在挪威红色评估中,单步基因组BLUP与未知父组和元创始人

科学领域:

• 动物育种与遗传学
• 量化遗传学 量化遗传学
• 统计基因组学 统计基因组学

背景情况:

• 准确的遗传评估依赖于完整的血统数据.
• 缺少血统信息是牲畜种群中常见的挑战.
• 存在各种方法来处理缺失的血统数据,每个方法都可能对遗传分析产生潜在影响.

研究的目的:

• 评估不同缺失的血统数据处理方法对挪威红牛偏差,稳定性,准确性和遗传趋势的影响.
• 为了比较未知父组 (UPG),元组 (MF) 和Q-Q+方法的性能.
• 评估不同基因组关系矩阵 (G矩阵) 对ssGBLUP模型的影响.

主要方法:

• 利用了一大批挪威红牛的数据集,包括牛奶产量记录,血统和基因组信息.
• 模拟失踪的父母使用三个方法:未知家长组 (UPG),元创始人 (MF14,MF52) 和Q-Q+.
• 测试了8个ssGBLUP模型,将这些方法与G矩阵 (Grtn,G05,Gcal) 结合起来.
• 通过对5000头具有基因型的年轻奶牛的表型进行掩盖的交叉验证来评估模型.

主要成果:

• 使用Gcal或G05矩阵的Q-Q+模型显示出明显较低的偏差和更高的遗传趋势 (p <0.05).
• 使用G05的MF模型在偏差方面排名第二,在通货膨胀偏差和稳定性方面与Q-Q+可比.
• 将MF组从14增加到52提高了稳定性和遗传趋势估计.
• 使用G05的模型表现出最少的偏差和最稳定的预测,与引入偏差和不稳定的G rtn模型不同.

结论:

• 建议使用Q-Q+和MF模型,特别是与G05或Gcal矩阵相结合时,以改善挪威红牛的遗传评估.
• 这些方法有效地处理缺少的血统数据,从而更可靠地估计遗传趋势并减少偏差.
• 选择G矩阵显著影响模型性能,G05和Gcal比G rtn.表现出优异的结果.