梁永厚,王貴,包阿東,梅步俊
(河套學(xué)院農(nóng)學(xué)系內(nèi)蒙古巴彥淖爾 015000)
畜禽育種可通過估算形式達(dá)到預(yù)測后代性狀效果,滿足育種實際需求,EBV(估算育種值)可準(zhǔn)確提升育種工作效果,因為高通量測序技術(shù)和生物信息學(xué)的發(fā)展,可借助各種基因組手段達(dá)到畜禽育種標(biāo)準(zhǔn)?,F(xiàn)在,已經(jīng)檢測出一批顯著特征的基因組,輔助標(biāo)記可借助QTL(數(shù)量性狀基因座)育種,提升育種效果?,F(xiàn)在發(fā)現(xiàn)的QTL 不足百分之二十,且MAS(標(biāo)記輔助選擇)無法合理完成育種工作,存在限制性。所以提出基因組選擇方法進(jìn)行遺傳標(biāo)記育種工作,和傳統(tǒng)方案對比,準(zhǔn)確度更高,可實現(xiàn)早期育種,減少時代間隔,并加速遺傳。GS(基因組選擇)已經(jīng)成為現(xiàn)在動植物育種主要工作,可在奶牛和其他畜禽身上進(jìn)行,做好優(yōu)良選種工作。
雖然已證實了存在主效基因,仍需對性狀功能異基因的位置進(jìn)行SNP(單核苷酸的多態(tài)性)標(biāo)記,通過標(biāo)記后發(fā)現(xiàn)基因和畜禽形狀之間存在一定關(guān)系,還需做好LD(起始位點之間連鎖不平衡)標(biāo)記工作。并因為SNP 主效基因上存在1 個及多個LD,多個SNP可對一個基因效應(yīng)進(jìn)行解釋s 多態(tài)性和表型進(jìn)行估算。對影響數(shù)量形狀中的QLT 和芯片上的SNPs 中多個LD 分析,借助全基因組完成QTL 和SNP 位點連鎖檢測工作,通過參考群表型對效應(yīng)估算,然后依據(jù)選群育種形式完成估計,得到基因育種值。此方法對目標(biāo)形狀存在的QTL 具有一定影響,可減少傳統(tǒng)MAS 標(biāo)記存在遺傳方差問題,提升育種工作準(zhǔn)確性,可促進(jìn)育種工作發(fā)展,借助SNP 分型和SNP 效應(yīng)得出種值公式:
其中,mi是i 位置上標(biāo)記基因型,而qi則是i 位置標(biāo)記估計效應(yīng)值,p 是標(biāo)記總數(shù)量,借助模擬實驗驗證標(biāo)記育種值的準(zhǔn)確性,牛全基因組序列信息顯示了GS 在奶牛育種中具有一定效果,可減少經(jīng)濟(jì)成本。且GS 技術(shù)在豬、羊等畜禽中也可使用[1]。
間接法是建立參考群,借助參考群體表型和全基因組分型信息,對全基因組中所有SNP 形狀表示效應(yīng)值估算。然后對選擇群體分型,借助參考群中標(biāo)記效應(yīng),累加計算,間接法通常使用嶺回歸最佳線性無偏預(yù)測法和貝葉斯法計算,既定所有標(biāo)記都是存在效應(yīng)的,且方差相同,也有人假定效應(yīng)存在標(biāo)記,方差符合逆卡方分布,將效應(yīng)方差π 假定為0,以(1-π )概率服從卡方分布,做好效應(yīng)壓縮預(yù)算,通過條件期望計算可以得到期望迭代算法,在借助隨機(jī)搜索形式對π 選擇,做好標(biāo)記,得到真實求解方法,且標(biāo)記效應(yīng)可建設(shè)為兩個主要方差,成為一個正態(tài)分布混合分布方程,對方差參數(shù)和π 進(jìn)行模型求解工作,主要步驟如下:
還要針對成分進(jìn)行分析,最小乘回歸和半?yún)?shù)法等形式完成計算。
直接可以借助SNPs 成立個體關(guān)系矩陣,將其引入混合模型組中,獲取個體基因組育種值,主要是對標(biāo)記的個體關(guān)系矩陣中的G 基因組進(jìn)行無偏差估算,將系譜矩陣A 和G 組合成H 矩陣一步法,給予不同標(biāo)記關(guān)系矩陣進(jìn)行TABLIP計算,可做好綿羊育種中全基因組選擇工作,提升育種效果[2]。
對標(biāo)記進(jìn)行估算,需對表型和基因?qū)Ρ龋乐钩霈F(xiàn)數(shù)據(jù)誤差,在概論率中,實驗增多,那么頻率則會接近概率。所以檢查誤差可記錄更多個體信息內(nèi)容,參考數(shù)量多那么標(biāo)記就準(zhǔn)確。通過模擬實驗可得到真實結(jié)論,遺傳力是0.3 性狀在育種計算期間,真實數(shù)值大于兩千時準(zhǔn)確性更高,性狀遺傳低下,樣本需要的越多,那么遺傳力為0.1 的性住樁則可以和群體數(shù)量保證精準(zhǔn)度?;旌闲詣e模型構(gòu)建期間,需考慮性染色體上存在的LD,結(jié)合性別對GEBV 估算,所以為增強(qiáng)數(shù)據(jù)真實性,還要考慮群體結(jié)構(gòu),提供足夠大參考群體和目標(biāo)性狀。
總而言之,GS 技術(shù)對畜禽育種做出的貢獻(xiàn)非常大,但在實際研究中仍存在一定問題,所以在全基因選擇使用中,需做好主效基因和QTL 檢測工作,借助各種表型信息完成群體選擇工作,可有效撲捉基因中變異信息,對于低遺傳力則無法度量形狀提升效果。因此可結(jié)合SNPs 效應(yīng)預(yù)算形式對群體中GEBV 計算,不適合個體發(fā)展,時間長則需針對實際情況進(jìn)行精準(zhǔn)計算。