家畜育種學第五章級

家畜育種學第五章級第一頁，共七十三頁，2022年，8月28日第一節(jié)單性狀育種值估計第二節(jié)多性狀育種值估計第三節(jié)BLUP育種值估計第二頁，共七十三頁，2022年，8月28日第一節(jié)單性狀育種值估計一、個體育種值二、利用一種信息估計個體育種值三、利用多種親屬信息估計個體育種值四、相對育種值第三頁，共七十三頁，2022年，8月28日一、個體育種值（一）基本概念

1、育種值

控制一個數量性狀的所有基因座上基因的加性效應的總和。育種值的大小反映了它在育種上的貢獻大小。第四頁，共七十三頁，2022年，8月28日2、估計育種值（EBV）通過表型值和個體間的親緣關系估計出來的育種值。3、估計傳遞力（ETA）任何一個親本的育種值傳遞給下一代的能力。第五頁，共七十三頁，2022年，8月28日（二）個體育種值估計的原理與公式

育種值是能夠真實遺傳的，只有根據育種值進行選擇，選擇效果才最好。但育種值不能直接度量，要根據表型值與育種值之間的回歸關系來進行間接估計。第六頁，共七十三頁，2022年，8月28日決定rAP的三個參數：①育種值與信息表型值的協(xié)方差；②被估個體的育種值方差；③信息表型值方差。第七頁，共七十三頁，2022年，8月28日

rA：是提供信息的親屬個體與被估個體的親緣系數。親屬：祖代親代同胞子女個體親代親代同胞同胞子女子女子女外祖母外祖父祖母祖父第八頁，共七十三頁，2022年，8月28日二、利用一種信息估計個體育種值所謂的信息是指被估個體的各種親屬資料。即：個體本身的資料系譜資料同胞資料后裔資料公式：親代同胞第九頁，共七十三頁，2022年，8月28日rA－親屬間的遺傳相關。全同胞為0.5；半同胞為0.25；個體本身為1。n：同胞、后裔則表示數量；個體本身則為度量次數；系譜也表示度量次數。r－親屬間的表型相關。同胞、后裔則為rA·h2;

個體本身、系譜則為re。第十頁，共七十三頁，2022年，8月28日（一）根據個體本身信息來估計育種值

1、個體本身單次表型值

2、個體本身k次表型值的均值第十一頁，共七十三頁，2022年，8月28日由此可知：（1）利用個體本身信息估計育種值的準確度與性狀的度量次數和重復力有關，度量次數越多，給予的加權值越大；重復力越高，單次度量值的代表性越強。（2）利用個體本身信息估計育種值的準確度還取決于性狀遺傳力的大小，遺傳力高的性狀采用個體本身信息估計的準確度較高。第十二頁，共七十三頁，2022年，8月28日（二）根據系譜信息來估計育種值

1、一個親本單次表型值

2、一個親本k次表型值的均值

3、雙親單次表型值的均值第十三頁，共七十三頁，2022年，8月28日由此可知：（1）親緣關系越遠，其信息利用價值越低，估計育種值的準確性越低。（2）利用親本信息估計育種值的效率相對較低，但可以作早期選擇，在個體出生后無成績或甚至在個體未出生前，就可根據配種方案確定的兩親本成績來預測其后代的育種值。（3）在個體出生后有成績紀錄時，親本信息作為個體選擇的輔助信息可提高個體育種值估計的準確度。第十四頁，共七十三頁，2022年，8月28日（三）根據同胞信息來估計育種值1、一個同胞單次表型值2、一個同胞k次度量表型值的均值第十五頁，共七十三頁，2022年，8月28日3、n個同胞單次度量均值第十六頁，共七十三頁，2022年，8月28日由此可知：（1）同胞測定的效率與同胞測定的數量有關，多個同胞情況下可較大幅度提高估計準確度。（2）在一個同胞情況下，同胞信息估計的效率低于個體選擇；對低遺傳力的性狀選擇，其效率可高于個體選擇。（3）在測定數量相同時，半同胞選擇效率低于全同胞。優(yōu)點：①可作早期選擇；②可用于限性性狀選擇；③可用于活體難以測定的性狀選擇；④可用于閾性狀選擇；⑤同胞數量大時，可較大幅度提高估計的準確度。第十七頁，共七十三頁，2022年，8月28日（三）根據后裔信息估計育種值1、一個子女單次度量表型值2、一個子女k次度量均值第十八頁，共七十三頁，2022年，8月28日3、n個子女單次度量均值由此可知：在測定數量相等時，由于分母變小，所以半同胞后裔測定的效率高于全同胞后裔測定。主要適用于種公畜的測定。測定時注意事項：①盡量消除與配母畜效應的影響；②減少后裔間的系統(tǒng)環(huán)境效應影響，在比較不同種公畜時，其后代的飼養(yǎng)管理和環(huán)境條件就盡量一致；③保證足夠的后裔測定數量。第十九頁，共七十三頁，2022年，8月28日三、利用多種親屬信息估計個體育種值1、利用多元回歸方程估計育種值

估計個體育種值的信息類型有：

個體單次度量表型值（Pi）多次度量表型均值（）多個個體多次度量均值（）多個個體單次度量表型均值一個個體多次度量表型均值第二十頁，共七十三頁，2022年，8月28日2、利用多種親屬估計育種值的遺傳度來估計復合育種值多種親屬信息育種值的估計是在單項資料估計育種值的基礎上發(fā)展起來的一種方法。各種資料來源于親屬，由于這些親屬與被測個體間存在不同的遺傳相關，它們的遺傳效應就不能簡單相加，需根據不同資料在不同情況下的育種重要性，給每個單項育種值一定的加權值后相加。第二十一頁，共七十三頁，2022年，8月28日Ax=0.1A1+0.2A2+0.3A3+0.4A4四個加權值加起來等于1，單項育種值給予什么樣的加權值決定于性狀遺傳力的大小。性狀遺傳力A1

A2

A3

A4h2

≤0.2祖先個體同胞后裔0.2＜h2＜0.6祖先同胞個體后裔

h2

≥0.6祖先同胞后裔個體復合育種值的估計，充分利用了各方面的遺傳信息，提高了估計的可靠性。第二十二頁，共七十三頁，2022年，8月28日四、相對育種值相對育種值概念個體育種值相對于所在群體均值的百分數。相對育種值公式

第二十三頁，共七十三頁，2022年，8月28日第二節(jié)多性狀育種值估計一、選擇指數概述二、普通綜合選擇指數三、約束與最宜選擇指數第二十四頁，共七十三頁，2022年，8月28日一、選擇指數概述（一）選擇指數的類別1、經典選擇指數把所需要選擇的幾個性狀，根據它們的遺傳特點和經濟價值，綜合成一個使個體間可以相互比較的指數值，依據指數高低進行選留和淘汰。第二十五頁，共七十三頁，2022年，8月28日2、約束選擇指數

在普通選擇指數的基礎上，通過對性狀的改進施加某種約束條件，使一些性狀得到改進的同時，保持另一些性狀不發(fā)生改變。3、最宜選擇指數

在普通選擇指數的基礎上，通過對性狀的改進施加某種限制，使一些性狀按適當的比例要求改進。4、通用選擇指數是充分利用各種信息來制定選擇指數對個體多性狀進行綜合遺傳評定的一種方法。第二十六頁，共七十三頁，2022年，8月28日（二）選擇指數與育種值1、綜合育種值依據多個性狀在育種上和經濟上不同的重要性給予不同的加權值的復合數量性狀的育種值。第二十七頁，共七十三頁，2022年，8月28日2、選擇指數由于每個性狀的真實育種值無法得到的，需要通過各種信息來源的表型值加以估計，即為選擇指數。選擇指數是個體育種值的最佳線性預測，它采取育種值對所有信息來源的復回歸形式。個體指數的線性表達式：第二十八頁，共七十三頁，2022年，8月28日P表示由下標數字表示的度量值的表型方差和協(xié)方差；A表示由下標數字表示的目標性狀和度量性狀的育種值方差和協(xié)方差。該組聯立方程式反映出選擇指數和育種值的線性預測關系。第二十九頁，共七十三頁，2022年，8月28日二、普通綜合選擇指數（一）經典選擇指數信息性狀—個體本身或有關親屬的相關性狀的表型值。目標性狀—綜合育種值中所包含的性狀。第三十頁，共七十三頁，2022年，8月28日1、指數式的一般形式根據個體育種值的原理：第三十一頁，共七十三頁，2022年，8月28日

多性狀選擇的目的是要獲得一個指數I，用它可以達到最準確地估計H，即令綜合育種值與指數間相關（rHI）最大化，從而獲得最大的綜合育種值進展ΔH，利用求極大值方法可以得到如下多元正規(guī)方程：第三十二頁，共七十三頁，2022年，8月28日是各選擇性狀表型值之間的方差－協(xié)方差矩陣第三十三頁，共七十三頁，2022年，8月28日是各選擇性狀育種值之間的方差－協(xié)方差矩陣第三十四頁，共七十三頁，2022年，8月28日2、選擇指數選擇效果的預估（1）綜合育種值估計準確度（rHI）（2）綜合育種值選擇進展（△H）第三十五頁，共七十三頁，2022年，8月28日（3）各性狀育種值選擇進展（△a）第三十六頁，共七十三頁，2022年，8月28日3、經典選擇指數計算步驟（1）整理各性狀的表型、遺傳參數及經濟加權值；（2）計算性狀的表型方差、協(xié)方差矩陣和育種值方差、協(xié)方差矩陣；（3）求解各偏回歸系數；（4）計算rHI

、△H、△a（5）將各性狀表型值或其它的離均差值代入公式計算個體的指數值。第三十七頁，共七十三頁，2022年，8月28日（二）通用選擇指數1、通用選擇指數的構建（1）建立信息性狀的線性函數I。用I可以最準確地估計H（綜合育種值）要求：信息性狀和目標性狀應具有較高的遺傳相關。第三十八頁，共七十三頁，2022年，8月28日

（2）利用求極大值的方法建立多元正規(guī)方程：或第三十九頁，共七十三頁，2022年，8月28日是信息性狀表型值之間的方差－協(xié)方差矩陣第四十頁，共七十三頁，2022年，8月28日是各信息性狀與目標性狀育種值之間的方差－協(xié)方差矩陣第四十一頁，共七十三頁，2022年，8月28日是對應于提供每一信息性狀的個體或有關親屬與被估計個體間的親緣相關對角矩陣第四十二頁，共七十三頁，2022年，8月28日2、通用選擇指數選擇效果的預估（1）綜合育種值估計準確度（rHI)（2）綜合育種值選擇進展（△H）第四十三頁，共七十三頁，2022年，8月28日（3）各性狀育種值選擇進展（△a）第四十四頁，共七十三頁，2022年，8月28日3、應用選擇指數法的條件（1）用于計算指數值的所有觀測值不存在系統(tǒng)環(huán)境效應，或就予以校正；（2）被選個體間不存在固定遺傳差異；（3）計算過程中所涉及到的各種群體參數都是已知的。第四十五頁，共七十三頁，2022年，8月28日4、指數選擇效果與理論預測的差異（1）各種參數理論誤差的存在；（2）加權值確定的依據不充分；（3）候選群體?。唬?）單信息的選擇指數只利用本身的信息，降低了選擇指數的準確性；（5）各個個體的信息來源不同。第四十六頁，共七十三頁，2022年，8月28日5、制訂選擇指數的注意事項（1）突出主要性狀，選擇2－4個性狀為宜；（2）應該是容易度量的性狀；（3）盡可能是家畜的早期性狀；（4）對于遺傳力低的重要的經濟性狀應給予較大的加權值；（5）對于向上選擇的性狀，給予正值，對于向下選擇的性狀給予負值，但∑Wi＝1。（6）對于一些負相關的性狀，盡可能把它們合并為一個性狀來處理。第四十七頁，共七十三頁，2022年，8月28日三、約束與最宜選擇指數（一）概念約束選擇指數－在多性狀遺傳改良中，希望在一些性狀改進的同時，保持另一些性狀不變。最宜選擇指數－控制某些性狀以適當的比例按要求改進。第四十八頁，共七十三頁，2022年，8月28日（二）約束選擇原理約束指數是在綜合選擇指數的基礎上，對某些性狀的遺傳進展施加一定的約束，需要引入一個約束矩陣R：第四十九頁，共七十三頁，2022年，8月28日最宜選擇公式：約束選擇公式：第五十頁，共七十三頁，2022年，8月28日兩類特定條件下的簡化形式：（1）只有個體本身成績記錄，且不含選種輔助性狀這時：D=I，A'=A最宜選擇指數（bo）：約束選擇指數（bR）第五十一頁，共七十三頁，2022年，8月28日（2）有多種信息來源合并選擇指數（bC）：因只有各種親屬的一個性狀信息，所以無約束性狀，w=I、R=0個體育種值估計（bH）：這時無約束性狀，R=0

第五十二頁，共七十三頁，2022年，8月28日（三）約束選擇指數選擇效果的預估（1）綜合育種值估計準確度（rHI)（2）綜合育種值選擇進展（△H）第五十三頁，共七十三頁，2022年，8月28日（3）各性狀育種值選擇進展（△a）第五十四頁，共七十三頁，2022年，8月28日第三節(jié)BLUP育種值估計B—Best—最佳：指估計值與真實值的方差最小、精確度最好。L—Linear—線性：指估計育種值與觀察值為線性函數關系。U—Unbiased—無偏：指估計值的數學期望值等于真實值的期望值。P—Prediction—預測：指對未來事件可能出現的結果。第五十五頁，共七十三頁，2022年，8月28日一、有關預備知識（一）分快矩陣、逆矩陣和廣義逆矩陣1、分快矩陣第五十六頁，共七十三頁，2022年，8月28日2、逆矩陣逆矩陣存在的先決條件是：

①A必須是方陣；②A的行列式|A|≠0

AA-1=A-1A=I3、廣義逆矩陣

AA-A=A第五十七頁，共七十三頁，2022年，8月28日（二）隨機向量、期望向量和方差－協(xié)方差矩陣和正態(tài)分布設x1，x2，···，xn是n個隨機變量，令：

的數學期望值；的方差；

的協(xié)方差第五十八頁，共七十三頁，2022年，8月28日X是隨機向量為x的期望向量第五十九頁，共七十三頁，2022年，8月28日V是X的方差-協(xié)方差矩陣對于一個隨機向量x，其多變量正態(tài)分布密度函數為：第六十頁，共七十三頁，2022年，8月28日（三）個體間的加性遺傳相關概念：兩個個體獲得相同基因的概率。公式：①兩個個體間的加性遺傳相關

②一個個體的加性遺傳相關第六十一頁，共七十三頁，2022年，8月28日③加性遺傳相關矩陣可用下列兩個公式來計算A中的每一個元素

aii=1+0.5asidiaij=0.5(aisj+aidj)第六十二頁，共七十三頁，2022年，8月28日（四）線性模型1、模型概念：描述某種現象的特征或本質的數學關系式。意義：恰當地反映數據資料的性質和所要解決的問題。第六十三頁，共七十三頁，2022年，8月28日類型：（1）真實模型非常準確地模擬觀察值的變異性。（2）理想模型盡可能接近真實模型的模型。（3）操作模型用于實際統(tǒng)計分析的模型，是理想模型的簡化形式。第六十四頁，共七十三頁，2022年，8月28日2、線性模型概念：指在模型中所包含的各個因子是以相加的形式影響觀察值，即它們與觀察值的關系為線性關系，但對于連續(xù)性的協(xié)變量也允許出現平方或立方項。組成：數學方程式；方程式中隨機變量的期望和方差及協(xié)方差；假設及約束條件。第六十五頁，共七十三頁，2022年，8月28日3、線性模型的分類：（1）從功能上分類：回歸模型、方差分析模型等。（2）按模型中的因子數分類：單因子、雙因子等。（3）按模型中的因子性質分類：固定效應模型—模型中除了隨機誤差外，其余