利用分子标记信息和QTL随机效应模型进行个体遗传评定的效果

利用分子遗传标记信息和随机QTL效应模型,研究了个体遗传评定的效果.结果表明,采用分子标记信息,一般都可提高种畜遗传评定的准确性;对于遗传力较低而QTL方差贡献较大的性状,采用标记辅助遗传评定效果较好;将QTL效应作为随机效应,可以提高种畜效应值估计的效果.     

不同基因辅助选择方法对QTL的选择效率

 在假定目标性状由一个QTL和多基因共同控制的基础上,采用计算机模拟方法研究了在一个闭锁群体内分别采用基因型选择（GTS）、基因辅助BLUP（GBLUP）和常规动物模型BLUP方法对单个性状实施连续选择的效果,并以常规动物模型BLUP为参照,分析了GTS和GBLUP方法对目标性状QTL的选择效率。结果表明：与常规动物模型BLUP相比,GTS和GBLUP选择均可获得更大的QTL基因型值进展,QTL增效等位基因频率上升的速度也更快;与GBLUP相比,GTS方法对QTL的选择效率更高。GTS和GBLUP对QTL的选择优势在短期选择时较为明显,随着世代的递增,这种优势将逐渐降低甚至消失。     

性状的遗传力对标记辅助导入效率的影响

分析性状的遗传力对标记辅助导入效率的影响,期望为实践中标记辅助导入提供参考。对于标记辅助导入1个QTL过程,采用两侧标记选择进行前景选择,MBLUP为背景选择,对于前景性状和2个背景性状给出3种遗传力水平,即0.20、0.10、0.15(低);0.50、0.30、0.40(中);0.80、0.50、0.70(高)。结果表明,导入QTL频率和前景性状遗传进展在遗传力为低、中、高之间差异很小,在横交阶段,中遗传力和高遗传力组的导入QTL频率和前景性状遗传进展略高于低遗传力组。     

F2群体动态性状基因定位的极大似然分析

把表型值随着时间(生命时期、年龄、胎次等)或其他可以量化的因素(生理状态、生产水平、代谢率和环境条件等)变化的性状称为动态性状。受动物遗传育种中用来估计动态性状育种值的随机回归测定日模型思想的启发,将关于时间(测定日期)的Legendre多项式镶嵌在遗传模型的每个遗传效应中,以刻画QTL对动态性状变化过程的作用,从而建立起动态性状基因定位的数学模型。以F2遗传设计群体为例,论述了动态性状基因定位分析的基本原理,推导了QTL效应大小和位置的极大似然法估计过程。选择3次Legendre多项式为子模型,采用MonteCarlo方法模拟F2设计群体,研究抽样群体大小和测定日密度对不同遗传力QTL检测效力的影响。利用正交设计安排因素试验组合,分析模拟试验结果表明:高遗传力的要比低遗传力的QTL在检测时需要较少个体数和测定日抽样;但不论QTL的遗传力多大,300以上的群体大小和5%以上的测定日密度都可以保证足够高的检测效力。     

基于标记辅助的两个QTL导入

为了将多个有利QTL导入到同一个群体中,模拟研究了在标记辅助的育种过程导入两个QTL,分析了不同试验设计和不同背景选择方法对标记辅助导入效率的影响。结果表明,在两种试验设计中,在回交阶段,试验设计2的导入QTL频率略高于试验设计1,在横交阶段基本无差异。GS、MS和MIS选择方法对遗传背景的恢复比较好,而MBLUP、BLUP、PH和MIS选择方法获得的背景性状的遗传进展较大,MIS选择方法对于遗传背景的恢复和背景性状的遗传进展取得较好的结果 。     

不同遗传力和标记密度下QTL区间定位的效果*

 采用计算机模拟方法系统比较了目标数量性状的遗传力和标记密度对F2设计下单个性状数量性状座位(QTL)区间定位效果的影响。研究结果表明：随着性状遗传力的升高，QTL的检测效率以及QTL位置估计的准确性和精确性也提高，但对QTL加性效应和显性效应估计的效果则无明显影响；在一定范围内提高遗传图谱上的标记密度对保证QTL的定位效果具有积极的意义，但当相邻标记间的图距缩小到一定程度（5~10 cM）时，进一步增加标记密度并不能改进QTL定位的效果。同时，对遗传力过低的性状实施QTL定位，单纯增加标记密度无益于改进QTL定位的效果。     

主基因-多基因性状与微效多基因性状的综合选择指数研究

【目的】建立主基因-多基因性状和微效多基因性状混合遗传体系数量性状的综合选择指数数学模型,为育种工作者提供一种有效的选择方法,并为主基因-多基因的DNA标记提供有用的信息。【方法】以单性状分析作为基础,建立了主基因-微效多基因性状、微效多基因性状综合选择指数计算模型,利用混合正态分布的EM算法,对选择性状中的主基因-多基因性状进行分离分析,确定主基因遗传力和遗传方差在遗传中所占的比例,并利用建立的模型在水稻中进行了实例分析。【结果】主基因遗传力占遗传力的74.93%;综合选择指数的遗传方差和表型方差存在微小差别。【结论】利用混合性状的综合选择指数模型,可确定性状中主基因遗传方差和遗传力所占比例的大小,为DNA标记辅助育种提供有用信息。     

随机效应模型下标记-QTL连锁分析方法

在QTL随机模型的框架内，通过对QTL方差组分的最大似然估计，进行家畜一般系谱群体的QTL-标记连锁分析，研究中同时考虑了性状遗传力和QTL效应的不同水平对QTL定位效果的影响。结果表明，采用QTL随机效应模型可以有效地进行标记-QTL间的连锁分析并可获得较高的检验功效，QTL位置与效应参数的估计均在合理的范围内；同时，性状遗传力和QTL方差贡献对QTL定位准确度和功效均有较大的影响，随着性状遗传力和QTL方差贡献的增大，参数估计的准确性和检验功效提高。固定性状遗传力的情况下（h^20=0．1），QTL效应由0．1→0．5时，相应的检验功效由17％提高到49％；当遗传力和QTL效应均提高到0．5时，QTL检验功效最高达到88％。     

不同留种策略下基因辅助BLUP的选择效果

为揭示基因辅助最佳线性无偏预测(BLUP)方法在不同留种策略下的选择效果,在假定目标数量性状同时受1个双等位基因QTL和多基因共同控制的前提下,模拟了在一个闭锁群体(10头公畜、190头母畜)内采用标记辅助BLUP连续选择10代的情形。选择试验共考虑了3种留种策略:策略Ⅰ仅根据个体估计育种值(EBV)高低留种;策略Ⅱ在每个公畜家系内选留EBV最高的1头公畜和19头母畜;策略Ⅲ在每个公畜家系内选留1头EBV最高的公畜,在每个母畜家系内选留EBV最高的1头母畜。结果表明,留种策略Ⅰ的遗传进展(包括QTL基因型值和多基因育种值进展)最高,QTL增效等位基因频率上升速度最快,其次为策略Ⅱ,策略Ⅲ的遗传进展最低,QTL增效等位基因频率上升最慢;不同留种策略下的群体近交系数总体上呈现策略Ⅰ策略Ⅱ策略Ⅲ的规律,但策略Ⅱ的群体近交系数与策略Ⅲ接近且远低于策略Ⅰ。在育种实践中实施基因辅助BLUP选择时,策略Ⅱ既能保证较高的遗传进展,又能有效控制近交,因而不失为一种理想的留种策略。     

鸡12周龄体重的主基因+多基因混合遗传分析

研究以仙居鸡和隐性白羽鸡为材料,测定亲本P1、P2、F1和F2 4个世代的12周龄体重,应用4个世代数量性状主基因+多基因混合遗传分析方法,分析鸡体重遗传规律,可为该性状的QTL初级与精细定位、体重的选育和分子标记辅助选择育种提供基础。结果表明:以性别和正反交矫正后的鸡12周龄体重为2对等显性主基因+加性-显性多基因混合遗传模型,主基因的遗传率为0.610 4,多基因的遗传率为0.165 9,且两主基因的效应相等。     

猪基因组选择“两步走”策略的计算机模拟评估

【背景】基因组选择育种自2001年被MEUWISSEN等提出以来,已广泛应用在奶牛、猪等重要家畜的育种中,并显著加快了其重要经济性状的遗传改良速度。2017年,在全国畜牧总站的组织协调下,在全国生猪遗传改良计划框架内,猪全基因组选择育种平台项目正式启动。【目的】尽管基因组选择在种猪选育中取得了良好的效果,基因分型技术的不断升级也带来了成本的持续下降,但对于我国多数核心育种场依然面临着基因芯片分型个体数量不足、基因组选择实施流程不完善等问题,限制了该技术的大规模推广应用。结合我国生猪育种的实际情况,研究提出了一种“终测选择-早期选择”的“两步走”基因组选择策略。“终测选择”指在终测结束后利用一步法基因组BLUP对后备猪进行遗传评估,当群体中芯片分型个体数量达到一定规模后进行“早期选择”。【方法】以杜洛克、长白和大白三个种猪品种真实的50K基因芯片数据作为基础群体对不同品种分别进行大群模拟,共模拟4个世代,前3个世代作为基础群体,第4个世代作为测试群体,每个个体模拟两个性状（中等遗传力性状和低遗传力性状）,利用猪基因组选择育种平台基于HIBLUP软件计算不同品种、不同性状的育种值,比较一步法基因组BLUP和常规BLUP两种方法的预测准确性。根据测试群个体有无终测成绩对其基因组育种值影响大小来评估早期选择效果。【结果】分析表明在3个品种内中等遗传力性状的终测选择效果和早期选择效果均好于低遗传力性状。一步法基因组BLUP的选择准确性均优于常规BLUP的选择准确性,并且随着测试群中芯片分型个体数量的增加、群体规模的扩大,预测准确性越来越高。一步法基因组BLUP的早期选择效果好于常规BLUP,当群体中芯片数量达到2 000张时就可以开展早期选择,阉割排名后30%的个体,可以保证前1%的优秀个体不会被错误淘汰,并且随着芯片数量的增加、早期选择的效果会越来越好。【结论】基因组选择“两步走”的策略符合我国国情、容易在生猪育种中推广实施。当芯片数量较少时,可以开展“终测选择”,一定程度上提高选择的准确性,提高育种效率;当芯片数量较多时,可以开展“早期选择”,对排名靠后的猪只个体进行早期阉割,增加优秀个体的测定量,增大选择强度、加快遗传进展。“两步走”策略符合我国生猪产业基因组选择育种的实际需求,该策略的实施将有利于推动我国猪基因组选择的应用、加快种猪改良进程。     

仔猪初生窝重性状的遗传评估

本文旨在计算温氏某育种场大白猪初生窝重性状的遗传参数,并评估基因组选择不同计算方法对初生窝重性状的选择准确性。利用DMU软件和动物模型估计初生窝重的方差组分,包括加性方差组分和永久环境效应方差组分,并计算性状的遗传力。通过简化基因组测序分型方法,构建大白猪基因组选择参考群体,并利用GVCBLUP和BLUPF90软件,验证群体分别使用BLUP、GBLUP和ssGBLUP方法计算估计育种值的准确性。结果显示：初生窝重的遗传力为0.08,为低遗传力性状。初生窝重与总产仔数、产活仔数、健仔数和弱差猪仔数遗传相关系数分别为0.59,0.68,0.88和-0.17。基因组选择结果显示,验证群体ssGBLUP育种值估计的准确性最高,达到0.38,比常规BLUP方法提高了15.79%,与BLUP估计育种值秩相关达到0.63。对初生窝重的选择,可有效提高产仔数;且结合ssGBLUP方法的基因组选择,能够有效提高估计育种值的准确性。     

蜜蜂主要数量性状遗传参数估计的研究进展

遗传参数估计是蜜蜂遗传育种工作中不可或缺的部分,蜜蜂遗传力估计的复杂性在于许多经济性状同时受到大量工蜂和蜂王的共同影响,同时交尾的特殊性——蜂王的多雄交配和雄蜂单倍体的情况,也使得亲缘关系的计算十分复杂。蜜蜂遗传参数估计方法从母子回归、姐妹回归,一直发展到现在的BLUP动物模型,系谱信息愈发完善,亲缘关系的计算更加成熟,遗传参数估计更加准确,这些工作对蜜蜂的主要性状取得较大遗传进展贡献巨大。介绍了蜜蜂遗传参数估计的特殊性、亲缘关系的计算和BLUP动物模型在蜜蜂遗传参数估计中的使用。BLUP动物模型已在其他国家蜜蜂育种中使用并取得明显的遗传进展,对我国蜜蜂数量遗传育种的发展具有借鉴意义。     

利用GLMM方法估计家畜阈性状的遗传力

将广义线性混合模型（GLMM）技术引入家畜阈性状的遗传分析,对不同参数组合下阈性状的遗传力及准确度进行了估计,模拟研究的性状为单阈值和3阈值离散性状,试验设计为全同胞-半同胞混合家系.结果表明,GLMM方法能有效地估计阈性状的遗传力,其准确性有较大的优势.不同参数组合下,单阈值与3阈值分类性状的遗传力估计均方误（MSE）均在0.018 4以下;遗传力参数的估计偏差（BIAS）均小于0.429 0.同时,性状的遗传力和性状的表型发生率对遗传力估计效果都有直接影响,随着性状遗传力真值的提高,GLMM方法出现高估现象;随着性状发生率的提高,GLMM方法估计的遗传力结果有上升的趋势.说明利用GLMM方法估计家畜阈性状的遗传力是可行的.     

大豆γ-生育酚的混合遗传分析与QTL定位

【目的】通过对大豆γ-生育酚进行混合遗传和QTL定位分析,了解其遗传机制,定位其主效QTL,为高γ-生育酚含量大豆品种的选育奠定基础。【方法】以栽培大豆晋豆23为母本,以山西农家品种大豆灰布支黑豆为父本杂交衍生的重组自交系作为供试群体构建遗传图谱。图谱全长2 047.6 cM,平均图距8.8 cM,包括227个SSR标记,232个标记位点。重组自交系试验群体及亲本材料分别于2011年、2012年和2015年夏季在河南省农业科学院原阳试验基地种植,冬季在海南省三亚南繁试验基地种植。田间试验采取随机区组设计,2次重复。从6个环境中每个家系选取15.00 g籽粒饱满,大小一致的大豆种子,利用高效液相色谱法定性、定量测定样品中的γ-生育酚含量。采用主基因+多基因混合遗传分离分析法,对大豆γ-生育酚含量进行混合遗传分析;采用WinQTLCart 2.5复合区间作图法,对大豆γ-生育酚含量进行QTL定位分析。【结果】主基因+多基因混合遗传分析表明,γ-生育酚受2对重叠作用主基因×加性多基因控制。遗传基因分布在双亲中。三亚试验数据检测出2对主基因间上位性效应值为0.4010—0.5169和多基因的加性效应值为0.1797—0.2146,主基因遗传率为11.27%—13.05%,多基因遗传率为82.51%—86.55%,多基因效应大于主基因效应。原阳试验数据检测到2对主基因间上位性效应值为0.9646—1.8455,主基因遗传率为39.51%—58.96%,没有检测出多基因效应。采用WinQTLCart 2.5复合区间作图（CIM）共检测到9个影响γ-生育酚的QTL,分布于A1（Chr.5）、A2（Chr.8）、C1（Chr.4）、K（Chr.9）、M（Chr.7）和G（Chr.8）6条染色体中,单个QTL的贡献率为7.29%—29.55%。qγ-G-1同时在2011年原阳、2012年三亚、2015年三亚3个环境下检测到,且均定位在G（Chr.18）染色体Satt275—Satt038标记区间0.01 cM处,解释的表型变异分别为8.97%、8.12%和7.91%。qγ-A1-1同时在2011年原阳和2015年原阳2个环境下检测到,且均定位在A1（Chr.5）染色体Satt276—Satt364标记区间0.01 cM处,解释的表型变异分别为29.54%和28.23%。qγ-G-1和qγ-A1-1 2个QTL能够稳定遗传。【结论】γ-T最适遗传模型符合MX2-Duplicate-A,即2对重叠作用主基因×加性多基因模型。其遗传同时受到基因型、环境和上位性的影响。检测到γ-T的2个稳定主效QTL,Satt275—Satt038和Satt276—Satt364是共位标记区间。     

群体规模和性状遗传力对F2设计下QTL定位效果的影响

 以F₂设计为资源群体，以区间定位分析为QTL定位的方法，通过计算机模拟，系统地比较了不同资源群体规模和性状遗传力下QTL检测效率,QTL位置和效应估计的准确性和精确性，以期揭示出两个因素对QTL定位效果影响的一般性规律。结果表明：适当扩大资源群体的规模，不仅有助于提高QTL的检测效率，而且还可提高QTL位置和效应估计的可靠性；当对高遗传力性状的QTL实施定位时，QTL的检测效率以及QTL位置估计的准确性和精确性相对较高，但QTL效应估计的可靠性则会有所降低。     

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。