Improving multibreed genomic prediction for breeds with small populations by modeling heterogeneous genetic (co)variance blockwise accounting for linkage disequilibrium

背景：多品种基因组预测（MBGP）对于提升小规模品种的预测准确性具有重要意义，这类品种通常可利用的数据有限。近期研究表明，在多性状模型中将基因组划分为互不重叠的区块，并对异质遗传（协）方差进行建模，可以获得更高的联合预测准确性。然而，作为影响模型性能关键因素的区块划分方法尚未得到系统研究。 结果：本研究提出了一种新的贝叶斯多品种基因组预测模型 mbBayesABLD，该模型基于连锁不平衡（LD）模式将每条染色体划分为互不重叠的区块，并假定每个区块内的标记效应服从具有区块特异参数的正态分布。通过模拟数据以及猪和菜豆的真实数据集，并结合交叉验证方法，系统评估了不同模型的基因组预测准确性。结果表明，mbBayesABLD 显著优于传统的多品种基因组预测模型，如 GBLUP 和 BayesR。以猪的肌内脂肪评分性状为例，与未考虑异质遗传（协）方差的 GBLUP 相比，mbBayesABLD 将小群体品种长白猪的预测准确性提高了 15.6%。此外，研究发现，不同品种之间只需具有中等程度的 LD 模式相似性（平均相关系数约为 0.6），即可显著提升目标品种的预测准确性。 结论：本研究提出了一种基于 LD 区块划分的多品种基因组预测新方法，为畜禽育种实践提供了切实可行的工具，并为利用品种间遗传多样性提升基因组预测性能提供了新的思路。

Recommended citation: LI W, Li S, Du H, Huang Q, Zhuo Y, Zhou L, et al. Improving multibreed genomic prediction for breeds with small populations by modeling heterogeneous genetic (co)variance blockwise accounting for linkage disequilibrium. Journal of Animal Science and Biotechnology. 2025;16(1):176. 10.1186/s40104-025-01303-9.
原文链接 | pdf全文下载