在Nellore牛群中进行基因组评估以发现繁殖特征:多种方法来解释缺失的先

科学领域:

• 动物遗传学和动物繁殖
• 量化遗传学 量化遗传学
• 基因组预测 基因组预测

背景情况:

• 缺少血统信息是牲畜种群的一个重大挑战,导致低估了近亲繁殖和偏见的繁殖价值预测.
• 传统方法将未知祖先的动物视为创始人,这可能会影响遗传评估的准确性.
• 开发强大的方法来处理不完整的血统数据对于有效的基因改进计划至关重要.

研究的目的:

• 评估未知父组 (UPG) 和元组 (MF) 在大型肉牛种群中模拟缺失的血统方面的有效性.
• 将UPG和MF与标准模型相结合的不同遗传模型的预测准确度和偏差进行比较.
• 评估UPG和MF分配的不同策略对遗传评估结果的影响.

主要方法:

• 利用了来自内罗尔改善计划的表型和基因型数据,包括阴囊周长 (SC365),第一次分娩年龄 (AFC) 和累积奶牛生产力 (ACP) 的记录.
• 实施了四个单阶段的GBLUP模型:G0 (没有血统管理),G1 (具有UPG),G2 (具有MF) 和G3 (具有特定组的等位基因频率).
• 评估了使用线性回归的预测准确性和偏差,根据群体类型,父权不确定性和族长的UPG和MF分配.

主要成果:

• 与G0模型相比,包含UPG (G1) 和MF (G2) 的模型显示SC365和AFC的预测准确度略高.
• 特定的UPG和MF分配策略 (S2,S3) 在某些特征的准确性方面取得了微小的改进.
• 在所有模型中,偏差通常很低,除了累积牛生产率 (ACP),即使在MF中也表现出显著的偏差.

结论:

• 不知名的父组和元创始人可以在处理缺失的血统数据时,为肉牛遗传评估的预测准确性提供边际改进.
• 通过更大的数据集和更多的基因型动物与metafounders相关联,MF模型的有效性可能会得到提高.
• 建议进行进一步的研究,包括更广泛的基因型数据和精细的MF定义,以优化遗传评估的准确性和减少偏差.