有效的方法来结合来自肉和的数据,以解释顺序基因组选择

科学领域:

• 动物育种与遗传学
• 量化遗传学 量化遗传学
• 禽畜科学 禽畜科学 禽畜科学

背景情况:

• 传统的肉养殖专注于生长特征,分别评估生殖特征.
• 在生殖特征评估过程中忽视肉的性能数据,可能导致不准确的遗传预测.
• 优化预测准确性和效率对于肉种群的有效遗传选择至关重要.

研究的目的:

• 确定最准确,最公正,最节省时间的方法,共同评估繁殖和肉的特征.
• 评估结合肉性能数据对生殖特征预测质量的影响.

主要方法:

• 利用了大量数据集,包括血统 (577K只鸟),基因型 (146K),以及生殖特征的表型 (卵产,生育能力,化能力) 和肉特征 (体重,母乳肉百分比,脂肪百分比,剩余料摄入量).
• 顺序将肉数据 (表型和基因型) 添加到生殖特征的基线模型中,以评估预测质量.
• 在预测算法中测试了不同的核心大小 (7K,12K,19K动物),以确定最节省时间的方法.

主要成果:

• 结合肉数据 (RE_BR_GE) 影响了卵产和化能力的准确性,但改善了生育率的预测.
• 包括肉数据在内,显著减少了所有生殖特征的偏差和改善了所有生殖特征的分散,特别是像生育能力这样的低遗传性特征.
• 忽视肉数据导致了大量的偏差和分散问题,低遗传性特征的准确性损失高达17.5%.

结论:

• 整合肉性能数据对于最大限度地提高准确性和最小化生殖特征遗传预测中的偏差至关重要.
• 包括肉数据的影响对于具有较低遗传性的特征更为明显.
• 预测算法中的7,000个动物的随机核心为联合特征评估提供了最有效的时间方法.