从传统选择方法向基因组选择方法（ssGBLUP）的转变提高了萨希瓦尔牛（Sahiwal Cattle）选育的准确性以及选种决策的质量

《Scientific Reports》：Transition from Conventional to Genomic Selection (ssGBLUP) led to improve in accuracy gains and selection decisions in Sahiwal Cattle

　　

摘要

通过利用全基因组标记来预测个体的遗传潜力，基因组选择（Genomic Selection，简称GS）技术极大地改变了动物育种方式。该方法减少了对外部长期野外试验的依赖，从而加快了对复杂性状的选育进程，使得家畜遗传性能的提升更加迅速。然而，关于基因组选择对印度萨希瓦尔牛（Sahiwal cattle）的影响的研究非常有限，而将其与现有的淘汰或选育方法进行比较的研究更为罕见，尤其是在基因型数据较少的国家。本研究旨在填补这一知识空白。研究利用单变量动物模型和单步基因组最佳线性无偏预测（single-step Genomic Best Linear Unbiased Prediction，简称ssGBLUP）方法，对萨希瓦尔牛的305天产奶量进行了基因组选择实验。根据基因组数据计算得出该牛群的有效种群规模（Effective Population size，简称N_e）为71.927。305天产奶量的遗传率为0.177 ± 0.068。利用ssGBLUP方法为每个个体预测了基因组估计育种值（Genomic Estimated Breeding Values，简称GEBVs），其平均预测准确率为43.11%，而传统基于系谱的BLUP方法的准确率为40.88%。交叉验证进一步证实了ssGBLUP的优越预测性能，其准确率分别为76.82%和70.50%。为了进一步验证基因组选择方法的有效性，我们还将ssGBLUP所得的GEBVs与农场实际用于淘汰决策的预期后代差异（Expected Progeny Difference，简称EPD）进行了比较，结果发现两者结果一致。基因组选择技术的应用使得即使在系谱信息有限的情况下也能开展遗传学研究。此外，ssGBLUP方法还能检测系谱记录中的错误。EPD与GEBVs之间的结果一致，表明基因组选择也可用于支持农场的淘汰和选育决策。因此，在资源有限且系谱信息不完整的传统动物育种项目中，我们建议采用ssGBLUP模型进行定期基因组评估，并筛选出适合进行基因组选择的候选个体。