论文部分内容阅读
随着遗传学的不断发展,SNP芯片等大规模高通量SNP检测技术的完善和成本的降低,以及计算机技术的日新月异,自2001年Meuwissen提出全基因选择(Genomic Selection,GS)的概念以来。从开始的计算机模拟到现在不同物种真实数据的研究,全基因组选择俨然已经成为分子数量遗传学研究的新热点。本研究试验动物来自内蒙古乌拉盖地区建立的资源群体,选用美国illumina公司SNP芯片对359头西门塔尔青年公牛和17头西门塔尔种公牛进行了基因型的测定,选用BayesA、BayesB和GibbsGBLUP三种方法对部分重要经济性状的SNP效应值进行了估计。通过群体内2倍交叉验证和种公牛的独立验证两种方式对基因组估计育种值准确性进行了验证。主要结果如下:1、基于基因组标记信息代替基于系谱信息来构建亲缘关系矩阵的方法具有较高的准确性。表明了基于基因组标记信息构建的该种亲缘关系矩阵适用于我们特定的肉牛资源群体。2、在各个研究性状方面,随着标记数目的增大,三种方法整体上基因组估计育种值准确性均呈上升的趋势,但在500～20000个SNP区间内,基因组估计育种值准确性提高幅度很小,仅在0.05左右。3、随着参考群体有效个体数目的增大,三种方法给出的基因组估计育种值均有较大幅度的提高,GibbsGBLUP方法给出的基因组估计育种值准确性要比BayesB和BayesA增加的快。4、整体而言,BayesB在较多SNP标记时给出的基因组估计育种值准确性最高;GibbsGBLUP在SNP标记数目较少或者遗传力较低性状给出的基因组估计育种值准确性具有一定的优势。5、参考群体个体数目对基因组估计育种值准确性的影响要远远大于标记数目的影响。6、BayesB计算时间要远远大于BayesA和GibbsGBLUP需要的计算时间,BayesA略大于GibbsGBLUP。