排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
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
2.
旨在使用加权一步法全基因组关联分析方法，充分利用群体的表型、系谱和基因型信息，探索与大白猪眼肌面积、估计瘦肉率和背膘厚相关的候选基因。本研究收集21 754头大白猪眼肌面积、估计瘦肉率和背膘厚的表型记录数据，其中基因型数据个体共1 259头。通过方差分析和加权一步法全基因组关联分析，确定性状显著相关的数量性状基因座(quantitative trait locus, QTL)。并进行基因注释、GO(gene ontology)功能和KEGG(kyoto encyclopedia of genes and genomes)通路富集分析。计算结果表明，大白猪眼肌面积、估计瘦肉率和背膘厚的遗传力分别为0.450 6±0.017 3、0.496 8±0.017 4和0.475 8±0.017 2。利用加权一步法全基因组关联分析，定位到与眼肌面积显著相关的候选QTL区域10个，与估计瘦肉率显著相关的候选QTL区域8个，与背膘厚显著相关的候选QTL区域12个。后续基因注释、GO功能和KEGG通路富集分析显示，与眼肌面积相关的候选基因36个，共富集到7个条目；与估计瘦肉率相关的候选基因29个，共富集... 相似文献
1