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。     

GBLUP技术在鸡品种选育中的应用效果研究

为揭示遗传力和标记密度对估计基因组育种值的影响和探讨基因组选择在家禽育种中的效果,运用QMSim软件分别模拟不同遗传力、不同标记数目的群体结构数据、基因组信息数据及相应的表型数据;运用基因组最佳线性无偏估计(GBLUP)方法估计基因组育种值,并计算基因组育种值的准确性;比较基因组选择与表型选择在育种成本以及遗传进展的差异。结果显示,随着遗传力和标记数目增加,估计育种值准确性明显提高,同时基因组选择在遗传进展上具有明显优势,但是在对表型选择与基因组选择进行成本分析时,基因组选择的成本并没有明显提高。因此,基因组选择育种在家禽育种过程中具有明显优势。     

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.     

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)。     

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。     

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。     

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。     

基于元共祖的基因组联合育种模拟研究

旨在将整合元共祖的一步法(single-step genomic best linear unbiased prediction with metafounders,MF-SSGBLUP)应用到基因组联合育种中,并与其他经典基因组选择方法进行比较分析。本研究使用QMSim软件模拟3个系谱相互独立的奶牛群体;分别使用广义最小二乘法(generalized least squares,GLS)和原始方法(naïve,NAI)估计不同群体间的祖先关系矩阵Γ;将MF-SSGBLUP、SSGBLUP和BLUP用于3个模拟群体的联合育种,评估各方法在遗传参数和育种值估计方面的差异。在不同遗传力下,GLS所得的Γ矩阵在对角线元素上略低于NAI法,在非对角线元素上没有明显差异,且基因组关系矩阵与基于元共祖构建的亲缘关系矩阵对角线元素相关系数(0.750~0.775)高于基因组关系矩阵与传统的亲缘关系矩阵相关系数(0.508~0.572)。MF-SSGBLUP遗传力估计值(0.138、0.140、0.297和0.298)与当代群体遗传力(0.107和0.296)的偏差小于其余两种方法(0.145、0.173、0.273和0.340),且MF-SSGBLUP估计育种值准确性(0.888~0.908)高于SSGBLUP法(0.863~0.876)和BLUP法(0.854~0.871)。表明,MF-SSGBLUP的遗传参数估计值无偏性更好,估计育种值准确性更高。根据上述模拟数据结果表明,在联合育种中,整合元共祖的基因组选择方法优于其他经典基因组选择方法。     

我国杜洛克、长白、大白猪区域性联合遗传评估研究

旨在根据我国杜洛克、长白和大白猪3个品种的场间遗传联系情况进行区域性跨场联合遗传评估,为全国联合遗传评估奠定基础。本研究利用杜洛克、长白和大白3个猪种分别在9个遗传关联组共39家国家生猪核心育种场2011-2016年的生长性状数据126 070条、187 975条和491 350条,繁殖性状数据36 542、78 409条、195 031条。生长性状包括达100 kg体重日龄(age to 100 kg,AGE)、100 kg活体背膘厚(backfat to 100 kg,BF),繁殖性状为总产仔数(total number born,TNB)。遗传参数和育种值分别采用约束极大似然方法(restricted maximum likelihood,REML)和最佳线性无偏预测法(best linear unbiased prediction,BLUP)进行估计。结果表明,区域性联合遗传评估的遗传力比单场评估更准确,同样,跨场联合评估育种值估计的准确性要高于单场遗传评估。杜洛克、长白、大白猪AGE联合评估的平均准确性比单场评估分别提高了20. 9%、11. 9%、17. 3%; BF联合评估的平均准确性比单场评估分别提高了21. 3%、16. 3%、21. 0%; TNB联合评估的平均准确性比单场评估分别提高了31. 2%、14. 4%、6. 6%。联合评估后群体规模变大,遗传变异增大,个体育种值估计准确性提高,有助于联合育种。因此,我国开展杜洛克、长白和大白猪3个品种的区域性联合遗传评估是可行的。     

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…     

传统的种猪育种原理及选种方法

一、育种原理1.确定育种目标目标的着眼点是经济效益最大值。AT=∑AiWi,式中的AT为综合育种值,Ai为性状i的育种值,Wi为性状i的经济加权系数。对于数量性状的育种,需考虑两个问题,一是目标性状,二是目标性状的经济加权值。2.利用加性遗传效应基因的传递过程中,加性效应是相对稳定的。加性效应值就是性状的育种值。这就要通过选择来获得加性效应的遗传进展。为此需要3个基本条件:(1)性状有变异。群体内变异幅度越大,获得的选择反应也越大。(2)变异是可以遗传的。有些变异是环境因素造成的,选择不会产生作用。相反,表型值变异中加性遗传效…     

利用不同亲缘信息对奶牛产奶量进行遗传评定的效果分析

本研究采用选择指数法对假定的14头奶牛利用个体、母亲、半姐妹和女儿等4种不同信息来源进行个体产奶量育种值估计的基础上,系统地比较了利用不同亲缘信息对奶牛产奶量进行遗传评定的准确性。结果表明,利用不同亲缘信息估计个体育种值的准确性随着提供信息的记录次数(或个体数)的增加而提高;当提供信息的记录次数(或个体数)不大(n≤30)时,利用4种亲缘信息估计个体育种值的准确性高低顺序依次为:个体、女儿、母亲和半姐妹;而当提供信息的记录次数(或个体数)足够多(n30)时,利用女儿信息对奶牛产奶量进行遗传评定的准确性是最高的,其次为个体、半姐妹和母亲。     

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     

公牛后裔测定中后裔组的最佳大小

应用后裔测定方法评价种公牛的育种值,是目前普遍采用的方法。因此,研究怎样合理地安排测定才能使遗传进展最大,是一个颇有意义的问题。影响后裔测定遗传进展的因素主要为:选择强度、所选性状的遗传方差和后裔测定的准确性。在测定规模一定的情况下,选择强度与公牛后裔组的大小是一对矛盾,只有在两者间选择一个适当的数值,才能使后裔测定的遗传进展最大。在实际的测定过程中:测定能力(即规模)往往是一定的,例如第i奶牛场最多只能容     

开放核心群不同开放程度下选育效果的计算机模拟研究

本文采用Monte Carlo方法随机模拟不同开放程度对开放核心群选育效果的影响。选育共进行了10个世代,世代不重叠,核心群2个世代开放1次,用引入种公畜的比例表示开放程度。每一世代种畜的选留依据是动物模型最佳线性无偏预测法估计育种值。结果表明:对核心群进行合理开放,能在一定程度上增加遗传进展,缓解近交上升的速度。然而,育种值估计准确性没有随开放程度的变化呈现出明显的规律性。     

估计育种值的方法概述

为了鉴定性能良好的父母代,我们需要知道它们的真正育种(遗传)值(TBV).然而,在现实生活中,我们不可能测量真实育种值,因此需要使用估计育种值(EBV).估计育种值准确度的定义是真实育种值与估计育种值之间的相关性.估计育种值的准确度可以从0(不准确的估计)到1(估计育种值是真实育种值的准确估计).     

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。     

2014世界肉鸡遗传育种与资源研究和技术发展报告

2014年,世界家禽遗传资源保存和利用仍然以活体原位保种为主,而评价方法继续推行分子标记方法。传统遗传育种技术与信息技术、统计学手段以及分子遗传等多学科的结合则越来越密切。大规模高通量的SNP检测技术相继建立和应用,全基因组选择已成为肉鸡遗传育种技术的研究热点之一,其研究主要集中于基因组选择的计算方法和基因组育种值估计准确性方面。而在我国国内,分子遗传育种仍是肉鸡遗传育种技术研究与开发的主题之一。     

应用最佳线性无偏估计法选择加系大约克猪选育的遗传进展与分析

多性状动物模型BLUP（Best Linear Unbiased Prediction，最佳线性无偏估计）法是当今最先进的一种育种值估计方法，其能消除各种固定环境因素的影响，利用各种亲属资料，考虑近交、选择等遗传因素，准确估计出各性状的育种值及综合育种值．从而大大提高了选种的准确性。浙江加华种猪有限公司从1997年至2005年6月。应用该法对加系大约克种猪4789头场内性能测定记录进行育种值估计，并用其软件（NETPIG）进行综合分析．达100kg体重的日龄在表型和遗传上分别缩短12．67天和2．35天；     

畜禽基因组选择方法研究进展

畜禽的选种选育在生产中至关重要,育种值估计是选种选育的核心。基因组选择（genomic selection,GS）是利用全基因组范围内的高密度标记估计个体基因组育种值的一种新型分子育种方法,目前已在牛、猪、鸡等畜禽育种中得到应用并取得了良好的效果。该方法可实现畜禽育种早期选择,降低测定费用,缩短世代间隔,提高育种值估计准确性,加快遗传进展。基因组选择主要是通过参考群体中每个个体的表型性状信息和单核苷酸多态性（single nucleotide polymorphism,SNP）基因型估计出每个SNP的效应值,然后测定候选群体中每个个体的SNP基因型,计算候选个体的基因组育种值,根据基因组育种值的高低对候选群体进行合理的选择。随着基因分型技术快速发展和检测成本不断降低,以及基因组选择方法不断优化,基因组选择已成为畜禽选种选育的重要手段。作者对一些常用的基因组选择方法进行了综述,比较了不同方法之间的差异,分析了基因组选择存在的问题与挑战,并展望了其在畜禽育种中的应用前景。