共查询到20条相似文献，搜索用时 15 毫秒
1.
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
2.
联合育种是我国生猪遗传改良计划的重要工作，联合育种能够扩大群体规模，增加群体内遗传变异，提高育种值估计的准确性，且相较于传统育种方法对低遗传力的繁殖性状有着更明显的效果。本研究收集了河北大好河山养殖有限公司、河北裕丰京安养殖有限公司、石家庄清凉山养殖有限公司（以下分别简称大好河山、京安和清凉山）3家育种场共6 790条大白猪的繁殖性状，构建了基因组选择合并参考群体，通过基因型填充将纽勤50K(Geneseek)芯片基因型填充到液相50K，采用一步法进行基因组联合遗传评估。结果表明：清凉山与裕丰京安两场遗传背景相近，大好河山场与其他两场存在较远的联系；基于系谱信息预测大好河山个体的总产仔数育种值准确性为0.170，基因组预测准确性则为0.324；通过联合基因组遗传评估，总产仔数基因组预测的准确性进一步提升至0.347，比基于单场系谱信息提高了104%。本研究表明通过基因型填充统一各场SNP芯片类型，构建河北省大白猪繁殖性状基因组选择参考群，从而进行联合基因组选择是可行的，尤其对提高常规育种进展缓慢的繁殖性状意义重大。 相似文献
3.
《中国畜牧杂志》2020,(7)
在猪联合育种中,场间关联率(CR)常作为确定不同种猪群体能否开展联合遗传评估的指标,该指标则依赖于表型和系谱记录。随着猪基因组选择技术(Genomic Selection,GS)在现场育种中的应用和逐步推进,利用全基因组分子标记信息实现遗传背景较为接近的多个种猪群体的跨场联合遗传评估,是加快遗传进展的重要途径。然而,作为基因组联合遗传评估的基础,不同群体之间遗传联系的评价方法还是主要围绕对联合遗传评估结果的定性评价上。利用基因组信息来更加直接或定量的评价不同群体之间的遗传联系,对参考群体构建及育种目标的选择均会有积极的指导意义。本文综述了跨群体遗传联系评价的方法,并分别介绍了其在奶牛和猪联合育种中的应用情况,为探索更适合联合遗传评估群体间遗传联系评价的方法提供参考和思路。 相似文献
4.
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
5.
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
6.
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
7.
为探究基于A矩阵期望遗传关系最大化（maximizing the expected genetic relationship for matrix A,RELA）、基于A矩阵目标群体遗传方差最小化（minimized the target population genetic variance for matrix A,MCA）、平均亲缘关系最大化（the highest mean kinship coefficients,KIN）、随机选择（random selection,RAN）、共同祖先筛选（common ancestor,CA）等不同参考群筛选方法及参考群规模对基因型填充准确性的影响。本研究使用矮小型黄羽肉鸡作为试验群体,采用鸡600K SNP芯片（Affymetrix Axion HD genotyping array）进行基因分型,测定435羽子代公鸡45、56、70、84、91日龄体重。利用Beagle软件将低密度SNP芯片填充为高密度SNP芯片数据,比较不同参考群筛选方法、参考群规模对基因型填充准确性的影响,以及填充芯片基因组预测准确性。结果表明,使用Beagle 4.0结合系谱信息进行填充效果最佳,其次为Beagle 4.0,而Beagle 5.1填充效果最差。使用MCA方法筛选参考群进行基因型填充准确性最高,使用RAN方法筛选参考群进行基因型填充准确性最低,MCA、RELA、CA 3种方法基因型填充准确性差别较小。相比其他方法,使用MCA方法筛选个体作为参考群将低密度SNP芯片填充至高密度SNP芯片进行基因组选择的预测准确性较高,与真实高密度SNP芯片的基因组预测准确性相差甚微。随着参考群规模增大,基因型填充准确性也随之增加,但增速逐渐下降,最后趋于平缓。综上所述,可以通过参考群筛选方法构建参考群以及控制参考群规模,以保证基因型填充和基因组预测准确性并节省成本,本研究为基因型填充在畜禽遗传育种中的应用提供技术参考。 相似文献
8.
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
9.
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
10.
11.
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
12.
何炜 《青海畜牧兽医杂志》2005,35(5):35-37
详细阐述了分子标记在山羊遗传育种中的应用,重点论述了分子在山羊的起源和进化、群体亲缘关系及群体遗传结构分析、重要经济性状标记、基因图谱的构建和QTL定位、标记辅助选择（MAS）、系谱鉴定与亲子鉴定,以及杂种优势预测等方面的应用. 相似文献
13.
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
14.
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
15.
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
16.
17.
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
18.
《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
19.
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
20.
为提高云南黄山羊新品种培育的育种效率和遗传进展，准确度量育种素材波尔山羊黄色群体的近交程度及亲缘关系是一个有效途径。本研究采用简化基因组测序（GBS）技术对来自云南省种羊推广中心的37只黄色波尔山羊公羊进行测序，通过质控获取高质量高密度SNP变异信息，并使用Gmatrix v2、Plink v1.90、MegaX v10.0等软件进行主成分分析（PCA）、状态同源距离计算（identity by state，IBS）、基因型亲缘关系G矩阵构建、亲缘系数计算、NJ聚类分析和基因组近交系数计算。结果显示，在37只黄色公羊中检测出位于29条常染色体上的高质量SNPs位点88 393个，共检测出长纯合片段（ROH）1 537条，大小在1 000.582~18 400.12 kb之间，平均每条ROH长2 576.34 kb，平均含有93.15个SNPs；37只黄色公羊被分为11个家系，其中3个家系仅各有1只黄色公羊，家系A与K亲缘关系最远；基于ROH的群体平均基因组近交系数为0.043，其中3只黄色公羊的基因组近交系数>0.125，存在较多的近交积累。本研究结果为波尔山羊黄色群体在云南黄山羊新品种培育中的合理利用提供了科学依据，也为评估山羊个体近交水平、防止近交衰退、优化选种选配方案提供了有力的技术手段。 相似文献