共查询到20条相似文献，搜索用时 31 毫秒
1.
2.
《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
3.
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
4.
《中国畜牧杂志》2020,(6)
选育优秀种公牛是奶牛育种的核心工作。在传统的奶牛育种中,优秀种公牛需要经过后裔测定进行选择,其选择准确性高,但选择周期长、育种成本高、效率较低。进入21世纪以来,基于基因组高密度标记信息的基因组选择技术成为动物育种领域的研究热点。利用基因组选择技术,不必通过后裔测定就可实现青年公牛早期准确选择,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。自2008年始,欧美主要发达国家就将基因组选择技术全面应用于奶牛育种中,世界范围内奶牛育种工作进入了基因组选择时代。我国自2012年开始在全国实施荷斯坦青年公牛基因组遗传评估。本文综述了欧美和澳洲几个国家的奶牛遗传评估现状,旨在为我国的奶牛育种工作提供借鉴。 相似文献
5.
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
6.
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
7.
8.
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.
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.
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
12.
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
13.
分子育种技术是在DNA水平上直接进行选择,通过对随机分布于整个基因组的分子标记的多态性进行比较,更加全面地了解研究对象的多态性,可以获得更大的信息量,选种的准确性也更高,进而提高奶牛生产效率和经济效益。作者从奶牛分子育种技术的角度入手,阐述了数量性状基因的定位、分子标记辅助选择、转基因育种以及全基因组关联分析这几方面的研究难点、存在问题和研究进展,指出分子育种技术在奶牛育种及改良过程中具有非常重要的作用,进一步研究并应用分子育种技术,不仅可以加速我国奶牛核心群的全面建设,而且对培育种公牛也是非常必要的手段。 相似文献
14.
《中国畜牧兽医》2020,(1)
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
15.
16.
17.
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
18.
19.
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。 相似文献
20.
为有效实现山羊基因组选择,提高选择准确性,根据前期对内蒙古绒山羊生产性能的遗传评估结果,以山羊的体重(h2=0.11)性状为例,结合NCBI已经公布的山羊基因组序列信息,设定群体传递过程和基因组参数,模拟获得个体表型和基因型数据,利用GBLUP和Bayes方法进行基因组育种值估计。结果表明,不同历史群体变化模式下,基因组选择对山羊体重基因组育种估计值准确性无显著影响(P>0.05)。GBLUP法估计的准确性高于Bayes Lasso,准确性达0.40。在历史群体下降模式下,基因组选择准确性高于恒定模式。 相似文献