共查询到20条相似文献，搜索用时 31 毫秒
1.
2.
国际奶牛基因组选择的发展概况 总被引：1，自引：1，他引：0
二十一世纪初,基因组选择(Genomic Selection,GS)技术给传统奶牛育种体系带来新的活力。该方法利用基因芯片技术实现规模化的SNP标记多态检测,基于各国积累的大量后裔测定遗传评估结果,实现单个遗传标记或多个遗传标记构成单倍型的遗传效应估计。基因组选择的方法仅利用新生后备种公牛的基因组检测信息,即可实现动物个体的基因组育种值(GEBV)估计,据研究报道,其可靠性高于传统的系谱选择,最高可达75%左右。基因组选择策略实现乳用种公牛的早期选择,极大缩短了奶牛遗传改良的世代间隔,节约选育成本,提高选育效率,目前已在多个奶业发达国家具体实施并公开发布评定结果。本文对国际奶牛基因组选择的发展概况进行归纳综述。 相似文献
3.
4.
基因组选择作为我国种猪遗传评估的一项实用技术已在全国推广应用，近年来国家和区域种猪基因组联合育种平台相继建立，作为该技术落地应用的技术支撑。在企业层面，需要根据自身育种工作基础和育种目标等情况，合理制定本企业的种猪基因组选育方案，利用好种猪基因组育种平台，通过该技术的落地应用来加速育种进展，更快更好地达到既定的育种目标。本文根据基因组选择技术基本原理和种猪育种的特殊情况，对集团化种猪企业基因组选择技术方案制定关键环节进行总结；此外，基于杜洛克种猪群体数据，系统分析了基因组早期选择的准确性和种猪选留效果。结果表明，通过基因组早期选择，断奶时提前阉割排名靠后的45%小公猪的情况下，依然能准确选出top5%和top10%的优秀公猪，表明可以通过基因组早期选择，同时达到准确选出优秀公猪和降低测定量的双重目标。 相似文献
5.
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。 相似文献
6.
7.
水禽是世界家禽养殖的重要组成部分，我国水禽产业包括肉鸭、蛋鸭及鹅三大产业。中国已经成为世界上最大的水禽生产国，中国的鸭和鹅饲养量和出栏量稳居世界第一。基因组选择作为一项重要的育种技术，已经在奶牛、生猪等家畜中得到广泛应用，其利用覆盖整个基因组的SNP位点，通过固态芯片、液态芯片、全基因组重测序、简化基因组测序等多种基因型测定手段，通过提高育种值估计的准确性、早期选择并为难以度量性状的提供基因组育种值等方法来加快性状改良速度，显著加快了性状遗传进展。然而，水禽基因组选择刚刚起步，如何根据水禽育种特点，加快基因组选择在水禽育种应用具有重要价值。本文综述了水禽基因组育种相关技术发展现状，并对未来发展提供了相关建议，以期为我国水禽育种工作提供参考和借鉴。 相似文献
8.
为了满足人们对畜产品需求的快速增长，必须在加快畜禽产业发展的同时把对环境的影响降到最低，提高畜禽遗传特性有望促进这一问题的解决。进入21世纪以来，以基因组选择为核心的分子育种技术迎来了发展机遇，利用该技术可实现早期准确选择，从而大幅度缩短世代间隔，加快群体遗传进展，并显著降低育种成本。虽然在某些畜种中（如奶牛），基因组选择取得了成功，群体也获得较大遗传进展，但仍无法满足快速增长的需求。因此，亟需寻找能够进一步加快遗传进展的方法。研究表明，在SNP标记数据中加入目标性状的已知功能基因信息，可以提高基因组育种值预测的准确性，进而加快遗传进展。而挖掘更多基因组信息的同时，开发更优化的分析方法可以更有助于目标的实现。文章总结了主要畜禽物种的可用基因组数据，包括牛、绵羊、山羊、猪和鸡以及这些数据是如何有助于鉴定影响重要性状的遗传标记和基因，从而进一步提高基因组选择的准确性。 相似文献
9.
10.
全基因组选择模型研究进展及展望 总被引：1，自引：1，他引：0
全基因组选择是一种利用覆盖全基因组的高密度标记进行选择育种的新方法,可通过早期选择缩短世代间隔,提高育种值估计准确性等加快遗传进展,尤其对低遗传力、难测定的复杂性状具有较好的预测效果,真正实现了基因组技术指导育种实践。随着芯片和测序技术日趋成熟,高密度标记芯片检测成本不断降低,全基因组选择模型的不断升级和优化,预测准确性不断提高,全基因组选择已成为动物遗传改良的重要手段和研究热点。目前,全基因组选择已经成为奶牛遗传评估的标准方法,并取得重要进展,在其它物种中的应用正在逐步开展。本文主要对全基因组选择的统计模型发展进行综述,总结全基因组选择在动物遗传育种中的应用现状,讨论当前存在的问题,并对全基因组选择模型的发展方向和应用前景进行展望。 相似文献
11.
12.
本研究收集了1 267头大白猪的生长性能测定记录和800头大白猪的繁殖记录,并用猪50K固相芯片（Geneseek）及基于靶向捕获测序技术的猪50K液相芯片（液相50K）进行基因型分型,比较2款芯片基因组选择的准确性。采用一步法模型,估计达百公斤体重日龄、百公斤活体背膘厚和总产仔数3个性状的基因组育种值。本研究探究不同参考群体规模对基因组选择的影响,生长性状设置500和1 000 2个参考群体规模,繁殖性状设置400和700 2个参考群体规模。结果表明,液相50K与Geneseek芯片具有很好的兼容性,液相50K在2个生长性状的基因组选择准确性比Geneseek平均高出1.7%,对总产仔数的基因组选择准确性略高于Geneseek,但提升幅度较小。2款芯片的并集使标记数增加到62 039个SNP,基因组选择准确性比单款芯片平均提升2.9%。无论是单款芯片还是2款芯片并集,随着参考群体规模扩大,基因组选择准确性明显上升。本研究表明液相芯片技术能够用于基因组选择且有优势,研究结果可为我国猪分子育种提供参考。 相似文献
13.
14.
旨在系统比较GBLUP、SSGBLUP、BayesA、BayesB、BayesC、BayesLASSO、BSLMM和BayesR等8种方法对猪重要经济性状基因组选择的准确性。本研究以本实验室收集的2 585头大白猪达100kg日龄、达100kg背膘厚和母猪乳头数3个性状为分析对象,结合猪50K基因芯片分型数据,以加性模型为基础,利用5倍交叉验证比较8种方法的基因组选择准确性。研究发现,基因组选择的准确性与不同性状估计遗传力呈正相关。交叉验证结果表明,预测准确性最高的性状为达100kg日龄,但不同方法在不同性状中表现并不完全相同,在达100kg日龄和达100kg背膘厚中SSGBLUP基因组预测准确性均为最高,而在母猪乳头数中BayesA的基因组预测准确性最高。综上表明,对小样本开展基因组预测时,中、高等遗传力性状可以选择SSGBLUP方法,低等遗传力性状可以选择BayesA方法。如何优化和选择一种广泛适用于所有性状的方法,可能是未来研究的方向。 相似文献
15.
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。 相似文献
16.
2006年,北京市建立了种猪遗传评估数据平台。截止到2021年底,平台共收录371.46万头种猪系谱信息,51.23万条达100 kg体重日龄记录,50.90万条达100 kg活体背膘厚记录和45.15万条窝产仔记录。2015年,北京市将常规育种与基因组育种相结合,启动了种猪基因组选择育种平台构建工作,北京市种猪遗传评估进入基因组选择时代。截止到2021年底,平台建立了大白猪基因组选择参考群体,规模达到5 335头;开发基因组遗传评估系统,实现了将复杂的基因组选择计算过程转化为“一键式”操作;利用一步法（ssGBLUP）对9个种猪场的4 631头大白猪进行基因组遗传评估。基因组选择实施后,选择准确性大幅提高。早期选择时,达100 kg体重日龄的育种值准确性由0.56提高至0.66,达100 kg活体背膘厚的基因组育种值准确性由0.56提高至0.70,总产仔数育种值准确性由0.41提高至0.60。终选时,达100 kg体重日龄的育种值准确性由0.69提高至0.79,达100 kg活体背膘厚的基因组育种值准确性由0.72提高至0.80,总产仔数性状育种值准确性由0.41提高至0.61。基因... 相似文献
17.
全基因组选择技术在牧场的应用 总被引：1，自引：0，他引：1
奶牛育种是牧场管理工作中的基础工作,全基因组选择技术为牧场奶牛育种提供了新的育种工具,是目前奶牛选种育种已成熟使用的最前沿技术,该技术主要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个体进行遗传评估,可以大幅提高育种值估计准确度、缩短世代间隔、降低群体的近交水平,快速提升个体遗传进展和生产水平。本文对全基因组选择技术的发展、遗传进展进行了论述并对牧场检测的头胎母牛305d产奶量、乳脂率、乳蛋白率等表型值与基因组检测的产奶量、乳脂率、乳脂量、乳蛋白率、乳蛋白量5个生产性能单性状育种值进行分析,为基因组选择在牧场的应用提供参考。 相似文献
18.
牛胚胎基因组选择(embryonic genome selection, EGS)是指活检牛早期胚胎中部分滋养层细胞,通过微量胚胎细胞全基因组扩增,进行遗传育种值评估,筛选出优质早期胚胎。该项技术的基本步骤是：对第6天左右的早期牛囊胚进行活检取样,利用显微切割系统切取微量滋养层细胞,随后通过微量细胞全基因组扩增(whole genomic amplification),经单核苷酸多态性(single-nucleotide polymorphism)分析后,对早期胚胎进行生产性能预测,从而筛选出基因型优良的胚胎进行移植。本文总结了EGS技术中常用的活检方法、扩增方法,并概述了该技术在牛上的应用现状与该项技术当前存在的一些问题,以期为未来EGS技术的全面发展提供参考。 相似文献
19.
全基因组选择是指基于基因组育种值（GEBV）的选择方法,指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个体进行遗传评估,以期获得更高的育种值估计准确度。由于可显著缩短世代间隔,全基因组选择作为一项育种新技术在奶牛育种中具有广阔的应用前景,目前已经成为各国的研究热点。不同国家的试验结果表明,奶牛育种中基于GEBV的遗传评估可靠性在20%~67%之间,如果代替常规后裔测定体系,可节省92%的育种成本。本文综述了全基因组选择的基本原理及其在各国奶牛育种中的应用现状和所面临的问题。 相似文献
20.
本研究旨在探讨系谱错误对猪基因组选择的影响。模拟数据研究表明，随着系谱错误率增加，基因组选择估计育种值的准确性、无偏性和秩相关系数均逐步减小，20%系谱错误率相较0%时准确性、无偏性和秩相关系数分别由0.423 3、0.174 9、0.409 9降为0.358 2、0.103 1、0.346 9；当基因型检测个体数目增多，0%与20%系谱错误率下基因组选择估计育种值准确性的差值缩小。研究表明，本研究所分析育种场群中系谱错误率约为3.2%；应用基因组选择一步法对有表型及系谱记录的大白猪进行育种值估计的准确性为0.4471，利用基因型数据矫正部分系谱错误后，准确性提高0.42%。以上结果表明，系谱错误的存在会降低基因组选择的育种值估计准确性，使育种值的估计无偏性变小；通过增加基因型检测数目可以减少系谱错误对基因组选择造成的负面影响。 相似文献