《Tropical Animal Health and Production》：Estimation of genomically enhanced breeding values, and their validation accuracies in the Afrikaner and Brahman beef cattle breeds of South Africa
编辑推荐：
基因组选择技术通过利用全基因组SNP标记提升育种值预测精度，研究在 Afrikaner和 Brahman牛群中验证了GEBV的有效性，显示基因组信息使预测误差方差降低0.03-0.31，显著提高早期选种准确性。
摘要
基于使用性能和系谱信息评估的估计育种值（EBV）的育种计划，其遗传增益速度较慢。尤其是对于在动物生命后期表现出来的性状和/或难以测量的性状（例如生育能力、健康状况和适应性）。基因组选择是一种成熟的技术，旨在通过更早阶段更准确地选择候选个体来加速遗传增益。因此，本研究的目的是确定预测的基因组增强育种值（GEBV）在生长和繁殖性状方面的准确性。系谱数据分别为226,172条（非洲荷兰牛）和862,277条（婆罗门牛）。非洲荷兰牛的性能数据包括104,851条生长性状记录和12,825条繁殖性状记录，而婆罗门牛的相关数据包括256,565条生长性状记录和91,287条繁殖性状记录。基因分型的动物数量分别为456头（非洲荷兰牛）和399头（婆罗门牛），这两类动物都进行了141,716个SNP标记的基因分型。使用R-CRAN软件和lme4包确定了最终模型中应包含的显著效应。双变量分析通过Blupf90程序进行，其中基于系谱的最佳线性无偏预测（PBLUP）用于估计基于系谱的育种值，而单步基因组最佳线性无偏预测（ssGBlup）用于估计GEBV。预测准确性通过预测误差方差来衡量。在非洲荷兰牛中，性状的遗传力范围从较低的（0.09±0.02）（产犊间隔（CI）到中等水平（0.48±0.01）（平均日增重（ADG）；在婆罗门牛中，遗传力范围从较低的（0.06±0.00）（首次产犊年龄（AFC）到中等水平（0.39）（ADG）。通过基因组信息提高育种值预测准确性的效果在非洲荷兰牛中为（0.03–0.05），在婆罗门牛中为（0.05–0.31）。观察结果表明，添加基因组信息可以提高没有自身表型的年轻个体的EBV准确性，从而允许提前选择育种动物。
基于使用性能和系谱信息评估的估计育种值（EBV）的育种计划，其遗传增益速度较慢。尤其是对于在动物生命后期表现出来的性状和/或难以测量的性状（例如生育能力、健康状况和适应性）。基因组选择是一种成熟的技术，旨在通过更早阶段更准确地选择候选个体来加速遗传增益。因此，本研究的目的是确定预测的基因组增强育种值（GEBV）在生长和繁殖性状方面的准确性。系谱数据分别为226,172条（非洲荷兰牛）和862,277条（婆罗门牛）。非洲荷兰牛的性能数据包括104,851条生长性状记录和12,825条繁殖性状记录，而婆罗门牛的相关数据包括256,565条生长性状记录和91,287条繁殖性状记录。基因分型的动物数量分别为456头（非洲荷兰牛）和399头（婆罗门牛），这两类动物都进行了141,716个SNP标记的基因分型。使用R-CRAN软件和lme4包确定了最终模型中应包含的显著效应。双变量分析通过Blupf90程序进行，其中基于系谱的最佳线性无偏预测（PBLUP）用于估计基于系谱的育种值，而单步基因组最佳线性无偏预测（ssGBlup）用于估计GEBV。预测准确性通过预测误差方差来衡量。在非洲荷兰牛中，性状的遗传力范围从较低的（0.09±0.02）（产犊间隔（CI）到中等水平（0.48±0.01）（平均日增重（ADG）；在婆罗门牛中，遗传力范围从较低的（0.06±0.00）（首次产犊年龄（AFC）到中等水平（0.39）（ADG）。通过基因组信息提高育种值预测准确性的效果在非洲荷兰牛中为（0.03–0.05），在婆罗门牛中为（0.05–0.31）。观察结果表明，添加基因组信息可以提高没有自身表型的年轻个体的EBV准确性，从而允许提前选择育种动物。
