在商业猪中优化基因组预测准确性的比较研究

科学领域:

• 动物遗传学动物遗传学
• 量化遗传学 量化遗传学
• 畜牧养殖 畜牧养殖 畜牧养殖

背景情况:

• 基因组预测 (GP) 对于加速畜牧和植物育种中的遗传收益至关重要.
• 医生准确度受到统计模型,标记密度和交叉验证方法的影响.
• 优化GP对于商业猪种群的经济重要特征至关重要.

研究的目的:

• 评估和优化Duroc × (Landrace × 约克郡) 猪群中八个关键尸体和身体特征的基因组预测准确度.
• 为了比较各种统计模型的性能,包括GBLUP,ssGBLUP和贝叶斯方法.
• 评估标记密度和交叉验证策略对预测准确性的影响.

主要方法:

• 使用了50K个SNP芯片数据,从1494只DLY猪中归算为全基因组序列 (WGS) 级别.
• 对比了七种不同的基因组预测模型:GBLUP,ssGBLUP和五种贝叶斯模型.
• 采用了不同数量的折叠的交叉验证策略,并分析了不同的标记密度.

主要成果:

• 在所有评估的特征中,ssGBLUP模型表现出卓越的性能,预测准确度在0.371到0.502.2之间.
• 预测准确度随着越来越高的交叉验证折叠和标记密度而增加,特别是在低密度面板中.
• 对于中高密度标记面板的预测准确度,观察到回报率下降.

结论:

• ssGBLUP模型在DLY猪中对尸体和身体特征的基因组预测方面非常有效.
• 统计模型,标记密度和交叉验证的战略选择对于最大限度地提高GP准确性至关重要.
• 这些发现为提高商业养猪计划的遗传进步提供了宝贵的指导.