多性状模型提升内洛莱牛基因组预测：多性状方法（WssGBLUP）优化肉嫩度遗传评估

本研究针对肉嫩度等复杂性状测量成本高、难度大的问题，开展了内洛莱牛基因组预测策略的比较研究。通过比较ssGBLUP、加权ssGBLUP及多性状模型等六种方法，发现包含眼肌面积、背膘厚和臀脂厚的多性状模型（模型6）预测精度最高（0.367），偏差最低（-0.105），表明利用性状间遗传关联可有效提升基因组预测准确性，为肉牛遗传改良提供了重要技术支撑。

　　

肉嫩度是影响牛肉品质和消费者满意度的关键性状，但由于其测量成本高昂、表型收集困难，且属于多基因控制的复杂性状，传统育种方法进展缓慢。特别是在Bos indicus（瘤牛）品种如内洛莱牛中，肌肉纤维特性使得肉嫩度改善面临更大挑战。基因组预测技术的出现为这类性状的遗传改良带来了新机遇，但如何提高预测精度、降低偏差仍是当前研究的重点问题。

本研究利用国家育种与研究协会（ANCP）遗传改良项目中的73,286条表型记录、4,141,892条系谱记录和15,300个基因组数据，对1,164头内洛莱牛的肉嫩度性状进行了系统分析。这些牛只在25.55±3.90月龄时屠宰，研究人员测试了六种不同的基因组预测模型，旨在评估各种方法对预测准确性的影响。

研究采用的主要技术方法包括：基于大规模育种数据的统计遗传学分析，使用单步基因组最佳线性无偏预测（ssGBLUP）及其加权迭代版本（WssGWAS）；多性状模型整合了断奶重（W450）和胴体性状（眼肌面积REA、背膘厚BF、臀脂厚RF）；采用线性回归和交叉验证方法，将数据集分为完整数据集（n=1,164）和部分数据集（n=374）进行预测能力评估；通过训练群体（数据更丰富的老年动物）的标记效应来估计验证群体（年轻动物）的基因组育种值（GEBVs）。

模型比较结果

研究人员测试了六种模型：基础ssGBLUP模型（模型1）、第一次加权迭代WssGWAS（模型2）、第二次加权迭代WssGWAS（模型3）、加入体重协变量（模型4）、双性状模型包含断奶重（模型5）和多性状模型包含胴体性状（模型6）。准确度分别为：0.337、0.044、0.044、0.325、0.323和0.367。模型6表现出最高的预测精度。

预测能力参数

模型6在准确度（0.367）、分散度（0.920）和相关性（0.897）方面均表现最佳，同时偏差最低（-0.105）。模型2和3的偏差最小（-0.001），但准确度较低。模型1的分散度为0.872，相关性为0.838。

多性状模型优势

包含REA、BF和RF的多性状方法显著提高了对肉嫩度遗传变异的捕获能力，表明这些性状与肉嫩度存在有益的遗传关联。

研究结果表明，多性状基因组预测方法能够显著提高内洛莱牛肉嫩度的预测准确性。通过整合基因组信息与多个相关性状的表型数据，模型6不仅实现了最高的预测精度（0.367），还保持了较低的偏差（-0.105）和良好的分散度（0.920）。这说明利用性状间的遗传相关性可以更有效地挖掘基因组信息，提高遗传评估的可靠性。

这项研究的重要意义在于为难以测量性状的基因组选择提供了实用解决方案。多性状方法通过利用已有的大量相关性状数据，克服了目标性状表型数据有限的瓶颈，特别适用于像肉嫩度这样测量成本高、遗传力中等的性状。研究结果发表在《Journal of Animal Science》，为肉牛育种实践提供了科学依据，推动基因组选择技术在Bos indicus品种中的优化应用。

研究人员强调，加权方法（WssGWAS）在本研究中并未显示出预期优势，这可能与权重迭代过程中的计算特性有关。未来研究需要进一步探索加权策略的优化方法，同时扩大样本规模以验证多性状模型的稳定性。这项研究为开发更精确、更高效的基因组预测方法奠定了重要基础，对推进肉牛遗传改良和肉类品质提升具有重要实践价值。