论文部分内容阅读
当前基因组选择在猪领域还处于初始阶段,还不能够真正在猪育种产业中应用,但是,基因组选择在猪育种产业还是存在很多的应用机会。其中一个很有希望的途径是基因组预选择,即通过基因组育种值(GEBV)预选进入后期性能测定的小公母猪群体,从而在一定程度上减少猪遗传评估的测定成本。本论文设计了三种不同的基因组选择策略。策略1完全基于直接的基因组选择,所有个体出生后,即根据个体基因组基因型计算GEBV,然后根据GEBV的高低直接选留下一代种用群体；策略2是在个体出生后,根据个体基因组的基因型计算出所有个体的GEBV,然后根据GEBV的高低,按比例,先预选一部分个体进入后期性能测定,待性能测定信息出来后根据常规的BLUP法进行选择；策略3在策略2的基础上进行了改进,考虑到后期性能测定表型信息出来后,候选个体同时具有表型和GEBV信息,设计了一个两性状(双变量)评估模型来同时综合表型和GEBV信息,提高选择的准确率。三种选择策略在两个模拟的猪性状数据集中(达100kg日龄和达100kg背膘)进行了验证。另外,论文也比较了五种GEBV评估方法(GBLUP、Bayes A、Bayes B、Bayes C和BayesCπ)在猪数据集中的选择效果,并对影响基因组预选择的一些关键因素(预选比例、标记密度和遗传力)进行了优化,得出以下结果：(1)对于设计的三种选择策略,利用了表型信息的基因组预选择策略(策略2和3)整体上比直接根据GEBV选择(策略1)的准确率高,其中,经过改进的双性状模型(策略3)在基本参数集下表现出最大的选择准确率和最多的遗传进展；(2)对于五种基因组育种值评估方法,它们在策略2和策略3下具有相似的选择准确率和遗传进展,以GBLUP的选择准确率最低,Bayes A略好于GBLUP,而Bayes B、Bayes C、Bayes Cπ三者的准确率接近并高于GBLUP和Bayes A,Bayes Cπ的持续稳定性表现最佳；(3)对于影响基因组预选择的关键因素,公猪预选择比例为0.3时,具有最高和持续性最好的选择准确率,明显好于0.1和0.5时的准确率；母猪预选择比例为0.5和0.7时选择效果相似,其值为1时不理想；遗传进展与准确率对应,也具有类似的变化。标记数为60k的选择准确率明显比标记数为3k的选择准确率高。各方法的选择准确率随着性状遗传力的升高而增大。研究结果表明,同时考虑GEBV和表型记录信息能够进一步提高基因组选择的准确率,使选育群体获得更多的遗传进展。Bayes B、Bayes C和Bayes C n在猪数据集中表现出较高的选择准确率和较稳定的选择效果。性能测定前的预选择比例对于整个过程的选择准确率是有影响的,特别是公猪,合适的选留比例能提高选择的准确率。本论文数据的模拟考虑真实的猪群体参数,提出了基因组选择的最优策略,验证了GEBV估计的较好方法,确定了较适宜的预选择比例,对猪基因组选择的实际应用具有一定的指导意义。