基因组时代的动物遗传评估技术

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,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,常规遗传评估技术,基因 （黑箱）,表型,环境,遗传评估,亲属的表型,BLUP,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,常规遗传评估技术,对很多重要经济性状十分有效,美国荷斯坦奶牛产奶量表型及遗传进展,加拿大猪100kg体重日龄遗传进展,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

2、传评估,标记辅助选择（MAS）,基因 （黑箱）,表型数据,基因信息,遗传评估,分子遗传学,主效基因/QTL,特点：利用表型和部分基因的信息进行遗传评估,标记辅助选择（MAS）,y：表型信息 A：系谱信息 M： 标记信息,遗传评估技术 MA-BLUP：,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）,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

3、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）,标记信息,遗传评估,全基因组SNP芯片,用于遗传评估的数据,1000111220020012111011112111101111001121100020122002220111 1202101200211122110021112001111001011011010220011002201101 1200201101020222121122102010011100011220221222112021120120 2010020220200002110001120201122111211102201111000021220200 0

4、221012020002211220111012100111211102112110020102100022000 2201000201100002202211022112101121110122220012112122200200 0200202020122211002222222002212111121002111120011011101120 0202220001112011010211121211102022100211201211001111102111 2110211122000101101110202200221110102011121111011202102102 121101

5、1022122001211011211012022011002220021002110001110021 1021101110002220020221212110002220102002222121221121112002 0110202001222222112212021211210110012110110200220002001002 0001111011001211021212111201010121202210101011111021102112 2111111212111210110120011111021111011111220121012121101022 20202121122

6、2120222002121210121210201100111222121101,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,基因组选择,估计所有SNP的遗传效应,SNP基因型,性状表型,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,参考群体,在参考群中估计标记效应gi,染色体片断遗传效应,估计标记效应,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,=,计算基因组育种值(g

7、EBV),基因组育种值,1 + 1 - 1 - 1 + 1 + 25 - 1 + 1 - 1 - 1 - 1 + 42 + 1 - 1 - 1 - 1 - 1 - 22 - 1 + 1 - 1 - 1 = +38,- 40,SNP effect,- 00,+ 20,+ 40,- 20,Chr 1,Chr 2,Chr 3,.,Chr n,Known SNPs,Number of SNPs,SNP allele effect,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,最小二乘法,对标记效应分布无任

8、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,最佳线性无偏预测和岭回归,假定全部标记有相同的方差,BLUP: 岭回归: 人为选定,sym.,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,图片来自Hayes,2001,允许标记方差为0,概率为 q 概率为 1-q,Bayesian shrinkage,标记效应越大, 压缩越弱 标记效应越小，压缩越强,贝叶斯方法-B，压缩,准确性：估计育种值和真实育种值间

9、的相关,数据来自 Meuwissen al et., 2001,不同方法的准确性,SNP Add. Polygenic SNP Dom.,a: additive SNP d: dominance SNP u: polygenic e: residue,y：表型信息 X: 遗传标记信息 A：系谱信息,模型的扩展,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

10、准差 单位遗传标准差遗传进展的育种成本: 1.16亿美元,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,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

11、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,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,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,基因型系谱,0 = homozygous for first allele (alphabetically) 1 = heterozygous 2 = homozygous for second allele (alph