1、編輯課件基因組時代的動物遺傳評估技術編輯課件遺傳評估遺傳評估 評估和比較動物個體在遺傳上的優劣評估和比較動物個體在遺傳上的優劣 為選擇優秀種用個體提供依據為選擇優秀種用個體提供依據 動物育種的中心工作動物育種的中心工作表現型基因型環境表現型基因型環境編輯課件常規遺傳評估技術常規遺傳評估技術特點：利用表型進行遺傳評估特點：利用表型進行遺傳評估編輯課件常規遺傳評估技術常規遺傳評估技術 BLUPBLUP方法是常規遺傳評估技術的核心方法是常規遺傳評估技術的核心yZyXAZZXZZXXXeu 12a2y y：表型信息：表型信息A A：系譜信息：系譜信息eZuXy編輯課件常規遺傳評估技術常規遺傳評估技術

2、對很多重要經濟性狀十分有效對很多重要經濟性狀十分有效Milk yield in US Holsteins678910111219601970198019902000Birth yearFirst lactation yield (1000 kg)GeneticPhenotypic美國荷斯坦奶牛產奶量表型及遺傳進展美國荷斯坦奶牛產奶量表型及遺傳進展加拿大豬100kg體重日齡遺傳進展編輯課件常規遺傳評估技術常規遺傳評估技術 局限性局限性 當性狀表型難以獲取或遺傳力低時，遺傳評估當性狀表型難以獲取或遺傳力低時，遺傳評估可靠性不高可靠性不高 不能進行早期遺傳評估不能進行早期遺傳評估編輯課件標記輔助選擇

3、（MAS）特點：利用表型和部分基因的信息進行遺傳評估特點：利用表型和部分基因的信息進行遺傳評估編輯課件標記輔助選擇（標記輔助選擇（MASMAS）eMgZuXyy y：表型信息：表型信息A A：系譜信息：系譜信息MM： 標記信息標記信息遺傳評估技術遺傳評估技術 MA-BLUPMA-BLUP：編輯課件標記輔助選擇（標記輔助選擇（MASMAS） 應用現狀應用現狀實際應用不多實際應用不多應用效果不顯著應用效果不顯著主要原因：主要原因： 已被證實具有顯著效應的基因或標記有限已被證實具有顯著效應的基因或標記有限（發現并證實一個有效的基因需要很長的時間和（發現并證實一個有效的基因需要很長的時間和很高的成本）

4、很高的成本） 這些基因或標記僅能解釋有限的遺傳變異這些基因或標記僅能解釋有限的遺傳變異（10 QTL 10 QTL 50% 50% 遺傳變異）遺傳變異）編輯課件基因組選擇基因組選擇 利用覆蓋全基因組的高密度標記（利用覆蓋全基因組的高密度標記（SNPSNP）進）進行個體遺傳評估行個體遺傳評估 可以捕獲所有的遺傳變異可以捕獲所有的遺傳變異 無需表型信息即可進行遺傳評估無需表型信息即可進行遺傳評估 利用利用SNPSNP芯片技術進行標記測定芯片技術進行標記測定編輯課件 全基因組全基因組SNPSNP芯片芯片YearNo. SNPChipsHuman20083,000,0001000kPoultry200

5、52,800,00060KBovine20072,000,00054kPig20082,000,00060kSheep2007-50k編輯課件用于遺傳評估的數據用于遺傳評估的數據編輯課件基因組選擇基因組選擇 基本步驟1. 利用一個參考群體估計每個SNP的效應參考群體：每個個體都有性狀表型記錄和所有SNP基因型2. 利用SNP效應估計值計算候選群體的個體基因組育種值候選群體：每個個體都有所有SNP基因型編輯課件基因組選擇基因組選擇估計所有估計所有SNPSNP的遺傳的遺傳效應效應SNPSNP基因型基因型性狀表型性狀表型SNPSNP基因型基因型估計基因組估計基因組育種值育種值SNPSNP基因型基因型

6、候選群體候選群體估計基因組估計基因組育種值育種值參考群體參考群體編輯課件在參考群中估計標記效應在參考群中估計標記效應g gi i 1niiyX ge設計矩陣設計矩陣 染色體片斷遺傳效應染色體片斷遺傳效應估計標記效應估計標記效應編輯課件在候選群體中計算個體在候選群體中計算個體gEBVgEBVpiiigXEBV1g全部基因組染色體片斷全部基因組染色體片斷設計矩陣設計矩陣 染色體片斷效應染色體片斷效應4計算基因組育種值計算基因組育種值(gEBV)(gEBV)編輯課件基因組育種值基因組育種值1 + 1 - 1 - 1 + 1 + 25 - 1 + 1 - 1 - 1 - 1 + 42 + 1 - 1

7、- 1 - 1 - 1 - 22 - 1 + 1 - 1 - 1 = +38- 40SNPeffect- 00+ 20+ 40- 20Chr 1Chr 2Chr 3.Chr nKnown SNPsniiigEBV1 gXNumber of SNPsSNP allele effect編輯課件標記效應的估計方法最小二乘法最小二乘法嶺回歸和嶺回歸和BLUPBLUP貝葉斯方法貝葉斯方法BayesA, B, C BayesA, B, C 和壓縮和壓縮其他方法其他方法半參數、非參數半參數、非參數機器學習、主成份分析機器學習、主成份分析編輯課件最小二乘法對標記效應分布無任何假設對標記效應分布無任何假設1:

8、1: 對每個標記作單點回歸分析對每個標記作單點回歸分析2: 2: 選擇效應值最大的選擇效應值最大的mm個點放入模型中，同時對其個點放入模型中，同時對其進行估計進行估計1nyXge1niiyX ge不足：不足：1. 1. 難以確定模型選擇的閾值難以確定模型選擇的閾值 2. 2. 容易高估標記效應容易高估標記效應編輯課件最佳線性無偏預測和嶺回歸假定全部標記有相同的假定全部標記有相同的方差方差2)(gVarIg 1()X XX ygI1niiyX ge22geBLUP:嶺回歸嶺回歸: 人為選定人為選定2222000000000.00.ggggsym.編輯課件貝葉斯方法-A允許不同標記有不同的方差且服

9、從一定分布允許不同標記有不同的方差且服從一定分布)()|()|(222iiiggiigPgPPg(,| )( |,) (,)iiiPyP y gP gg數據模型數據模型方差模型方差模型),(22svgi使用使用Gibbs sampling!Gibbs sampling!u , gi , V Ve , Vgi圖片來自圖片來自Hayes,2001編輯課件允許標記方差為允許標記方差為0 0概率為概率為 q概率為概率為 1-q02gi),(22svgi2012201210122012/gjniijnipjkkikiijgjniijxbxbyxxN，Bayesian shrinkage標記效應越大標記效

10、應越大, , 壓縮越弱壓縮越弱 標記效應越小，壓縮越強標記效應越小，壓縮越強貝葉斯方法-B，壓縮編輯課件準確性：估計育種值和真實育種值間的相關0.8480.7980.7320.31800.10.20.30.40.50.60.70.80.91L LS SB BL LU UP PB Ba ay ye es sA AB Ba ay ye es sB BA Ac cc cu ur ra ac cy y r r 2 2數據來自 Meuwissen al et., 2001不同方法的準確性編輯課件SNP Add.PolygenicSNP Dom.y1XaZuey1XaYdZuey1Xaea: additi

11、ve SNP d: dominance SNPu: polygenic e: residuey y：表型信息：表型信息X: X: 遺傳標記信息遺傳標記信息A A：系譜信息：系譜信息模型的擴展編輯課件基因組選擇和常規遺傳估計技術基因組選擇和常規遺傳估計技術的育種效益比較（以奶業為例）的育種效益比較（以奶業為例） 后裔測驗后裔測驗 ( (數據來自加拿大數據來自加拿大) ) 每年參加后測的公牛數量每年參加后測的公牛數量: : 500500頭頭 每頭后測公牛的育種成本每頭后測公牛的育種成本: : 5 5萬美元萬美元 后測的總成本后測的總成本: : 25002500萬美元萬美元 中選公牛數目中選公牛數目

12、: : 2020頭頭 每頭中選公牛的育種成本每頭中選公牛的育種成本: : 125125萬美元萬美元 年遺傳進展年遺傳進展: : 遺傳標準差遺傳標準差 單位遺傳標準差遺傳進展的育種成本單位遺傳標準差遺傳進展的育種成本: : 億美元億美元編輯課件 基因組選擇基因組選擇 每個個體基因組標記信息測定成本：每個個體基因組標記信息測定成本：500500美元美元 基因組單倍型效應估計基因組單倍型效應估計 孫女試驗設計孫女試驗設計: 50: 50個公牛家系個公牛家系, , 每頭公牛每頭公牛5050個兒子個兒子, ,每個兒子每個兒子100100個女兒個女兒 效應估計成本：效應估計成本：125125萬美元萬美元

13、公牛母親選擇公牛母親選擇 進行進行 20002000頭母牛的預選擇頭母牛的預選擇 全部個體進行基因組標記信息測定，根據全部個體進行基因組標記信息測定，根據GEBVGEBV選擇選擇10001000母牛母牛 評估成本評估成本: :100100萬美元萬美元基因組選擇和常規遺傳估計技術基因組選擇和常規遺傳估計技術的育種效益比較（以奶業為例）的育種效益比較（以奶業為例）編輯課件 基因組選擇（續）基因組選擇（續） 公牛選擇公牛選擇 從從10001000頭公牛母親中獲得頭公牛母親中獲得500500頭預選公牛頭預選公牛 對所有公牛進行基因組標記測定，根據對所有公牛進行基因組標記測定，根據GEBVGEBV選擇選

14、擇2020頭公牛頭公牛 評估成本評估成本: : 2525萬美元萬美元 2020頭公牛的購買成本頭公牛的購買成本: :1010萬美元萬美元 每頭公牛連續每頭公牛連續3 3年的維持費用年的維持費用: : 3 3萬美元萬美元 每年的總育種成本每年的總育種成本: :195195萬美元萬美元 每年的遺傳進展每年的遺傳進展: : 遺傳標準差遺傳標準差 單位遺傳標準差遺傳進展的育種成本單位遺傳標準差遺傳進展的育種成本：417417萬美元萬美元基因組選擇和常規遺傳估計技術基因組選擇和常規遺傳估計技術的育種效益比較（以奶業為例）的育種效益比較（以奶業為例）編輯課件基因組選擇的另一策略基因組選擇的另一策略 利用參

15、考群體估計SNP效應 選擇效應顯著的SNP 利用選擇SNP的信息構建的參考群體和候選群體個體間的加性遺傳相關矩陣（具有性狀特異性） 用BLUP方法估計候選群體（無表型信息）的個體育種值編輯課件yZyXGZZXZZXXXu 原理：原理：參考群體參考群體及候選群及候選群體的個體體的個體育種值育種值利用利用SNP的信息構建的加的信息構建的加性遺傳相關矩陣性遺傳相關矩陣編輯課件基因型系譜基因型系譜121101011110 111211120200101121101111122221121111 101101111102 0111110120111211200110100 = homozygous fo

16、r first allele (alphabetically)1 = heterozygous2 = homozygous for second allele (alphabetically)編輯課件G的構建minmin1ssSgijijmkkijkijgSmS11AIS0, 0AIS1, 5 . 0AIS2, 1alleleifalleleifallelsifSijk編輯課件準確性準確性標記效應估計方法標記效應估計方法兩種基因組選擇策略的比較兩種基因組選擇策略的比較編輯課件基因組選擇在奶牛中的應用基因組選擇在奶牛中的應用開始應用基開始應用基因組選擇的因組選擇的年份年份國家國家應用范圍應用范圍

17、2009Canada, Germany, USA, New Zealand, Israel, France, Ireland, Spain（8 8個國家個國家）For the selection of: young unproven bulls,active proven bulls,Bull dams2010Austria, Australia, Poland（3 3個國個國家家）未來/尚未決定UK, Netherlands, Norway, Denmark, Italian, Japan, Belgium, Czech Republic, Estonia, Finland, Hungary, Latvia, Slovak Republic, Sl