基因组时代的动物遗传评估技术VIP免费

基因组时代的动物遗传评估技术张勤刘剑锋中国农业大学2009.8.25哈尔滨遗传评估•评估和比较动物个体在遗传上的优劣•为选择优秀种用个体提供依据•动物育种的中心工作表现型＝基因型＋环境常规遗传评估技术基因基因（黑箱）（黑箱）表型表型环境环境选择选择遗传评估遗传评估亲属的表型亲属的表型BLUPBLUPBLUPBLUP特点：利用表型进行遗传评估常规遗传评估技术•BLUP方法是常规遗传评估技术的核心yZyXAZZXZZXXXe''uˆˆ''''12a2y：表型信息A：系谱信息eZuXy常规遗传评估技术•对很多重要经济性状十分有效MilkyieldinUSHolsteins678910111219601970198019902000BirthyearFirstlactationyield(1000kg)GeneticPhenotypic美国荷斯坦奶牛产奶量表型及遗传进展加拿大猪100kg体重日龄遗传进展常规遗传评估技术•局限性–当性状表型难以获取或遗传力低时，遗传评估可靠性不高–不能进行早期遗传评估标记辅助选择（MAS）基因基因（黑箱）（黑箱）表型数据表型数据基因信息基因信息遗传评估遗传评估分子遗传学分子遗传学主效基因主效基因//QTLQTL选择选择特点：利用表型和部分基因的信息进行遗传评估标记辅助选择（MAS）eMgZuXyy：表型信息A：系谱信息M：标记信息遗传评估技术－MA-BLUP：标记辅助选择（MAS）•应用现状–实际应用不多–应用效果不显著–主要原因：•已被证实具有显著效应的基因或标记有限–（发现并证实一个有效的基因需要很长的时间和很高的成本）•这些基因或标记仅能解释有限的遗传变异–（10QTL～50%遗传变异）基因组选择•利用覆盖全基因组的高密度标记（SNP）进行个体遗传评估–可以捕获所有的遗传变异–无需表型信息即可进行遗传评估–利用SNP芯片技术进行标记测定基因基因（黑箱）（黑箱）标记信息标记信息遗传评估遗传评估全基因组SNP芯片YearNo.SNPChipsHuman20083,000,0001000kPoultry20052,800,00060KBovine2007~2,000,00054kPig2008~2,000,00060kSheep2007-50k用于遗传评估的数据10001112200200121110111121111011110011211000201220022201111202101200211122110021112001111001011011010220011002201101120020110102022212112210201001110001122022122211202112012020100202202000021100011202011221112111022011110000212202000221012020002211220111012100111211102112110020102100022000220100020110000220221102211210112111012222001211212220020002002020201222110022222220022121111210021111200110111011200202220001112011010211121211102022100211201211001111102111211021112200010110111020220022111010201112111101120210210212110110221220012110112110120220110022200210021100011100211021101110002220020221212110002220102002222121221121112002011020200122222211221202121121011001211011020022000200100200011110110012110212121112010101212022101010111110211021122111111212111210110120011111021111011111220121012121101022202021211222120222002121210121210201100111222121101基因组选择•基本步骤1.利用一个参考群体估计每个SNP的效应–参考群体：每个个体都有性状表型记录和所有SNP基因型2.利用SNP效应估计值计算候选群体的个体基因组育种值–候选群体：每个个体都有所有SNP基因型基因组选择估计所有SNP的遗传效应SNP基因型性状表型SNP基因型估计基因组育种值SNP基因型候选群体估计基因组育种值参考群体在参考群中估计标记效应gi1niiyXge设计矩阵染色体片断遗传效应估计标记效应在候选群体中计算个体gEBVpiiigXEBV1g全部基因组染色体片断设计矩阵染色体片断效应4×计算基因组育种值(gEBV)基因组育种值1+1-1-1+1+25-1+1-1-1-1+42+1-1-1-1-1-22-1+1-1-1=+38-40SNPeffect-00+20+40-20Chr1Chr2Chr3......ChrnKnownSNPsniiigEBV1ˆgXNumberofSNPsSNPalleleeffect标记效应的估计方法最小二乘法岭回归和BLUP贝叶斯方法BayesA,B,C和压缩其他方法半参数、非参数机器学习、主成份分析最小二乘法对标记效应分布无任何假设1:对每个标记作单...