比较机器学习等算法对肉鸡产蛋性状育种值估计的准确性

摘要：

我国白羽肉鸡育种中,通过遗传途径提高产蛋数和控制合适的蛋重是培育优良品系的一个重要方面.为探索适合我国白羽肉鸡育种中的基因组选择模型,本研究以2 474只白羽肉鸡品系的产蛋性状为研究对象,主要分析了机器学习算法 KAML、BLUP(包括:PBLUP、GBLUP、SSGBLUP)和 Bayes(包括:Bayes A、Bayes B 和 Bayes Cπ)方法对产蛋数和蛋重性状的预测准确性,准确性以5倍交叉验证进行评估.利用系谱以及基因组信息估计了产蛋数和蛋重性状的遗传力和遗传相关.结果表明,产蛋数性状遗传力为0.061～0.16,属于低遗传力性状;蛋重遗传力为0.28～0.39,属于中等遗传力性状;产蛋数与蛋重是中等遗传负相关(-0.518～-0.184),不同阶段产蛋数之间是强的遗传正相关(0.736～0.998).不同模型预测43周产蛋数和52周蛋重的育种值估计准确性结果表明,KAML方法对两者的预测准确性分别为0.115和0.266,与GBLUP方法(准确性分别为0.118和0.283)和SSGBLUP方法(准确性分别为0.136和0.259)的准确性差异显著,同时显著低于Bayes方法(准确性分别为0.230～0.239、0.336～0.340)的预测准确性,PBLUP方法预测准确性最低(准确性分别为0.095和0.246).因此,在白羽肉鸡产蛋数和蛋重性状中应用Bayes方法将获得最高的育种值估计准确性.

关键词：白羽肉鸡、产蛋性状、基因组选择、机器学习、遗传参数

所属期刊栏目：53

分类号：S831.2(家禽)

资助基金：广东省重点领域研发计划项目2020B020222002

在线出版日期：2022-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：1364-1372