07第七章节BLUP.ppt

* * * 这个方程组具有唯一解，其解为： 注意 的估计值为-3.4505，这意味着平均来说第一个胎次要比第二个胎次少产3.450头猪。 * * 2.3 几点说明 2.3.1 动物模型BLUP的理想性质 ① 最有效地充分利用所有亲属的信息； ② 能校正由于选择交配所造成的偏差； ③ 当利用个体的重复记录（如多个胎次的记录）时，可将由于淘汰（例如将早期生产成绩不好的个体淘汰）所造成的偏差降到最低； ④ 能考虑不同群体及不同世代的遗传差异； ⑤ 能提供个体育种值的最准确的无偏估计值。 * * 要注意的是，由BLUP法所提供的最佳线性无偏估计值是有前提的。它们是： ① 所用的数据是正确并完整的， ② 所用的模型是真实模型, ③ 模型中随机效应的方差组分或方差组分的比值已知。 * * 2.3.2 个体间加性遗传相关矩阵的逆矩阵 Henderson（1975）提出了一个对于非近交群体可以从系谱直接构造（不需要先构造A）的简捷方法，正是由于这一方法的提出，才使得动物模型BLUP在家畜育种中的广泛应用成为可能。 * * ①构造所有个体的系谱列表。对每一个体都列出其个体号，父亲号（如果已知）和母亲号（如果已知）。注意在个体一列中要包括那些没有观察值的个体（如1和2）。为计算方便最好将所有个体用自然数从1开始连续编号。 母猪 父亲 母亲 1 ─ ─ 2 ─ ─ 3 ─ ─ 4 1 ─ 5 2 3 6 ─ 3 7 2 6 8 1 3 * * ②对于每一个体i，根据其双亲（s表示父亲，d表示母亲）已知与否，计算下列数值并将它加到中的特定位置上（事先将置为零阵）： 如果双亲已知 要加的数值 中的位置 2 (i，i) -1 (i，s)，(s，i)，(i，d)，(d，i) 1/2 (s，s)，(d，d)，(s，d)，(d，s) * * 如只有一个亲本已知 双亲未知 将1加到中的(i，i)位置上。 要加的数值 中的位置 4/3 (i，i) -2/3 (i，p)，(p，i) 1/3 (p，p) * * 2.3.3 关于混合模型方程组的求解 系数矩阵都很大而无法求逆，因而要采用某种数值计算方法即某种迭代方法来求解方程组，常用的迭代方法有高斯-赛德尔（Gauss-Seidel）迭代法，雅可比（Jacobi）迭代法和逐次超松弛（Succesive over-relaxation）迭代法。 经典的解法： 建立方程组（即求出方程组的系数矩阵和等式右边的向量） 迭代求解 * * 对动物模型来说，混合模型方程组往往十分庞大而很难求解。Schaeffer和Kennedy（1986a, 1986b）及Misztal和Gianola（1987）分别提出了混合模型方程组的另一种解法——间接解法，这种解法不需建立方程组，而是在每次迭代中读入原始数据（性状观测值和系谱记录），并同时计算该次迭代的解，故这种解法又称为对数据迭代（Iteration on data）。用这种解法，在一台ＰＣ机上就可同时对数万至数十万个个体求解BLUP值。 * * 2.3.4 关于育种值估计值的准确性 如果我们能求得混合模型方程组系数矩阵的逆矩阵。则可用前面的公式计算估计育种值的准确性( )或可靠性( )。但我们通常是用迭代方法来求方程组的解，这样就得不到系数矩阵的逆矩阵。因而必须采用某种近似方法来计算估计育种值的准确性，在这方面也有一些学者做了大量工作（如Meyer，1989）。 * * 3 多性状动物模型BLUP 现以两个性状为例。第一个性状的模型为 y1 = X1b1 + Z1a1 + e1 第二个性状的模型为 y2 = X2b2 + Z2a2 + e2 令 * * 则有 y = Xb + Za + e E(a) = 0， E(e) = 0 * * 令 其中g11和g22分别为第一个性状和第二个性状的加性遗传方差，g12为两个性状间的遗传协方差，r11和r22为第一个性状和第二个性状的误差方差，r12性状间的误差协方差。 * * 于是 Var(a) = Var(e) = 其中A为个体间的加性遗传相关矩阵。 * * 令 则 * * 混合模型方程组 * * 【例3】5个个体两个性状的资料如下： 个体 性状1 性状2 1 41 180 2 50 150 3 146 205 4 63 130 5 152 220 再设在个体间没有亲缘关系，即A = I * * * * * * 此方程组的解