相关实验视频
Updated: Jun 27, 2026
13:33
Infinium Assay for Large-scale SNP Genotyping Applications
Published on: November 19, 2013
39.1K
有效的大规模单步评估和基因型选择候选人的间接基因组预测
Jeremie Vandenplas1, Jan Ten Napel2, Saeid Naderi Darbaghshahi3
1Wageningen University and Research, P.O. Box 338, 6700 AH, Wageningen, The Netherlands. jeremie.vandenplas@wur.l.
Genetics, selection, evolution : GSE
|June 8, 2023
概括
新的方法准确地近似的基因组估计育种值 (GEBV) 选择候选人没有完整的计算. 这些快速,间接的方法可以为新基因型的动物提供每周的GEBV更新,从而提高育种计划的效率.
科学领域:
- 动物遗传学动物遗传学
- 量化遗传学 量化遗传学
- 生物信息学是一种生物信息学.
背景情况:
- 单步基因组最佳线性无偏预测 (ssGBLUP) 结合了多样化的数据,但对于大群体来说是计算密集的.
- 基因型选择候选人往往缺乏表型,因此需要在基因型化后及时估计GEBV.
- 通过完整的ssGBLUP重新计算GEBV对于频繁的更新是时间限制的.
研究的目的:
- 比较两个同等的ssGBLUP配方:一个使用伍德伯里矩阵的同一性,另一个使用标记方程.
- 开发和验证计算速度快,间接的方法来估计基因型选择候选人的GEBV.
主要方法:
- 评估了两个ssGBLUP模型配方 (伍德伯里与标记方程) 的计算效率.
- 开发了间接GEBV计算方法,利用以前ssGBLUP评估的结果.
- 在一个具有六个特征的爱尔兰牛大规模数据集上测试模型和方法.
主要成果:
- 两种ssGBLUP配方在解决阶段表现出类似的内存和时间要求.
- 计算上的差异主要来自基因组信息预处理阶段.
- 间接计算的GEBV与完整的ssGBLUP结果有很强的相关性 (>0.99),显示最小的偏差.
结论:
- 间接GEBV近似方法是准确的,内存效率高,计算速度快.
- 这些间接方法可以每周对新基因型动物进行快速的GEBV估计.
- 在不影响准确性的情况下,在育种计划中促进及时的遗传评估.
