第七章个体遗传评定.ppt

* * * 育种值估计方法 基因 环境 表型值 数据库 统计分析 估计育种值 估计育种值的精确性取决于 可利用的信息量 统计分析方法 + 利用所有亲属的信息 可利用的亲属的表型信息 个体 同胞 父亲 祖父 祖母 半同胞 母亲 外祖母 外祖父 后裔 1/4 1/2 1/2 1/4 1/4 1/4 1/2 1/4 1/2 第三节关于BLUP育种值估计方法 BLUP：结合了选择指数法和最小二乘法的优点 选择指数法的基本要点 不存在系统环境效应 个体随机来自同一总体 各遗传参数事先已估计出来 杜洛克仔猪群 最小二乘法(LS)的基本要点 1934年，Yates提出；1960Harvey引入到畜牧统计中 可估计影响观察值的各种固定效应 可将观察值中的固定效应校正出去 对于不平衡数据可获得最佳线性无偏估计值（BLUE） 利用最小二乘法（Least Squares, LS）校正后的观察值称最小二乘均数 BLUP产生和发展的背景 选择指数法理论上的缺陷 结合最小二乘方法的优点 1949年C.R.Henderson理论上提出BLUP 由于计算技术的滞后，限制了应用 20世纪70年代中期计算机技术的发展， 为BLUP在育种中应用提供了可能 在同一个估计方程组中既完成固定效应的估计，又能实现随机遗传效应的预测 第四节关于BLUP的基础知识 E(x) = Var(x) = 随机向量 方差－斜方差矩阵 期望向量 个体x和y间的加性遗传相关是指在它们的基因组中具有同源相同基因的比例，或者说从个体x的基因组中随机抽取的一个基因在个体y的基因组中也存在的概率 对于一个群体，如果我们将所有个体相互间的加性遗传相关用一个矩阵表示出来，设群体中的个体为1，2，…，n，则这个矩阵为 动物模型BLUP 矩阵表示为： 式中： y为观察值向量 e为随机残差向量 X、Z分别是与固定效应和加性遗传效应对应的关联矩阵 动物模型BLUP举例 现有如下资料： 牧场 个体 父亲 母亲 观察值 1 2 － － 225 1 3 － － 200 1 4 － － 255 2 5 1 3 250 2 6 1 3 198 2 7 2 4 245 2 8 2 4 260 2 9 2 4 235 对上述资料可用如下模型估计育种值： 在第i个牧场中个体j的观察值 第个i牧场的固定效应 第j个个体的育种值 与观察值 对应的随机误差 写成矩阵形式为： 观察值向量 固定效应的关联矩阵 固定效应向量（牧场） 个体育种值的关联矩阵 个体育种值向量 随机残差效应向量 写成矩阵形式为： 写成矩阵形式为： 向量a中不仅包含有观察值个体的育种值，还包括没有观察值个体的育种值 求解关键 X′X X′Z Z′X Z′Z X′y Z′y X Z A：加性遗传相关矩阵 A A-1 k=(1-h2)/h2 与此模型对应的混合模型方程组（MME） 方程组的解为： 9个个体排列优劣名次：a4a3 a8 a7 a9 a2 a5 a1 a6 BLUP育种值估计方法类型 公畜模型BLUP: 公畜－母畜模型BLUP： 外祖父模型BLUP： 动物模型BLUP： 公畜（父亲）遗传效应向量 公畜（父亲）遗传效应向量 母亲遗传效应向量 外祖父遗传效应向量 个体加性效应向量 BLUP法估计育种值的主要优点 育种值估计的精确性更高 角的优点 BLUP法的应用 最早在乳用种公牛育种值估计上推广 准确地排列出公畜间和母畜间的优劣名次 大大加快了奶牛育种改良的进度 在肉牛、猪、绵羊等家畜育种选种也广为应用 肉牛：美国、加拿大 猪：国内已开展猪的联合育种 绵羊：利用BLUP法估计个体育种值，提高羊毛产量和质量 羊绒 则有： ： 维； ： 维； ： ： 维； 维； ； I为单位阵 虚变量模型 模型举例1 则有： 各观察值为 以上各式可写成： 设计矩阵，关联矩阵，结构矩阵 设有肉牛190～210日龄的体重资料，将日龄按每5天间隔分组，190～210日龄就可分为4组，欲分析不同日龄组对体重的影响。可建立如下的线性模型： yij = ? + ai + eij 上式中： 南阳牛 上式中随机变量的期望和方差及协方差为： D.所有犊牛都在相同的环境下以相同的饲养方式饲养 现有一数据表 190～194日龄 200～204日龄 195～199日龄 205～210日龄 日龄 每一观察值都可根据上面的模型建立一个方程式： y = Xa + e E(e) = 0，E(y) = Xa Var(y) = Var(e) = Iσ2 矩阵X称为关联矩阵，因为其中的元素指示了y中的元素与a中的元素的关联情况，I是单位矩阵。 线性模型分类 日粮 日粮 牧场 效应的性质 ☆固定效应： ☆随机效应： 汉普夏 永久性随机环境效应 暂时性