使用参数模型和人工神经网络,通过基因组预测绵羊对胃肠道线虫耐药性的指标特征
L A Freitas1, R P Savegnago2, A A C Alves3
1University of Sao Paulo, Department of Genetics, Ribeirão Preto, São Paulo 14049-900, Brazil; University of Wisconsin, Department of Animal and Dairy Sciences, Madison 53706, USA.
Research in veterinary science
|December 13, 2023
概括
参数模型准确地预测了圣伊内斯羊的胃肠道线虫耐药性,优于人工神经网络. 基因组最佳无偏线性预测 (GBLUP) 是由于其效率而被推的.
科学领域:
- 动物遗传学动物遗传学
- 量化遗传学 量化遗传学
- 寄生虫学的寄生虫学
背景情况:
- 胃肠道线虫在绵羊养殖中带来了重大的健康和经济挑战.
- 对抗性特征的精确基因组预测对于有效的育种计划至关重要.
- 圣伊内斯羊是热带地区肉类生产的关键品种.
研究的目的:
- 评估参数模型和人工神经网络的预测性能,用于基因组预测圣伊内斯羊的线虫耐药性特征.
- 为了比较各种基因组预测模型的准确性,包括GBLUP,BayesA,BayesB,BLASSO和BRANN.
- 确定最适合的模型,以基因组为基础,预测耐胃肠道线虫的耐药性.
主要方法:
- 来自551-565只圣伊内斯羊的基因组数据使用41,676个SNP进行了分析.
- 使用了五种基因组预测模型:GBLUP,BayesA,BayesB,BLASSO和贝叶斯规范化人工神经网络 (BRANN).
- 使用5倍交叉验证技术计算预测准确度 (ACC) 和平均平方误差 (MSE).
主要成果:
- 参数模型对包装细胞体积 (PCV),便卵数 (FEC) 和Famacha©方法 (FAM) 显示了中等到高的预测准确度.
- 参数模型通常表现优于BRANN方法,GBLUP,BayesA,BayesB和BLASSO显示出更高的准确性.
- 与BRANN_3.3相比,GBLUP,BayesA,BayesB和BLASSO的预测准确度提高了PCV的约23%,FEC的18.5%,与BRANN_3.3相比.
结论:
- 参数模型是有效的基因组启用预测的指标特征的胃肠道线虫耐药性在绵羊.
- 鉴于参数模型中的准确性相似,由于其较低的计算要求,建议使用GBLUP.
- 基因组预测有望提高绵羊群中的寄生虫抵抗力.
