第七章-个体遗传评定之BLUP法.pptVIP

线性模型基础知识 BLUP法估计育种值 线性模型基础知识 BLUP法估计育种值 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（估计值与观察值呈线性关系） 无偏 - 估计值的数学期望为真值（固定效应）或被估计量的数学期望（随机效应） 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） BLUP法的基础 统计学意义：将观察值表示成固定效应、随机效应和随机残差的线性组合 遗传学意义：将表型值表示成遗传效应、系统环境效应（如畜群、年度、季节、性别等）、随机环境效应（如窝效应、永久环境效应）和剩余效应（包括部分遗传效应和环境效应）的线性组合 在同一个估计方程组中既完成固定效应的估计，又能实现随机遗传效应的预测 动物模型BLUP举例 动物模型BLUP举例 对上述资料可用如下模型估计育种值： 在第i个牧场中个体j的观察值 第个i牧场的固定效应 第j个个体的育种值 与观察值 对应的随机误差 写成矩阵形式为： 与此模型对应的混合模型方程组（MME） 9个个体间的加性遗传相关矩阵为： BLUP育种值估计方法类型 公畜模型BLUP: 公畜－母畜模型BLUP： 外祖父模型BLUP： 动物模型BLUP： BLUP法估计育种值的主要优点 能更有效地校正环境效应 能更充分利用所有亲属的信息 能校正由于非随机交配造成的偏差 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 BLUP法的应用 最早在乳用种公牛育种值估计上推广 准确地排列出公畜间和母畜间的优劣名次 大大加快了奶牛育种改良的进度 十年美国荷斯坦牛牛群规模:不断减少 十年美国荷斯坦牛平均产奶量：不断增加 在肉牛、猪、绵羊等家畜育种选种也广为应用 肉牛：美国、加拿大 猪：国内已开展猪的联合育种 绵羊：利用BLUP法估计个体育种值，提高羊毛产量和质量 BLUP育种值估计软件 BLUP法的缺点：受计算条件的限制 对一些跨群（场）的遗传评定，方程组个数可达几万至几十万，用手工计算是根本不可能的 近年来，世界各国育种学家在BLUP法的计算问题上做了大量的工作，已开发出相应的电脑软件 PEST NETPIG …… 选择方法总结 1 2 3 4 5 6 7 8 9 A-1 方程组的解为： 9个个体排列优劣名次：a4a3 a8 a7 a9 a2 a5 a1 a6 公畜（父亲）遗传效应向量 个体加性效应向量 外祖父遗传效应向量 母亲遗传效应向量 BLUP法的应用 BLUP法的应用 BLUP法的应用 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。 线性模型分类 日粮 日粮 牧场 线性模型分类 线性模型分类 效应的性质 固定效应： 可人为控制；不因其他因素的变化而改变 随机效应： 来自一个总体的随机样本，其有可能表现不同的状态，人为不能控制 固定模型：除了随机误差（e）外，完全由固定效应组成的模型称为固定效应模型，或固定模型（fixed effects model） 随机模型：除了群体均数（μ）外，完全由随机效应组成的模型称为随机效应模型，或随机模型（random effects model） 混合模型：除了群体均数（μ）和随机误差（e）外，一个模型既含有固定效应，又含有随机效应，则称为混合模型（mixed model） 线性模型分类 BLUP 线性模型分类 线性模型分类 线性模型分类 环境效应：外界因素对家畜个体作用所产生的效应 随机环境效应（对于一个大群体，基本上可以相互抵消） 人为不可控制，作用于个别个体的环境效应 永久性随机环境效应；暂时性随机环境效应 系统环境效应（必须掌握其影响，并从表型值中剔除） 在一定时间内作用于所有个体的环境效应（牧场、季节） 遗传效应：由基因对个体产生的效应 随机遗传效应：任何个体均是一个群体的随机抽样 固定遗传效应：公牛组效应 数据资料的结构 均衡资料（balanced data）：所有水平组合中重复数相等的资料称之 不均衡资料（unbalanced data）：水平组合中重复数不等的资料称之（畜牧上大部分数据属于此类）