种畜的遗传评估一方案介绍.pptVIP

种畜的遗传评估;;一、线性模型基础知识 ;因子 离散型 通常表现为若干个有限的等级或水平 固定因子 ——有意识地抽取若干个特定的水平，目的是对这些水平的效应进行估计或进行比较 ，如年效应 随机因子——因子的若干水平可看作是来自该因子的所有水平所构成的总体的随机样本，目的是要通过该样本去推断总体，如个体的遗传效应。 连续型 它呈现连续性变异，通常是作为影响观察值的协变量（回归变量） ;传统的选择指数法的基本假设是不存在影响观察值的系统环境效应，或者在使用前剔除了系统环境效应。 遗憾的是这个基本假设在几乎所有实际情况下都是不能成立的，如乳用母牛饲养在管理条件不同的牛群中 为克服以上缺陷，Henderson于1948年提出了BLUP方法，即最佳线性无偏预测，这个统计方法可同时估计固定效应（例如系统环境效应）和育种值。传统的选择指数是具有已知固定效应的BLUP方法的一种特殊情形 随着计算机技术的高速发展，使这一方法的实际应用成为可能，目前BLUP法已成为世界各国（尤其是发达国家）家畜遗传评定的规范方法 ;二、BLUP的基本原理;BLUP 的统计特性 可估函数： 预测函数： 预测误差： BLUP分析的实质是利用观察值的一个线性函数（ ）对固定效应和随机效应的任意线性可估函数（ ）进行估计和预测，要求同时满足预测的无偏性和预测误差方差最小（最佳）两个条件，由此得到 的最佳线性无偏估计值（BLUE）， 的最佳线性无偏预测值（BLUP） ;BLUP 估计一般方程 BLUP法前提条件 所用的表型信息必须真实可靠，系谱资料必须正确完整 所用的模型是真实模型； 模型中的随机效应的方差组分或方差组分的比值已知;混合模型方程组的一般形式 混合模型方程组的简化形式;混合模型方程组的度量 ;三、BLUP的计算技术;经典的迭代方法 高斯-赛德尔迭代法 （gauss-seidel） 雅可比迭代法（jacobi） 松弛迭代法（relaxation） 收敛标准（convergence criteria) 一般标准 改进标准;列表法计算分子亲缘矩阵 构造所有个体的系谱列表 ，父母亲号先于个体号 构建分子亲缘矩阵 个体 的父母未知时： 个体 的父或母为 时 ： 个体 的父母已知为 或 时： ;分子亲缘矩阵逆矩阵的计算 构造所有个体的系谱列表 ，父母亲号先于个体号 构建三角矩阵 个体 的父母未知时： 个体 的父或母为 时： 个体的父母已知为 或 ，假设 ，这时： ;分子亲缘矩阵逆矩阵的计算 令 为 对角线元素组成的对角阵，让 按以下规则加入已知父母的个体的有关元素构建 ;如果是一个非近交群体 ，则可直接构建 如果双亲已知为 和 ： 如果个体父或母已知为 ：;四、育种值估计模型 ;混合模型方程组： 公畜模型 （sire model ） 数学方程式： 是公畜二分之一的加性遗传效应向量 是 的关联矩阵 期望和方差： ;假设和约束条件： 只可用来估计公畜的育种值 公畜在群体中与母畜的交配是完全随机的 母亲之间没有血源关系 每个母亲只有一个后代，即一个公畜的所有后代都是父系半同胞。 混合模型方程组： ;公畜—母畜模型 （sire-dam model ） 数学方程式： 是公畜二分之一的加性遗传效应向量 是 的关联矩阵 是母畜二分之一的加性遗传效应向量 是 的关联矩阵 期望和方差：;假设和约束条件： 只适用于后裔测定的父、母亲育种值预测，而且主要适用于猪、鸡等母畜繁殖力高的畜禽 动物只有一个记录 有记录的动物不是其它动物的双亲 双亲无记录 混合模型方程组： ;外祖父模型 （maternal grandsire model ） 数学方程式： 是公畜四分之一的加性遗传效应向量 是 的关联矩阵 期望和方差： ;假设和约束条件： 主要适用于种公牛评定 动物只有一个记录 有记录的动物不是其它动物的双亲 双亲无记录 每个母畜只有一个后代 ，且外祖母只有一个女儿 母畜在外祖父所有女儿中随机抽样 混合模型方程组： ;BLUP原理同样可使用于对多个性状进行育种值估计 当我们要对个体在多个性状上的育种值进行估计时，一种方法可以分别对每一性状单独进行估计，然后根据性状之间的经济重要性进行综合， 另一种方法可以利用一个多性状模型对多个性状同时进行估计。由于同时进行估计时考虑了性状间的相关，利用了更多的信息，同时可校正由于对某些性状进行了选择而产生的偏差，因而可提高估计的准确度。提高的程度取决于性状的遗传力，性状间的相关性和每个性状的信