第7章 BLUP估计育种值课件.ppt

设有肉牛190～210日龄的体重资料，将日龄按每5天间隔分组，190～210日龄就可分为4组，欲分析不同日龄组对体重的影响。可建立如下的线性模型： yij = ? + ai + eij 上式中： yij ：在第i个日龄组中的第j头肉牛的体重，为可观察的随机变量； ? ：总平均数，是一个常量； ai ：第i个日龄组的效应，它是固定效应； eij：剩余效应，也称为随机误差； 模型举例 上式中随机变量的期望和方差及协方差为： E(eij) = 0，E(yij) = ? + ai ， Var(yij) = Var(eij) = σ2 Cov(eij，eij)= Cov(eij，eij)= Cov(eij，eij)=0 此模型的假设和约束条件包括： 1) 所有犊牛都来自同一品种, 2) 母亲的年龄对犊牛体重无影响, 3) 犊牛的性别相同或性别对体重无影响, 4) 所有犊牛都在相同的环境下以相同的饲养方式饲养 模型举例 现有一数据表 模型举例 每一观察值都可根据上面的模型建立一个方程式： y = Xa + e E(e) = 0，E(y) = Xa Var(y) = Var(e) = Iσ2 矩阵X称为关联矩阵，因为其中的元素指示了y中的元素与a中的元素的关联情况，I是单位矩阵。 线性模型的分类 ⑴ 固定效应模型 如一个模型中除了随机误差外，其余所有的效应均为固定效应，则称此模型为固定效应模型，或固定模型（fixed model）。 ⑵ 随机效应模型 若模型中除了总平均μ外，其余的所有效应均为随机效应，则称此模型为随机效应模型，或随机模型（random model）。 ⑶ 混合模型 若模型中除了总平均μ和随机误差之外，既含有固定效应，也含有随机效应，则称之为混合模型（mixed model）。 ⑶ 混合模型 线性模型的分类 y = Xb + Zu + e （7-8） y为所有观察值构成的向量 b为所有固定效应（包括?）构成的向量 X为固定效应的关联矩阵 u为所有随机效应构成的向量 Z为随机效应的关联矩阵 e为所有随机误差构成的向量 BLUP的概念 BLUP = 最佳线性无偏预测 （Best Linear Unbiased Prediction) 最佳 - 估计误差最小，估计育种值与真实育种值的相关最大 线性 - 估计是基于线性模型（估计值与观察值乘线性关系） 无偏 - 估计值的估计不受非遗传因素影响 预测 - 预测一个个体将来作为亲本的种用价值（随机遗传效应） 举例:某性状 h2=1/3 猪场 个体 父亲 母亲 观察值 1 2 — — 225 1 3 — — 200 1 4 — — 255 2 5 1 3 250 2 6 1 3 198 2 7 2 4 245 2 8 2 4 260 2 9 2 4 235 第二节 BLUP育种值估计方法 育种值估计模型 n个个体的观察值—估计s个体的育种值(sn) y:n个观察值的向量 b:所有系统环境效应的向量 X:b的关联矩阵 u:s个个体的育种值向量 Z：u的关联矩阵，当s=u时，Z=I。 动物模型的混合模型方程组 A: s个个体间的遗传相关矩阵 模型的矩阵形式 y = X h + Za + e A矩阵 混合模型方程组 方程组的解 BLUP育种值估计方法－ BLUP的主要优点 能更有效地校正环境效应 能更充分利用所有亲属的信息 能对不同群体进行联合遗传评定 （前提：群体间有一定的遗传联系） 育种值估计的精确性更高 …… 前提： 1) 所用的记录、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（如（7-19）式中的k1和k2）已知。 BLUP育种值估计方法－ BLUP育种值估计方法－ (Henderson, 1975) a) 构造所有个体的系谱列表 个 体 父亲 母亲 ━━━━━━━━━━━━━━━━ 1 ─ ─ 2 ─ ─ 3 ─ ─ 4 1 ─ 5