基于显性模型的基因组选择中贝叶斯方法研究

摘要：

本研究旨在探索显性效应对基因组育种值估计准确性的影响.基于贝叶斯A模型,根据加性效应和显性效应相关性,提出两种子模型:1)加性效应和显性效应相互独立的BayesAD1模型;2)显性系数(Dominant coefficients)与加性效应的绝对值相互独立,并且显性系数服从正态分布的BayesAD2模型.通过模拟数据比较加性效应模型BayesAD0和两种显性效应模型下基因组估计育种值(GEBV)的准确性,并且研究不同数量性状基因座(Quantitative trait locus,QTL)数、全同胞家系内个体数和加性方差与显性方差的比重对GEBV准确性的影响.结果表明,显性模型可以减缓随着世代变化GEBV的准确性降低的趋势.另外,显性方差的比重越大,对GEBV的准确性影响越大.当加性方差与显性方差之比达到0.25时,BayesAD2有较大优势,分别比BayesAD1和BayesAD0准确性高20.3％和28.4％.全同胞数越多,GEBV的准确性越高,QTL数目增多,GEBV估计的准确性随之下降.结果显示,对显性效应占较大比重即低遗传力的性状进行育种值估计时,考虑显性效应可以提高育种值估计准确性.

关键词：全基因组选择、贝叶斯模型、显性效应、显性系数

所属期刊栏目：48

分类号：S813.1(普通畜牧学)

资助基金：现代农业肉牛产业技术体系岗位科学家CARS-38;中国农业科学院科技创新工程-牛遗传育种ASTIP-IAS03

在线出版日期：2017-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：60-67