育种的核心内容,准确的育种值估计是提高选种准确性的重要手段。屠宰性状是肉鸡重要的经济性状,且无法活体测量,利用基因组信息进行育种值估计的基因组选择是十分有力的工具。文章通过比较GBLUP和BayesB方法对肉鸡屠宰性状的基因组预测的准确性,为肉鸡育种值估计的策略提供依据。【方法】用本课题组前期收集的3 362只白羽肉鸡的表型记录,性状包括胸肌率（BrR）、胸肌重（BrW）、屠体重（CW）、腿肌率（ThR）和腿肌重（ThW）。利用中国农业科学院自主研发的“京芯一号”鸡 55 K SNP芯片对所有个体进行了基因分型,采用PLINK软件对芯片的基因型数据进行质量控制,基因组选择的GBLUP和BayesB方法分别由基于R语言的ASReml包和hibayes包实施,并采用世代验证法评估两种方法的基因组育种值的预测准确性。【结果】研究发现基因组选择的准确性与性状的遗传力大致呈正相关。结果显示,在使用GBLUP方法时,预测准确性最高的性状为胸肌率。胸肌率、胸肌重、屠体重、腿肌率和腿肌重的基因组预测的准确性分别为0.3262、0.2871、0.2780、0.2153、0.2126;在使用BayesB方法时,预测准确性最高的性状为胸肌率。5个性状的基因组预测的准确性分别为0.3765、0.2257、0.1376、0.2525、0.2844。结果表明,对于白羽肉鸡屠宰性状的基因组选择研究,BayesB方法的预测准确性略高于GBLUP方法。对于3000的样本量和55 K的标记密度,GBLUP方法的计算时间大约为1h,BayesB方法的计算时间大约为7h。【结论】对于胸肌率、腿肌率和腿肌重,BayesB方法的预测准确性高于GBLUP方法;对于屠体重和胸肌重,GBLUP方法的预测准确性高于BayesB。畜禽的育种工作注重实效性。在实际的育种工作中,需要综合考虑育种值估计的准确性和育种的时效性来决定用何种方式估计基因组育种值。     

应用布拉普法选择南阳公牛的研究(下)

应用单性状布拉普(BLUP)育种值估计及方差组分的约束极大似然估计,评价了南阳黄牛场近年使用的9头南阳黄牛种公牛的优劣秩次,估出断奶(8月龄)体高、体斜长、胸围、管围及坐骨端宽的遗传力分别为O.3813、0.5960、O.3738、O.3730和0.3355,1988～1992年5年间各性状年平均遗传进展分别为0.0043、0.2947、0.0193、0.0007和0.0059。     

林木育种值预测方法的应用与分析

育种值预测是遗传评价的核心。为了能恰当地选用适当方法估算林木育种值,本文概述了当前林木育种值预测的主要方法、原理及其在日本落叶松家系（亲本）及个体育种值预测和优良基因型选择中的应用。通过对各种预测方法应用结果的分析表明:对于平衡或近似平衡数据和无亲缘关系（或可忽略）的非平衡数据,最佳线性预测（BLP）、最佳线性无偏预测（BLUP）法均可以取得很高的预测精度,但考虑到计算的简便性,BLP法更为适用;对于有亲缘关系或具有不同遗传固定效应的候选材料,BLUP法更为适用;对于多性状联合选择,选择指数仍是理想的方法。最后对育种值预测方法的适用情况及存在问题进行了讨论。