华西牛胴体及原始分割肉块重量性状遗传参数估计与全基因组关联分析

旨在利用基因组信息来估计华西牛胴体性状与原始分割肉块重量性状遗传参数并挖掘与之相关的重要候选基因。本研究以1 585头18月龄华西牛屠宰个体17个胴体及原始分割肉块重量性状为研究对象，利用GCTA与R软件以及770K高密度芯片数据，对17个性状进行遗传参数估计以及候选基因挖掘。结果显示，四肢及臀部区域原始分割肉块重量性状属于高遗传力性状(0.41～0.57),躯干部分原始分割肉块重量以及出栏重、胴体重、屠宰率、净肉率属于中等遗传力性状(0.19～0.39)。GWAS分析共检测出26个显著SNPs位点并定位到24个候选基因，富集分析显示相关候选基因参与细胞增殖、脂质代谢及能量转换等过程，NSMF、NOXA、TEFM、MATN1、MKX、FOXO1等基因为华西牛肌肉生长候选基因。结果为华西牛后续育种策略的细化提供参考。     

中间偃麦草全基因组的选择

为了有效实现中间偃麦草全基因组的选择,选用GBLUP,贝叶斯方法中的BayesA、BayesB、BayesCπ,使用5倍交叉验证的方式进行中间偃麦草7种不同性状全基因组的选择研究。结果显示,用4种方法估计7种性状育种值的最优准确度分别是0.673±0.056(自由脱粒率,BayesB)、0.654±0.154(穗产量,BayesB)、0.561±0.064(株高,BayesB)、0.434±0.104(落粒性,BayesB)、0.572±0.081(种子质量,BayesCπ)、0.231±0.067(每个花序小穗数,BayesCπ)、0.437±0.064(穗长,BayesA)。贝叶斯方法的估计准确度普遍高于GLUP法的估计准确度,说明贝叶斯全基因组选择方法在中间偃麦草全基因组选择的准确度方面有较明显的优势,BayesB准确度的优势最明显。此外,介绍了试验中不同性状全基因组估计的育种值,以便有助于中间偃麦草的选育工作。     

华西牛与雪龙黑牛背最长肌重量的全基因组关联分析

为了筛选华西牛和雪龙黑牛背最长肌重量相关的遗传标记和候选基因,试验以1 478头华西牛和452头雪龙黑牛为研究对象,对其背最长肌重量性状进行全基因组关联分析(genome-wide association study, GWAS),即测定其屠宰后背最长肌重量表型数据,利用Illumina Bovine-HD(770K)芯片对其基因组进行基因分型,采用FarmCPU模型和GEMMA模型对质控后的芯片数据进行GWAS,挖掘与华西牛和雪龙黑牛背最长肌重量显著相关的单核苷酸多态性(single nucleotide polymorphism, SNP)位点和候选基因。结果表明：华西牛与雪龙黑牛群体背最长肌重量表型性状均符合正态分布,且二者芯片数据经过质控后分别得到607 198,511 320个SNP位点,这些SNP位点在二者各个染色体上的分布比较均匀;利用FarmCPU模型在华西牛与雪龙黑牛群体分别检测到12个和9个与其背最长肌重量显著相关的SNP位点,且华西牛群体的显著SNP位点分别位于1,5,7,11,12,13,15,16,22,23号染色体上,鉴定到KCNAB1、PFN2、RNF13...     

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。     

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。