将基因表达数据集成到单步方法 (ssBLUP) 中,提高了对Duroc × Erhualian F2猪种群复杂特征的基因组预测准确度
Fangjun Xu1, Zhaoxuan Che1, Jiakun Qiao1
1Key Lab of Agricultural Animal Genetics, Breeding, and Reproduction of Ministry of Education, Huazhong Agricultural University, Wuhan 430070, China.
Current issues in molecular biology
|December 27, 2024
概括
将基因表达数据集成到基因预测模型中,可显著提高复杂特征的准确性. 这种多omics方法改善了猪种群的预测,为未来的遗传研究提供了宝贵的见解.
科学领域:
- 动物遗传学动物遗传学
- 基因组预测 基因组预测
- 多主题整合 多主题整合
背景情况:
- 基因组预测 (GP) 旨在利用基因组数据预测复杂的特征.
- 多omics数据,特别是基因表达,有可能提高GP的准确性.
- 目前的方法经常将基因表达数据作为单独的层或基因型数据的替代品整合在一起.
研究的目的:
- 研究将血统,基因型和基因表达数据整合到单步方法中对预测准确性的影响.
- 用这种综合方法评估基因组预测准确度的提高.
- 为在基因组预测模型中应用多omics数据提供参考.
主要方法:
- 使用单步方法整合血统,基因型和基因表达数据.
- 预测准确度与基于血统的最佳线性无偏预测 (ABLUP) 和基于基因组的最佳线性无偏预测 (GBLUP) 的比较.
- 在Duroc × Erhualian F2猪群中对54个特征的预测准确性的分析.
主要成果:
- 综合单步方法提高了对54种研究特征中的90%以上的基因组预测准确度.
- 当基因表达数据加权 (w=0) 时,预测准确度分别比ABLUP和GBLUP高20.6%和11.8%.
- 精度比标准单步最佳线性无偏预测 (ssBLUP) 在不同的权重因子 (w) 中高5.3%.
结论:
- 将基因表达数据集成到单步方法中,有效地提高了复杂特征的基因组预测准确性.
- 这种多omics方法为改进基因组预测模型提供了有价值的参考.
- 这些发现有助于在动物育种和遗传学中更广泛地应用多奥米克数据.
