1 / 35

基因组时代的 动物遗传评估技术

基因组时代的 动物遗传评估技术. 张 勤 刘剑锋 中国农业大学 2009.8.25 哈尔滨. 遗传评估. 评估和比较动物个体在遗传上的优劣 为选择优秀种用个体提供依据 动物育种的中心工作. 表现型＝基因型＋环境. 选择. 常规遗传评估技术. 基因 （黑箱）. 表型. 遗传评估. BLUP. 亲属的表型. 环境. 特点：利用表型进行遗传评估. 常规遗传评估技术. BLUP 方法是常规遗传评估技术的核心. y ：表型信息 A ：系谱信息. 美国荷斯坦奶牛产奶量表型及遗传进展. 常规遗传评估技术. 加拿大猪 100kg 体重日龄遗传进展.

varian
Download Presentation

基因组时代的 动物遗传评估技术

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. 基因组时代的动物遗传评估技术 张 勤 刘剑锋中国农业大学2009.8.25哈尔滨

  2. 遗传评估 • 评估和比较动物个体在遗传上的优劣 • 为选择优秀种用个体提供依据 • 动物育种的中心工作 表现型＝基因型＋环境

  3. 选择 常规遗传评估技术 基因 （黑箱） 表型 遗传评估 BLUP 亲属的表型 环境 特点：利用表型进行遗传评估

  4. 常规遗传评估技术 • BLUP方法是常规遗传评估技术的核心 • y：表型信息 • A：系谱信息

  5. 美国荷斯坦奶牛产奶量表型及遗传进展 常规遗传评估技术 加拿大猪100kg体重日龄遗传进展 • 对很多重要经济性状十分有效

  6. 常规遗传评估技术 • 局限性 • 当性状表型难以获取或遗传力低时，遗传评估可靠性不高 • 不能进行早期遗传评估

  7. 选择 标记辅助选择（MAS） 基因 （黑箱） 表型数据 遗传评估 分子遗传学 主效基因/QTL 基因信息 特点：利用表型和部分基因的信息进行遗传评估

  8. 标记辅助选择（MAS） 遗传评估技术 － MA-BLUP： • y：表型信息 • A：系谱信息 • M： 标记信息

  9. 标记辅助选择（MAS） • 应用现状 • 实际应用不多 • 应用效果不显著 • 主要原因： • 已被证实具有显著效应的基因或标记有限 • （发现并证实一个有效的基因需要很长的时间和很高的成本） • 这些基因或标记仅能解释有限的遗传变异 • （10 QTL ～50% 遗传变异）

  10. 基因组选择 • 利用覆盖全基因组的高密度标记（SNP）进行个体遗传评估 • 可以捕获所有的遗传变异 • 无需表型信息即可进行遗传评估 • 利用SNP芯片技术进行标记测定 基因 （黑箱） 遗传评估 标记信息

  11. 全基因组SNP芯片

  12. 用于遗传评估的数据 1000111220020012111011112111101111001121100020122002220111 1202101200211122110021112001111001011011010220011002201101 1200201101020222121122102010011100011220221222112021120120 2010020220200002110001120201122111211102201111000021220200 0221012020002211220111012100111211102112110020102100022000 2201000201100002202211022112101121110122220012112122200200 0200202020122211002222222002212111121002111120011011101120 0202220001112011010211121211102022100211201211001111102111 2110211122000101101110202200221110102011121111011202102102 1211011022122001211011211012022011002220021002110001110021 1021101110002220020221212110002220102002222121221121112002 0110202001222222112212021211210110012110110200220002001002 0001111011001211021212111201010121202210101011111021102112 2111111212111210110120011111021111011111220121012121101022 202021211222120222002121210121210201100111222121101

  13. 基因组选择 • 基本步骤 1. 利用一个参考群体估计每个SNP的效应 • 参考群体：每个个体都有性状表型记录和所有SNP基因型 2. 利用SNP效应估计值计算候选群体的个体基因组育种值 • 候选群体：每个个体都有所有SNP基因型

  14. 基因组选择 性状表型 估计所有SNP的遗传效应 参考群体 SNP基因型 估计基因组育种值 SNP基因型 候选群体 估计基因组育种值 SNP基因型

  15. 设计矩阵 估计标记效应 在参考群中估计标记效应gi 染色体片断遗传效应

  16. 4× 设计矩阵 计算基因组育种值(gEBV) 在候选群体中计算个体gEBV 全部基因组染色体片断 染色体片断效应 =

  17. 基因组育种值 ...... Chr 2 Chr 1 Chr 3 Chr n + 40 + 20 SNPeffect Known SNPs - 00 - 20 Number of SNPs - 40 SNP allele effect 1 + 1 - 1 - 1 + 1 + 25 - 1 + 1 - 1 - 1 - 1 + 42 + 1 - 1 - 1 - 1 - 1 - 22 - 1 + 1 - 1 - 1 = +38

  18. 标记效应的估计方法 • 最小二乘法 • 岭回归和BLUP • 贝叶斯方法BayesA, B, C 和压缩 • 其他方法 半参数、非参数 机器学习、主成份分析

  19. 最小二乘法 对标记效应分布无任何假设 1: 对每个标记作单点回归分析 2: 选择效应值最大的m个点放入模型中，同时对其进行估计 不足： 1. 难以确定模型选择的阈值 2. 容易高估标记效应

  20. sym. 最佳线性无偏预测和岭回归 BLUP: 岭回归: 人为选定 假定全部标记有相同的方差

  21. 数据模型 方差模型 图片来自Hayes,2001 贝叶斯方法-A 允许不同标记有不同的方差且服从一定分布 使用Gibbs sampling! u , gi,Ve ,Vgi

  22. Bayesian shrinkage 贝叶斯方法-B，压缩 允许标记方差为0 概率为 q 概率为 1-q 标记效应越大, 压缩越弱 标记效应越小，压缩越强

  23. 数据来自 Meuwissen al et., 2001 不同方法的准确性 准确性：估计育种值和真实育种值间的相关

  24. 模型的扩展 SNP Add. Polygenic SNP Dom. • y：表型信息 • X: 遗传标记信息 • A：系谱信息 a: additive SNP d: dominance SNP u: polygenic e: residue

  25. 基因组选择和常规遗传估计技术的育种效益比较（以奶业为例）基因组选择和常规遗传估计技术的育种效益比较（以奶业为例） • 后裔测验 (数据来自加拿大) • 每年参加后测的公牛数量: 500头 • 每头后测公牛的育种成本: 5万美元 • 后测的总成本: 2500万美元 • 中选公牛数目: 20头 • 每头中选公牛的育种成本: 125万美元 • 年遗传进展: 0.215遗传标准差 • 单位遗传标准差遗传进展的育种成本: 1.16亿美元

  26. 基因组选择和常规遗传估计技术的育种效益比较（以奶业为例）基因组选择和常规遗传估计技术的育种效益比较（以奶业为例） • 基因组选择 • 每个个体基因组标记信息测定成本：500美元 • 基因组单倍型效应估计 • 孙女试验设计: 50个公牛家系, 每头公牛50个儿子,每个儿子100个女儿 • 效应估计成本：125万美元 • 公牛母亲选择 • 进行 2000头母牛的预选择 • 全部个体进行基因组标记信息测定，根据GEBV选择1000母牛 • 评估成本:100万美元

  27. 基因组选择和常规遗传估计技术的育种效益比较（以奶业为例）基因组选择和常规遗传估计技术的育种效益比较（以奶业为例） • 基因组选择（续） • 公牛选择 • 从1000头公牛母亲中获得500头预选公牛 • 对所有公牛进行基因组标记测定，根据GEBV选择20头公牛 • 评估成本: 25万美元 • 20头公牛的购买成本:10万美元 • 每头公牛连续3年的维持费用: 3万美元 • 每年的总育种成本:195万美元 • 每年的遗传进展: 0.467遗传标准差 • 单位遗传标准差遗传进展的育种成本：417万美元

  28. 基因组选择的另一策略 • 利用参考群体估计SNP效应 • 选择效应显著的SNP • 利用选择SNP的信息构建的参考群体和候选群体个体间的加性遗传相关矩阵（具有性状特异性） • 用BLUP方法估计候选群体（无表型信息）的个体育种值

  29. 原理： 参考群体及候选群体的个体育种值 利用SNP的信息构建的加性遗传相关矩阵

  30. 基因型系谱 0 = homozygous for first allele (alphabetically) 1 = heterozygous 2 = homozygous for second allele (alphabetically)

  31. G的构建

  32. 两种基因组选择策略的比较 准确性 标记效应估计方法

  33. 基因组选择在奶牛中的应用

  34. Questions • 如何估计和分析基因间的互作效应? • 基因组SNP标记测定数目的确定? • SNP效应的估计周期? • 长期选择优化的方案问题? • 多性状选择问题? • 畜禽育种中基因定位的必要性?

  35. Thanks for your attentions!

More Related