在松散结构奶牛育种系统中优化小数量品种限性性状的多品种联合基因组预测：资源匮乏地区的创新突破

在资源匮乏且品种数量少、无历史系谱信息的地区，基因组预测实施困难。研究人员开展利用基因组最佳线性无偏预测（GBLUP）对四个相关品种限性性状进行联合基因组预测的研究。结果显示多品种评估可提高预测准确性，推荐 MRND 模型。该研究有助于资源匮乏地区整合品种进行基因组选择。

　　基因组预测在发达的奶牛养殖业中至关重要，但在资源匮乏、品种数量少且没有历史系谱信息的地区实施颇具挑战。本研究探索了在有近期收集的基因组信息和表型数据的情况下，利用基因组最佳线性无偏预测（GBLUP）对四个密切相关品种的限性性状进行联合基因组预测的可能性。研究数据模拟涵盖了低（0.1）和中等（0.3）遗传力的场景。主成分分析（PCA）揭示了品种间的遗传相关性，前两个主成分解释了 80% 的变异。与单品种模型相比，仅利用基因组信息进行多品种联合遗传评估提高了预测准确性，并降低了基因组估计育种值（GEBV）的偏差。由于品种间的遗传相似性，特定祖先的等位基因频率和等位基因效应影响极小。多品种评估显著提高了准确性。多品种双尾选择性基因分型模型（MTB）的预测准确性优于顶部选择（MTOP）和随机选择（MRND）模型。然而，考虑到基因组估计育种值预测准确性的标准误差和最小预测偏差，对于小数量品种的多品种联合预测评估，推荐使用 MRND 模型。在遗传力 h²为 0.3 的场景中，MTOP 比单品种模型的准确性提高了 17.89%，MTB 提高了 20%，MRND 提高了 24.39%。在低遗传力（0.1）的场景中也观察到了类似的趋势。对于没有系谱记录数据的小品种，建议采用随机选择性基因分型的多品种联合评估。这种策略有可能在资源匮乏地区将关键品种整合到基因组选择中，同时节省基因分型和数据记录方面的资源。