《animal》：Bayesian estimation of genetic parameters and comparison of statistical models for race performance traits in the Turkmen horse
编辑推荐：
本研究采用贝叶斯方法估算了伊朗纯种土库曼马三个赛马性能性状的遗传参数，并比较了不同统计模型的适用性。研究人员分析了来自1667匹马的10830条比赛记录，涵盖赛程完成时间（RCT）、终场排名（REC）和平均速度（AS）三个性状。利用吉布斯抽样进行单性状线性动物
本研究采用贝叶斯方法估算了伊朗纯种土库曼马三个赛马性能性状的遗传参数，并比较了不同统计模型的适用性。研究人员分析了来自1667匹马的10830条比赛记录，涵盖赛程完成时间（RCT）、终场排名（REC）和平均速度（AS）三个性状。利用吉布斯抽样进行单性状线性动物模型（RCT和AS）和阈值动物模型（REC）分析。结果显示，终场排名的遗传力最高但仍较低（潜在尺度），而赛程完成时间和平均速度的遗传力极低。研究人员拟合了八种包含不同随机效应组合的混合模型（M1-M8），结果表明纳入比赛条件、让重和骑师效应的模型能为遗传评估提供更优支持。通过线性回归（LR）法对估计育种值（EBV）的预测能力进行评估，验证了模型的可靠性。这些发现支持将遗传选择纳入赛马育种计划，并为其他赛马群体的遗传评估提供了可借鉴的建模方法。
一、研究背景与意义
赛马作为全球性的体育娱乐产业，其背后涉及复杂的遗传与环境交互作用。尽管已有超过400个马品种通过定向选育得以发展，但对于特定品种——尤其是伊朗本土的土库曼马——赛马性能的遗传基础研究仍十分有限。现有研究表明，赛马表现受基因型、体型结构、营养、训练、年龄、性别等多因素影响，同时让重、骑师状态、母马年龄等附加因素也至关重要。然而，目前针对土库曼马这一独特种群的遗传参数估计尚属空白，且缺乏对不同统计模型在遗传评估中可靠性的系统比较。传统残差最大似然（REML）方法虽被广泛使用，但无法灵活整合先验信息。因此，开展基于贝叶斯方法的遗传参数估计，并比较多种模型结构，对于优化该品种的选育策略、提升赛马性能具有重要的理论和实践意义。
二、关键技术方法
研究人员收集了伊朗纯种土库曼马2003至2023年间共10830条比赛记录，涉及1667匹马（899匹公马，768匹母马）。数据来源于伊朗马术联合会竞赛副部的官方数据库。系谱数据经CFC软件（v1.0）和R语言的visPedigree包进行质量评估与整理。初步分析采用方差分析（ANOVA）鉴定显著固定效应，并使用Duncan多重范围检验进行均值比较。遗传参数估计采用GIBBS1F90（连续性状RCT和AS）和THRGIBBS1F90（有序分类性状REC）进行贝叶斯分析。吉布斯采样方案设定为150,000次迭代，前20,000次作为预烧期，每10次迭代抽取一个样本，最终保留13,000个后验样本用于统计推断。收敛性通过有效样本量（ESS）、Geweke诊断和自相关统计量进行评估。此外，应用Legarra和Reverter（2018）提出的线性回归（LR）法评价不同模型估计育种值（EBV）的偏倚、离散度和准确性。
三、研究结果
3.1 描述性统计与固定效应分析
三个赛马性能性状的描述性统计显示：RCT均值为84.98秒（变异系数CV=24.56%），REC均值为5.13（CV=57.47%），AS均值为13.91米/秒（CV=10.37%）。方差分析表明，性别、比赛距离、出发次数和骑师体重对所有三个性状均有显著影响（P<0.001）。具体而言，公马比母马具有更短的RCT和更高的AS，但在REC上优于母马（即排名数值更低）；不同比赛距离对各性状的影响模式复杂，其中RCT随距离增加而显著延长，而AS在不同距离间呈现非线性变化。
3.2 遗传参数估计
研究人员拟合了八种混合模型（M1至M8），所有模型均包含加性遗传效应（A），并在此基础上逐步纳入永久环境效应（PE）、骑师效应（J）和让重-比赛条件效应（HC）。结果显示，REC的遗传力在所有模型中均为最高，但总体处于较低水平（例如完全模型M8中约为0.12-0.15的尺度），而RCT和AS的遗传力极低（接近零）。这表明终场排名相对于完成时间和平均速度具有更大的遗传改良潜力。纳入HC效应显著改善了模型对表型方差的分解，降低了残余方差，从而提高了遗传参数估计的精度。
3.3 模型比较与验证
通过LR法对EBV的预测能力进行评估，发现包含HC和骑师效应的模型（如M4、M7、M8）在偏倚、离散度和准确性指标上表现更优。具体而言，这些模型产生的EBV具有更小的预测误差和更高的与未来表型的相关性。相比之下，仅包含加性遗传效应和永久环境效应的简单模型（M1、M2）表现出较大的偏倚和较低的准确性。这表明，在土库曼马的遗传评估中，忽视比赛条件异质性（如HC效应）可能导致育种值估计的系统性偏差。
四、讨论与结论
讨论部分指出，REC相对较高的遗传力（尽管仍属低水平）可能源于其作为综合性能指标的属性，能够整合速度、耐力、战术执行等多种能力的遗传差异。而RCT和AS的极低遗传力则暗示这些性状受非遗传因素（如赛道条件、天气、当天竞技状态）的强烈影响。HC效应的显著性证实了将比赛环境异质性纳入模型的重要性，这有助于分离真正的遗传效应与环境噪声。研究还强调，虽然估计值针对的是伊朗土库曼马群体，但所采用的建模框架可推广至其他受相似环境和管理因素影响的赛马群体。
研究结论如下：贝叶斯方法成功估算了土库曼马赛马性能性状的遗传参数，其中终场排名遗传力最高但仍较低，而赛程完成时间和平均速度遗传力极低。包含比赛条件、让重和骑师效应的模型为遗传评估提供了更优支持。这些发现表明，通过改进性能记录系统和结构化育种计划，可以将遗传选择纳入赛马育种程序，以实现长期遗传改良。尽管估计值具有种群特异性，但本研究的建模方法可为其他赛马群体的遗传评估提供参考。
