模拟研究使用基因组关系矩阵的自身分解进行多层基因组预测:对日本黑牛的案例研究

科学领域:

• 动物遗传学动物遗传学
• 量化遗传学 量化遗传学
• 基因组预测 基因组预测

背景情况:

• 基因组预测模型对于动物繁殖至关重要.
• 多特征模型可以通过利用遗传相关性来提高预测准确性.
• 有效利用基因组数据,特别是大型数据集,是一个持续的挑战.

研究的目的:

• 评估多特征基因组预测模型的性能.
• 评估遗传性,遗传和表型相关性对预测准确性的影响.
• 调查使用核心动物子集来表示遗传变异的有效性.

主要方法:

• 用基因关系矩阵对日本黑牛的两个特征进行模拟的表型数据.
• 在各种遗传性,遗传性和表型相关性设置下,差异成分估计和基因组育种价值预测.
• 选择培训种群 (1000,3000,5000只动物) 和代表不同比例遗传变异的核心动物 (25%至99%).

主要成果:

• 与单一特征模型相比,多特征模型在两个特征上都显示出更高的预测准确性.
• 预测准确度受到遗传性,遗传相关性和表型相关性的影响.
• 核心动物解释了90%和99%的遗传变异,提供了类似于使用完整的基因组关系矩阵的预测准确性.

结论:

• 多特征基因组预测比单特征预测更准确.
• 表型相关性与遗传性和遗传相关性一起显著影响预测的准确性.
• 较少的一组核心动物捕获高遗传变异 (≥90%) 可以有效地代表预测的整体遗传结构.