利用多性状模型提升肉牛场新型盈利性状的基因组预测准确性：内洛尔牛的实证研究

本研究系统评估了九种基因组预测模型（包括单性状、多性状及加权ssGBLUP/WssGBLUP）对肉牛养殖新型盈利性状（累积盈利APF和单位增重收益PFT）的预测效能。结果表明：多性状模型（MT_ss）显著提升预测精度（PFT达0.665，APF达0.561），而线性加权模型（ST_sswl）能更准确捕捉表型中的加性遗传方差。该研究为低遗传力性状的基因组选择提供了优化策略，对提升养殖经济效益具有重要实践价值。

　　

引言

肉牛育种是全球畜牧业可持续发展的核心环节。随着基因组学技术的突破，基因组选择（Genomic Selection）为加速遗传进展提供了新途径，尤其对于难以测量的新兴性状（如经济效益相关性状）。本研究聚焦两种新型盈利性状：累积饲料场盈利能力（APF）和每公斤活增重利润（PFT），旨在通过不同基因组预测模型评估其遗传预测能力。

材料与方法

研究数据来自巴西国家育种者与研究协会（ANCP），包含3969条APF和PFT表型记录，38,930头动物的系谱信息，以及2449头使用Clarifide Nelore 3.0 SNP芯片基因分型的个体。经过质量控制后，最终保留35,658个SNP位点。当代组（CGs）根据农场、出生年份、季节、管理组和性别等因素划分。

盈利性状表型通过BeefTrader决策支持系统生成，整合了个体增重曲线、干物质摄入量（DMI）、饲料成本和非饲料成本等经济数据。计算公式包括：

• •

  累积阿罗巴（arroba，15kg单位）：APF = ∑（日收益 - 日成本）

• •

  单位增重利润：PFT = 总利润 / 总增重

研究评估了九种基因组预测模型：

1. 1.

   单性状ssGBLUP（ST_ss，默认模型）

2. 2.

   线性加权WssGBLUP（ST_sswl1、ST_sswl2）

3. 3.

   非线性加权WssGBLUP（ST_sswnl1、ST_sswnl2）

4. 4.

   双性状模型（TT_W450、TT_DMI）

5. 5.

   三性状模型（TTT_CAR，结合胴体性状）

6. 6.

   多性状模型（MT_ss，整合生长、采食效率和胴体性状）

预测准确性通过计算基因组估计育种值（GEBV）与调整表型（Yc）的相关系数评估，并采用Legarra和Reverter（2018）的方法计算偏差和离散度。

结果

基因组预测准确性显示，多性状模型MT_ss对PFT的预测精度最高（0.665），显著优于单性状模型（0.345）。对于APF，MT_ss（0.561）和TT_W450（0.556）模型表现最佳。加权线性模型（ST_sswl）在捕捉表型中加性遗传方差方面表现突出，ST_sswl2对PFT和APF的预测值分别达0.70和0.94。

非线性加权模型（ST_sswnl）未显著提升预测精度。双性状和三性状模型的效果依赖于性状间的遗传相关性，例如TTT_CAR（结合胴体性状）对PFT的预测精度达0.604，而TT_DMI因遗传相关性较低且数据量有限，预测精度仅为0.372。

偏差分析表明，APF的预测偏差接近零（-0.003至0.096），而PFT的偏差较大（-1.230至-0.746），可能与其较低的遗传力和遗传方差有关。离散度方面，多性状模型（MT_ss）的回归系数最接近1（PFT:0.982，APF:1.049），表明其预测稳定性最佳。

讨论

本研究证实多性状基因组预测模型能显著提升低遗传力性状的预测精度，尤其适用于表型记录有限的新兴性状。加权线性模型（WssGBLUP）通过优先加权效应显著的SNP位点，更有效地捕捉了多基因性状的遗传结构。曼哈顿图分析（附图S1-S8）揭示了与碳水化合物代谢、免疫和采食行为相关的候选基因区域，为后续功能研究提供了方向。

然而，多性状模型需估计大量（协）方差组分，计算复杂度高，可能限制其在大规模商业育种中的应用。加权模型虽提升精度，但存在参数超拟合风险，导致预测偏差和离散度增加。实践中需权衡预测增益与计算可行性，优先选择遗传相关性高、表型记录丰富的辅助性状。

结论

多性状基因组选择模型（MT_ss）能显著提升肉牛盈利性状的预测准确性，为育种项目中的早期选择提供了可靠工具。线性加权模型（ST_sswl）在预测表型遗传组分方面表现优异，可直接辅助养殖场管理决策。未来需优化计算效率，并整合功能基因组数据进一步解析性状的生物学基础。