基因组评估中群体-公牛互作效应校正对年轻基因组公牛可靠性估计的影响研究

本研究针对奶牛遗传评估中因群体-公牛互作效应(HS)导致的可靠性估计偏差问题，通过模拟和真实数据分析，比较了Misztal-Wiggans和Tier-Meyer两种可靠性近似计算方法。研究发现，当公牛后代集中分布于少数群体时，未校正HS效应的Tier-Meyer方法会显著高估可靠性（偏差>0.4），而包含HS校正的Misztal-Wiggans方法表现准确。研究提出改进的Tier-Meyer算法（RELTMnew），通过加权调整有效女儿贡献值(EDC)，成功消除偏差。该成果为基因组选择时代下集中使用公牛群体的可靠性评估提供了重要方法学依据，发表于《Genetics Selection Evolution》。

　　

论文解读
在基因组选择技术重塑奶牛育种的当下，美国乳业正经历着牧场规模化与公牛使用集中化的双重变革。随着大型牧场（>1000头）数量增长，年轻基因组公牛（Young Genomic Bulls）的冻精常被集中用于少数牧场，导致公牛后代在群体内形成"半同胞簇"。这种管理方式会引发群体-公牛互作效应（Herd-Sire Interaction, HS），即同一公牛后代在特定牧场可能获得系统性偏好管理。传统可靠性近似计算方法（如Tier-Meyer）因忽略HS效应，会严重高估集中使用公牛的育种值可靠性——例如文中提及的两头公牛JEUSA000117723269和JE840003012659218，传统方法给出的可靠性高达0.97-0.98，而实际信息量可能被严重高估。

为破解这一难题，法国农业科学院（INRAE）联合美国乳牛育种委员会（CDCB）的研究团队开展了一项方法学创新研究。通过构建包含542头"集中使用公牛"（Odd sires）和3000头"常规分布公牛"（Normal sires）的模拟数据集，以及真实美国娟珊牛（JE）生产记录（DataFull含782万条记录），团队系统比较了三种可靠性计算方法：精确逆矩阵法（REL_EXACT）、含HS校正的Misztal-Wiggans法（REL_MW）和未校正的Tier-Meyer法（REL_TMorig）。研究创新性地提出改进的Tier-Meyer算法（REL_TMnew），通过引入基于有效女儿贡献（Effective Daughter Contribution, EDC）的权重因子_chs，动态调整后代信息传递效率。

关键技术方法
研究采用单性状动物模型（Animal Model），固定效应包含群体和年龄-胎次，随机效应设置群体-公牛互作（Iσ²_hs=7.3×10⁶）、个体加性遗传效应（Aσ²_u=2.1×10⁷）及永久环境效应（σ²_pe=2.9×10⁷）。通过BLUPF90软件套件计算精确可靠性（blupf90+）和三种近似值（accf90GS2/GS3）。真实数据分析采用"h指数"分类公牛，h≤5为集中使用公牛（Odd），h≥10为常规分布公牛（Normal）。

研究结果
模拟数据验证
在542头集中使用公牛中，REL_TMorig平均高估可靠性0.44（0.95 vs 真实值0.51），而改进的REL_TMnew（0.58）与REL_MW（0.50）更接近真实值。回归分析显示REL_TMnew斜率（1.03）显著优于REL_TMorig（0.85）。

真实数据验证
在DataReduced数据集（160万条记录）中，344头集中使用公牛的REL_TMorig平均高估0.06（0.76 vs REL_EXACT 0.70），改进后REL_TMnew（0.66）偏差显著降低。值得注意的是，HS效应对母牛可靠性影响微弱（相关系数>0.81）。

结论与意义
该研究首次系统量化了HS效应对基因组时代公牛可靠性估计的干扰机制，证实当公牛后代集中分布于≤5个牧场时，传统Tier-Meyer方法会产生高达40%的可靠性高估。提出的改进算法REL_TMnew通过EDC加权策略，成功将回归斜率从0.45提升至0.87，其性能与经过实践检验的Misztal-Wiggans法相当。这一成果不仅为CDCB等育种组织提供了可靠性计算的新标准，更警示育种者：在大型牧场主导的产业环境下，仅凭后代数量评估公牛可靠性可能存在严重偏差。未来研究可将该方法扩展至多性状随机回归模型，进一步适应复杂的基因组评估场景。