【摘要】：全基因選擇廣泛地應(yīng)用在復(fù)雜性狀的畜禽育種中,肉牛經(jīng)濟(jì)性狀全基因組估計(jì)結(jié)果決定著肉牛全基因組選擇,這對于肉牛行業(yè)非常重要,有必要在肉牛中針對這些性狀進(jìn)行全基因組選擇的育種值估計(jì)研究。首先,使用經(jīng)BovineSNP770K Beadchip生物芯片進(jìn)行基因分型的1217頭中國西門塔爾肉牛群體研究背最長肌重和里脊重的全基因組估計(jì)育種值,研究的性狀包括活重、胴體重、背最長肌重、里脊重、上腦重、外脊重、眼肌重以及腰背部肉重。使用隨機(jī)分組策略構(gòu)建訓(xùn)練集和驗(yàn)證集,利用GBLUP、BayesA、BayesB和BayesCπ估計(jì)全基因組育種值,使用校正表型值與估計(jì)育種值的相關(guān)系數(shù)作為估計(jì)準(zhǔn)確度,經(jīng)5倍交叉驗(yàn)證以后得到的全基因組估計(jì)的準(zhǔn)確度范圍是0.329(GBLUP估計(jì)上腦性狀)到0.490(BayesB估計(jì)外脊性狀),所有性狀的平均估計(jì)準(zhǔn)確性是 0.390(GBLUP),0.406(BayesA),0.432(BayesB)和 0.408(BayesCn)。對于本研究中的大多數(shù)性狀來說,貝葉斯方法的估計(jì)準(zhǔn)確性高于GBLUP。針對貝葉斯方法計(jì)算時(shí)間長的問題,利用并行計(jì)算縮短運(yùn)行時(shí)間,具體:(1)提出了基于傳統(tǒng)并行MCMC技術(shù)的多鏈并行貝葉斯方法,使用模擬數(shù)據(jù)集和西門塔爾肉牛群體的育肥日增重、活重、胴體重、屠宰率、凈肉率和零售肉重6種性狀進(jìn)行全基因組估計(jì)研究。標(biāo)記效應(yīng)使用GBLUP和3種并行貝葉斯方法進(jìn)行估計(jì),并行貝葉斯方法包括多鏈并行 BayesA,BayesB 和 BayesCπ(PBayesA,PBayesB 和 PBayesCπ)。在模擬數(shù)據(jù)集上獲得與串行貝葉斯方法相同估計(jì)準(zhǔn)確性的情況下,并行貝葉斯方法極大地縮短了運(yùn)行時(shí)間。真實(shí)數(shù)據(jù)集全基因組估計(jì)的準(zhǔn)確性范圍是0.195± 0.084(GBLUP估計(jì)凈肉率性狀)到0.424± 0.147(PBayesB估計(jì)胴體重性狀)。6種性狀的平均估計(jì)育種值為0.327±0.085(GBLUP),0.335±0.063(PBayesA),0.347±0.093(PBayesB)和 0.334±0.077(PBayesCπ)。(2)為了獲得精確的全基因組估計(jì)結(jié)果,MCMC中的burn-in通常設(shè)置成很大的值,而進(jìn)入平衡狀態(tài)以后,更多的burn-in迭代都無助于MCMC運(yùn)行結(jié)果的改善。針對這一問題提出了基于并行MCMC和多鏈?zhǔn)諗啃栽\斷的自適應(yīng)burn-in并行全基因組估計(jì)技術(shù)。在研究中將BayesA和BayesCπ應(yīng)用到自適應(yīng)burn-in并行全基因組估計(jì)中,使用模擬數(shù)據(jù)集對自適應(yīng)多鏈并行 BayesA(TunBpBayesA),自適應(yīng)多鏈并行 BayesCπ(TunBpBayesCπ)和固定 burn-in 多鏈并行 BayesA(FixBpBayesA),固定 burn-in 多鏈并行 BayesCπ(FixBpBayesCπ)以及 GBLUP 進(jìn)行比較。TunBpBayesA(或 TunBpBayesCπ)與 FixBpBayesA(或 FixBpBayesCπ)的估計(jì)準(zhǔn)確性相同,但是 TunBpBayesA(或 TunBpBayesCπ)的加速比遠(yuǎn)遠(yuǎn)高于 FixBpBayesA(或 FixBpBayesCπ)的加速比。使用真實(shí)數(shù)據(jù)進(jìn)行全基因組估計(jì),TunBpBayesCπ的全基因組估計(jì)準(zhǔn)確性高于TunBpBayesA 和 GBLUP。研究結(jié)果表明:①貝葉斯方法和GBLUP在中國西門塔爾肉牛群體中估計(jì)背最長肌和里脊性狀的全基因組選擇是可行的;②并行全基因組估計(jì)方法對于中國西門塔爾肉牛也是可行的;③自適應(yīng)burn-in多鏈并行BayesA(和BayesCπ)比固定burn-in多鏈并行BayesA(和BayesCπ)相比,估計(jì)結(jié)果可靠,加速比更高。自適應(yīng)burn-in多鏈并行BayesA(和BayesCπ)在使用CPU內(nèi)核上展示出極好的可擴(kuò)展性,在應(yīng)用到其他的貝葉斯方法表現(xiàn)出很好的靈活性。本研究中涉及到的貝葉斯方法、GBLUP和并行貝葉斯方法將在肉牛育種規(guī)劃中幫助識(shí)別肉牛經(jīng)濟(jì)性狀優(yōu)異的候選個(gè)體。
[Abstract]:......
【學(xué)位授予單位】：中國農(nóng)業(yè)科學(xué)院
【學(xué)位級別】：博士后
【學(xué)位授予年份】：2017
【分類號】：S823

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 PLASTOW Graham;MOORE Stephen;;Developing a genome-wide selection model for genetic improvement of residual feed intake and carcass merit in a beef cattle breeding program[J];Chinese Science Bulletin;2012年21期

2 ;Evaluation of Breeding Programs Combining Genomic Information in Chinese Holstein[J];Agricultural Sciences in China;2011年12期

3 許尚忠;李俊雅;;我國肉牛遺傳改良現(xiàn)狀分析及發(fā)展策略探討[J];現(xiàn)代畜牧獸醫(yī);2009年10期

，

本文編號：2405374