08多性状育种值估计—选择指数法.pptVIP

第八章 多性状育种值估计—选择指数 第一节 多性状选择的基本方法 第二节 综合选择指数 第三节 通用选择指数 第四节 约束选择与最宜选择指数 第五节 选择指数法应用的注意事项 第一节 多性状的选择方法 实际育种过程中，必须同时考虑对多个性状进行选择——多性状综合遗传评定。 顺序选择法 独立淘汰法 综合选择（选择指数）法 多性状BLUP法 第二节 简化选择指数的制订 简化选择指数的制订 常用的简化选择指数公式： 为第i个性状的经济加权值； 为第i个性状的遗传加权值（遗传率）； 为第i个性状的个体表型值； 为第i个性状的群体均值； 为简化选择指数。 为了便于比较和相加，将各性状的离差标准化，即： 因为 的变化趋势与 的变化一致，由此衍生出第二种表达式： 上式中，不同性状在指数中占的比重受 大小的影响很大， 小的性状占比重较大，而一些受环境影响大的重要经济性状的 值大，在指数中占的比重就小，这显然是不合理的。 为了克服这一缺点，改用性状的群体均值来标准化性状的表型值，就获得了第三种表达式 ： 通用选择指数的制订 出发点：经济上获得最大遗传进展 思路：结合考虑经济上的遗传进展（综合育种值H）和综合选择指数值（I），使两者相关达最大。 H＝W1A1＋W2A2＋……＋WnAn I ＝ b1P1+b2P2 + …… + bnPn 其中：Wi为各性状的经济加权值； Ai为各性状育种值； Pi为各性状表型值； bi为H和I相关达到最大时的待定系数 目标：使H与I相关达到最大（LS法） 当以下关系成立时，H与I的相关性达到最大： b1P11+b2P12+┄+bnP1n＝W1A11＋W2A12＋┄＋WnA1n b1P21+b2P22+┄+bnP2n＝W1A21＋W2A22＋┄＋WnA2n ┇ ┇ ┇ ┇ ┇ ┇ ┇ ┇ ┇ ┇ ┇ ┇ b1Pn1+b2Pn2+┄+bnPnn＝W1An1＋W2An2＋┄＋WnAnn 例如：对两个性状的选择 有：b1P11+b2P12＝W1A11＋W2A12 b1P21+b2P22＝W1A21＋W2A22 其中：P11、P22为性状1和2的表型方差； A11和A22为性状1和2的遗传方差； P12＝P21为性状1和2的表型协方差； A12＝A21为性状1和2的遗传协方差 将上式用矩阵表示 Pb=AW 解得： b=P-1AW 其中： P表示方差、协方差矩阵； A表示遗传方差、协方差矩阵； W表示经济加权值矩阵； b表示待定系数矩阵； P－1为P的逆矩阵 第四节 约束选择和最宜选择（自学） 在多性状选择中，需要对不同性状的改进量作控制： 希望在一些性状改进的同时，保持另一些性状不变的选择称为约束选择； 希望在选择过程中控制某些性状按照人们设计的方向和大小改进的选择称为最宜选择 并非说这种选择是最好的。 第五节 选择指数法应用的注意事项 一、应用选择指数的前提 所有观测值间无系统环境效应（场、年度、季节等），或使用前对系统环境效应进行了校正； 侯选个体间不存在固定遗传差异，即要求个体源于同一遗传基础的群体（导致了选择指数法不能用于对不同群体和不同世代个体间进行比较）； 各种群体参数已知。如误差方差协方差、育种值方差协方差等都已知。 实际情况下，上述三个条件往往是不成立的。 鉴于选择指数法有这些缺陷，所以提出多性状BLUP（Best Linear Unbiased Prediction,最优线性无偏预测）育种值预测法，这种方法的思想就是在消除各种系统环境误差的基础上，充分利用各方面的信息，对个体的育种值进行一种最优化的准确估计。 BLUP方法应用起来比较复杂，所以在实际生产中，特别是一般猪场、家禽场，选择指数方法应用的仍然比较多。 二、选择效果产生偏差的原因 参数估计误差的存在； 经济加权值确定的依据不充分； 侯选群体太小，导致选择强度估计偏高； 信息性状和目标性状的不一致。 假定的所有候选个体信息来源相同，在实际情况下不成立。 三、制订选择指数的注意事项 强调