共查询到20条相似文献，搜索用时 250 毫秒
1.
旨在通过测定基因组选择选留的大白公猪的后裔生产性能,探究基因组选择实际育种效果。本研究选用913头大白猪构建参考群体,利用ssGBLUP对新出生的823头大白公猪在去势前进行第一次基因组评估,待生产性能测定后进行第二次基因组评估,最终选留10头性能差异显著的公猪留种,比较其后代生长性状表型和育种值及综合选择指数差异。结果表明,两次基因组遗传评估,达100 kg体重日龄、100 kg活体背膘厚和总产仔数3个性状基因组育种值（GEBV）估计准确性分别由0.56、0.67和0.64提高至0.73、0.73和0.67,两次基因组选择基因组母系指数相关系数为0.82,表明在去势前进行公猪基因组选择具有较高的准确性,可实现种猪早期选择。根据各性状GEBV和基因组母系指数,10头公猪被划分为高、低生产性能组,后裔测定成绩表明,两组公猪后代100 kg体重日龄表型均值之差为2.58 d,育种值之差为3.08 d,100 kg活体背膘厚表型均值之差为1.15 mm,育种值之差为1.03 mm,综合母系指数均值之差为9.3,除后代100 kg体重日龄表型均值之差外,其他差异均达到极显著水平。本研究证明,在基因组评估中具有显著差异的公猪其后代在表型值和育种值等方面均存在显著差异,通过基因组选择能够挑选出优秀种公猪,可将其遗传优势传递给后代。 相似文献
2.
生猪产业是关乎国计民生的重要产业，种猪是生猪产业发展的基础和关键，要想加快种猪性能改良进展，需要基因组选择技术的应用。本文从现场实际育种工作出发，介绍一款种猪育种分析平台。该平台是在Linux系统下，基于C#语言和.net语言共同开发完成，可在Windows10系统下运行。该平台可以大幅度降低现场育种人员的工作量，使其可以更加便捷地使用基因组选择技术进行育种，加快推进种猪育种工作。另外，在未来的发展中，平台还会根据不同企业或者实际情况整合更多的理论成果，比如：系谱校正、全基因组关联分析等。 相似文献
3.
基因组选择在我国种猪育种中应用的探讨 总被引：5，自引：0，他引：5
种猪育种对我国养猪业起着极其重要的作用。基因组选择在我国猪育种生产中的应用水平尚不及欧美发达国家的种猪企业。完整的性能记录、高效的数据系统和资金投入的缺乏是制约基因组选择在我国猪育种生产中应用的重要因素。基因组选择能够增加不同性状遗传评估的育种值准确性,尤其是增加低遗传力性状的准确性。基因组选择在杂交优势、选配和多品种评估方面均具有应用优势。我国种猪企业需要进一步完善表型和性能数据的收集,制定长期的育种规划。通过区域性的联合评估和基因组选择技术的应用,加速群体的遗传进展,加速提升我国商品猪的生产性能。 相似文献
4.
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
5.
6.
《中国畜牧杂志》2017,(11)
基因组选择(Genomic Selection,GS)技术是利用覆盖全基因组与性状相连锁的标记信息,通过标记效应的求解和加和,得到个体基因组估计育种值(GEBV),从而达到对畜禽个体进行准确选择的目的。该技术率先在奶牛育种中得到广泛应用。在猪育种中,以杜洛克猪为代表,基因组选择技术的应用可以达到早期选择和提高选择准确性的效果,然而对于母系猪(以繁殖性状选择为主),并没有经济有效的利用方案。本文首先对基因组选择应用过程中关键问题进行讨论;其次简要介绍了基因组选择技术在父系猪中的应用情况;最后围绕我国母系猪育种的现状,探讨基因组选择技术在母系猪中如何应用。 相似文献
7.
基于不同密度SNP芯片在杜洛克公猪中的全基因组选择效果分析 总被引：1，自引：0，他引：1
《中国畜牧杂志》2019,(12)
基因组选择(GS)是近些年发展起来的一项新型育种技术,目前已在动植物育种实践中应用。本研究通过在1 068头杜洛克公猪群体中使用不同密度的SNP芯片进行全基因组选择效果比较分析。结果发现:使用基因型填充后芯片以及高密度SNP芯片所获得的估计基因组育种值(GEBV)之间可以达到99%的相关,并发现个体间亲缘关系的远近对同群体内基因型填充结果的准确率影响不大。由此可见,与目标性状紧密相关的低密度SNP芯片可用于实际育种工作,在降低使用成本的同时并不影响全基因组选择效果,为实质性进行猪分子育种提供了一条可行途径。 相似文献
8.
目前,基因组选择（genomic selection,GS）技术已经在种猪育种中开展,但为获得较高的收益,还需研究一些应用策略,如确定仔猪基因分型个体比例和早期仔猪留种比例。本试验选择温氏集团出生于2011—2016年的大白种猪作为研究对象,共有超过4.5万条的生长测定记录,超过7万条繁殖记录,和2 090个个体的简化基因组测序（GBS）数据,其中,出生于2016年7~12月的440个体作为候选群体。研究性状包括两个生长性状（校正100 kg日龄和校正100 kg背膘厚）和一个繁殖性状（总产仔数）。为对比预测效果,在候选群体进行育种值预测时,按照是否利用其基因型或表型信息分为4种预测方案,比较不同方案的预测可靠性和个体选择指数的排名情况。结果显示,在预测候选群育种值时,利用其表型或基因型信息均比不利用时的预测结果更加可靠。对生长性状终测前、后进行基因组选择指数计算,发现,终测后指数排名前30%的个体都位于终测前指数排名前60%内。若仔猪出生后仅选择常规BLUP预测指数排名前60%的个体,会导致有接近15%的具有优秀潜力的个体被遗漏。本研究建议,对所有新生健康仔猪都进行基因分型并计算基因组选择指数,然后对指数排名靠前60%的个体进行性能测定。 相似文献
9.
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
10.
为探究单步基因组最佳线性无偏预测(SSGBLUP)法应用于生猪育种的选择效果，选取杜洛克、长白、大白种猪共1 996头，利用SNP芯片获得个体基因型数据，结合表型数据和系谱数据，利用HIBLUP软件的SSGBLUP模型和基于系谱的最佳线性无偏预测(PBLUP)模型分别计算估计育种值，参考全国种猪遗传评估中心的标准计算综合选择指数，利用理论准确性和后裔测定成绩评估选择效果。结果表明：通过SSGBLUP法计算达100 kg日龄、达100 kg背膘厚及总产仔数的基因组估计育种值(GEBV)与PBLUP法计算的估计育种值(EBV)的相关系数均大于0.8;达100 kg日龄、达100 kg背膘厚及总产仔数GEBV准确性相对于EBV准确性均有所提高；SSGBLUP法与PBLUP法选留的长白和大白种猪，其后代的生长速度显著优于场内选择法选留种猪的后代。本试验中，SSGBLUP法与PBLUP法均能有效提高选留种猪后代的生长速度且二者分别计算的GEBV和EBV相关性高，但SSGBLUP法选种的准确性更高，后期可利用全基因组选择对场内现有种猪进行选种指导。 相似文献
11.
旨在比较结合全基因组关联分析（genome-wide association study,GWAS）先验标记信息的基因组育种值（genomic estimated breeding value,GEBV）估计与基因组最佳线性无偏预测（genomic best linear unbiased prediction,GBLUP）方法对鸡剩余采食量性状育种值估计的准确性,为提高基因组选择准确性提供理论与技术支持。本研究选用广西金陵花鸡3个世代共2 510个个体作为素材,其中公鸡1 648只,母鸡862只,以42～56日龄期间的剩余采食量（residual feed intake,RFI）为目标性状,将试验群体随机分为两组,其中一组作为先验标记信息发现群体,用于GWAS分析并筛选最显著的top5%、top10%、top15%和top20%的位点作为先验标记信息;另外一组分别结合不同的先验标记信息进行遗传参数估计并比较基因组育种值的预测准确性,使用重复10次的五倍交叉验证法获取准确性,随后两组群体再进行交叉验证。研究结果表明,GBLUP计算RFI的遗传力为0.153,预测准确性为0.387～0.429,结合GWAS先验标记信息的基因组选择方法计算RFI的遗传力为0.139～0.157,预测准确性为0.401～0.448。将GWAS结果中P值最显著的top10%～top15%的SNPs作为先验信息整合至基因组选择模型中可以将RFI的预测准确性提升2.10%～5.17%。 相似文献
12.
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
13.
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
14.
15.
16.
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
17.
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
18.
张佳 《国外畜牧学(猪与禽)》2012,32(4):22-24
3场内测定方案
场内测定方案专为帮助种猪生产者利用系统的方法评估他们的动物而设计.本章介绍的方案将帮助育种者:(1)选择他们育种方案中要使用的公猪及母猪;(2)提供鉴别血缘、品系或品种中优秀个体的方法;(3)提供经过测定的高性能种猪;(4)向养猪业传达使用统一术语和种猪选择指南的好处. 相似文献
19.
基因组选择是当前畜禽育种领域一项热门的分子育种方法,已经在实际育种中得到应用并取得良好的效果。基因组选择使用数学模型计算出覆盖全基因组范围内的高密度标记的效应值,从而得到个体基因组估计育种值,再进行高效的选种选配工作。该方法可以提高传统育种值估计的准确性,实现畜禽育种早期选择,缩短世代间隔,从而加快遗传进展。同时,随着第二代测序平台和基因芯片技术不断成熟,单核苷酸多态性（Single nucleotide polymorphism,SNP）标记已成为普遍且重要的动植物研究手段,SNP芯片检测成本也不再高昂。文章综述了常见的基因组选择模型及其在家禽育种中的应用,讨论了其面临的挑战,并且展望了其应用前景,为我国地方家禽保护、评价和利用提供参考。 相似文献