引言

种群规模的限制或性状记录的难以收集可能会对建立足够大的基因组选择参考群带来挑战，多品种联合评估已成为这些问题的解决方案之一。虽然多性状模型在联合评估中显示出了优势，但现有模型中未考虑不同基因组区域内品种之间遗传协方差的不一致。在这项研究中，我们介绍了一种新的多品种联合评估方法mbBayesAS。该方法将来不同品种的同一性状视为存在遗传相关的不同性状，基于连锁不平衡信息将染色体划分为不重叠的片段，并假设同一片段内的标记遵循相同的正态分布，模型中未知参数均通过吉布斯抽样获得。

材料与方法

我们用QMSim软件模拟了一个含有两个品种的数据集。品种的创始群来源于一个随机交配211个世代的历史群体，通过不同的分化历史世代和个体选留标准让不同品种的群体遗传背景产生差异，最终A和B品种3000和600个个体的约50000个SNP用于后续分析。表型数据用自编的R脚本模拟获得。除了模拟数据集，我们还使用了一个猪的公开数据集(Xie et al. 2021)，其中大白猪（YY）和长白猪（LL）基因型个体数分别为641和228头，表型记录为大理石评分（MS）和图像中脂肪面积比例（PFAI），所有个体均有表型记录。常染色体上的37304个SNP用于后续分析。在本研究中提出的联合评估模型mbBayesAS中，我们首先基于LD信息将染色体划分为不重叠的片段，假设同一片段内的标记服从同一分布，然后用多性状Bayes模型对标记效应进行估计从而获得估计育种值。作为比较，我们还使用了单性状和多性状GBLUP模型进行了联合评估。同时也使用了GBLUP和mbBayesAS进行品种内估计以评价联合评估模型。使用五折交叉验证方法获得模型的准确性和无偏性。

结果

在模拟数据集中我们发现，将不同品种假定为遗传同质的群体简单合并进行联合评估不但不能提高预测准确性，甚至获得了比品种内评估更低的预测准确性。多性状GBLUP模型在联合评估中获得了更高的准确性，但与品种内评估相比并没有体现出优势。在A品种中mbBayesAS模型没有体现出明显优势，然而在数量较少的B品种中，mbBayesAS模型相较于品种内评估模型获得了更高的预测准确性。对于实际数据集中的MS性状，当参考群中只包含单个品种时，品种内评估的GBLUP模型对于YY和LL的准确性分别为0.17和0.18，与品种内估计的Bayes模型相似。与模拟数据结果相似，多性状GBLUP的预测准确性低于品种内评估，YY和LL的预测准确性分别为0.10和0.17。当应用mbBayesAS模型时，两个品种的预测准确性均高于品种内评估模型，YY和LL分别提高了14%和13%。在PFAI性状中，mbBayesAS模型也将YY的预测准确性从品种内的0.16提高到了0.19。

讨论与总结

近年来新性状的开发利用越来越受关注，如屠宰性状和饲料效率相关性状等，而这些性状收集难度困难，成为应用基因组选择的重要限制因素。多品种联合评估提供了一种有效的解决方案。本研究结果表明，简单将多个品种合不一定能提高目标品种的预测准确性，虽然多性状模型显示出了一定优势，但假设整个基因组范围内品种之间的遗传协方差相同似乎不符合实际情况。本研究中通过模拟数据和实际数据分析表明，在基因组上不同区域的拟合不同的加性遗传（协）方差矩阵获得了更好的预测性能。本研究为难测定性状及群体较小的地方品种的选育提供了新的方法，使得在这些场景下我们可以更好地应用基因组选择。

Recommended citation: 李伟宁，李思雨，刘剑锋，考虑协方差异质的多品种基因组选择贝叶斯模型: 第二十二次全国动物遗传育种学术讨论会，山西，2023，63
原文链接