基因组选择

基因组时代的动物遗传评估技术遗传评估•评估和比较动物个体在遗传上的优劣•为选择优秀种用个体提供依据•动物育种的中心工作表现型＝基因型＋环境常规遗传评估技术基因（黑箱）表型环境选择遗传评估亲属的表型特点：利用表型进行遗传评估常规遗传评估技术•BLUP方法是常规遗传评估技术的核心yZyXAZZXZZXXXe''uˆˆ''''12a2y：表型信息A：系谱信息eZuXy常规遗传评估技术•对很多重要经济性状十分有效MilkyieldinUSHolsteins678910111219601970198019902000BirthyearFirstlactationyield(1000kg)GeneticPhenotypic美国荷斯坦奶牛产奶量表型及遗传进展加拿大猪100kg体重日龄遗传进展常规遗传评估技术•局限性–当性状表型难以获取或遗传力低时，遗传评估可靠性不高–不能进行早期遗传评估标记辅助选择（MAS）基因（黑箱）表型数据基因信息遗传评估分子遗传学主效基因/QTL选择特点：利用表型和部分基因的信息进行遗传评估基因辅助选择（GAS）•氟烷基因y=Xg+e连锁不平衡标记辅助选择（LD-MAS）yXMgZuey：表型信息A：系谱信息M：标记信息g：可作为固定和随机效应遗传评估技术－MA-BLUP：标记辅助选择（MAS）•应用现状–实际应用不多–应用效果不显著–主要原因：•已被证实具有显著效应的基因或标记有限–（发现并证实一个有效的基因需要很长的时间和很高的成本）•这些基因或标记仅能解释有限的遗传变异–（10～30%遗传变异）基因组选择（GS）•Meuwissen(2001)等首次提出了基因组选择,但在当时并未引起重视•Schafferr(2006)重新指出GS在奶牛育种中的巨大应用价值•GS成为当期家畜育种最热门的研究领域•优势：–可以捕获所有的遗传变异–无需表型信息即可进行遗传评估，极大地缩短世代间隔和育种成本基因组选择•利用覆盖全基因组的高密度标记（SNP）进行个体遗传评估基因（黑箱）标记信息新的标记（黑箱）估计基因组育种值全基因组SNP芯片YearNo.SNPChipsHuman20083,000,0001000kPoultry20052,800,00060KBovine2007~2,000,00054kPig2008~2,000,00060kSheep2007-50k用于遗传评估的数据用于遗传评估的数据10001112200200121110111121111011110011211000201220022201111202101200211122110021112001111001011011010220011002201101120020110102022212112210201001110001122022122211202112012020100202202000021100011202011221112111022011110000212202000221012020002211220111012100111211102112110020102100022000220100020110000220221102211210112111012222001211212220020002002020201222110022222220022121111210021111200110111011200202220001112011010211121211102022100211201211001111102111211021112200010110111020220022111010201112111101120210210212110110221220012110112110120220110022200210021100011100211021101110002220020221212110002220102002222121221121112002011020200122222211221202121121011001211011020022000200100200011110110012110212121112010101212022101010111110211021122111111212111210110120011111021111011111220121012121101022202021211222120222002121210121210201100111222121101基因组选择•基本步骤1.利用一个参考群体估计每个SNP的效应–参考群体：每个个体都有性状表型记录和所有SNP基因型2.利用SNP效应估计值计算候选群体的个体基因组育种值–候选群体：每个个体都有所有SNP基因型基因组选择参考群体候选群体SNP基因型性状表型获得预测方程SNP基因型选留群体在参考群中估计标记效应gi1niiyXge设计矩阵染色体片断遗传效应估计标记效应在候选群体中计算个体gEBVpiiigXEBV1g全部基因组染色体片断设计矩阵染色体片断效应4×计算基因组育种值(gEBV)基因组育种值1+1-1-1+1+25-1+1-1-1-1+42+1-1-1-1-1-22-1+1-1-1=+38-40SNPeffect-00+20+40-20Chr1Chr2Chr3......ChrnKnownSNPsniiigEBV1ˆgXNumberofSNPsSNPalleleeffect标记效应的估计方法最小二乘法BLUP贝叶斯方法BayesA,B,C其他方法半参数、非参数机器学习、主成份分析最小二乘法对标记效应分布无任何假设1:对每个标记作单点回归分析2:选择效应值最大的m个点放入模型中，同时对其进行估计1nyXge1niiyXge不足：1.难以确定模型选择的阈值2.容易高估标记效应BLUP方法1BLUPmethod(1)egXWfynjjj12)(gjVarIg假设所有染色体片段具有相同的效应方差!gj=chromosomalsegmenteffectyXyWgfIλXXWXX2gHowtochose?BLUP方法2BLUPmethod(2)egXZaWfynjjj1yXyZyWgafIλXXZXWXXZAZZWZXWZ=residualpolygeniceffect2)(aVarAaBLUP方法3BLUPmethod(3)egXWfynjjj12)(jjVarIg每个染色体片段有自己的效应方差！改变染色体片段效应的方法ModelvariantFunctionlinearweight(LW)exponentialweight(E1,USDA)exponentialweight(E2,USDA)quadraticweight(Q1)quadraticweightwithlimits(Q2)122jjjsˆ22jsjˆ2212.1jsjˆ2225.1222ˆjjsisstandardisedeffectestimateofmarkerjjsˆBLUP方法4BLUPmethod(4)eZaWfyyZyWafGZZWZZ)(aVarGaGenomicrelationshipmatrixGenotypePedigree121101011110111211120200101121101111122221121111101101111102011111012011121120011010BayesformulaP(A)isthepriorprobabilityormarginalprobabilityofAP(A|B)istheconditionalprobabilityofA,givenB.ItisalsocalledtheposteriorprobabilitybecauseitisderivedfromordependsuponthespecifiedvalueofB.P(B|A)istheconditionalprobabilityofBgivenA.Itisalsocalledthelikelihood.P(B)isthepriorormarginalprobabilityofB,andactsasanormalizingconstant.Bayes'theoremwithcontinuouspriorandposteriordistributionstogettheposteriorprobabilitydistribution,multiplythepriorprobabilitydistributionbythelikelihoodfunctionandthennormalize.Bayesianinferencereferstotheuseofapriorprobabilityoverhypothesestodeterminethelikelihoodofaparticularhypothesisgivensomeobservedevidence;thatis,thelikelihoodthataparticularhypothesisistruegivensomeobservedevidence(theso-calledposteriorprobabilityofthehypothesis)comesfromacombinationoftheinherentlikelihood(orpriorprobability)ofthehypothesisandthecompatibilityoftheobservedevidencewiththehypothesis(orlikelihoodoftheevidence).Bayesian方法BayesianmethodModelforthedataModelforthemarkervariancePriordistributionof2giBayesian方法BayesABayesian方法BayesBBayesian方法BayesC基因组选择在奶牛育种中应用年青后备公牛分型一些AI（人工授精）种公牛站也开始直接根据年青公牛基因组育种值推销精液小母牛和成年母牛的基因分型基因组选择在奶牛育种中应用参考群(Holstein)USA/Canada5000bullsbornbefore2000Germany4339bullsbornbefore2004France1750bullsNetherlands1500bullsAustralia2000bullsIreland~950bullsNewZealand1450bulls,born1980-2001Nordic4000bulls,Born1986-2002Poland1227bullsbornbefore2003基因组选择在奶牛育种中应用用来估计SNP效应的方法USABLUP3CanadaBLUP1GermanyBLUP2FranceBayesBNetherlandsBLUP2AustraliaBayesBIrelandBLUP1NewZealandBLUP1NordicBayesDPolandBLUP1基因组选择在奶牛育种中应用USA2009.1Canada2009.8Germany2009.8France2009.6Netherlands2009.7Australia2010Ireland2009.2NewZealand2008.8Nor