基因組選擇的學(xué)習(xí)教案第1頁/共42頁遺傳評(píng)估評(píng)估和比較動(dòng)物個(gè)體在遺傳上的優(yōu)劣為選擇優(yōu)秀種用個(gè)體提供依據(jù)動(dòng)物育種的中心工作表現(xiàn)型＝基因型＋環(huán)境第2頁/共42頁常規(guī)遺傳評(píng)估技術(shù)基因（黑箱）表型環(huán)境選擇遺傳評(píng)估親屬的表型BLUP特點(diǎn)：利用表型進(jìn)行遺傳評(píng)估第3頁/共42頁常規(guī)遺傳評(píng)估技術(shù)BLUP方法是常規(guī)遺傳評(píng)估技術(shù)的核心y：表型信息A：系譜信息第4頁/共42頁常規(guī)遺傳評(píng)估技術(shù)對(duì)很多重要經(jīng)濟(jì)性狀十分有效美國荷斯坦奶牛產(chǎn)奶量表型及遺傳進(jìn)展加拿大豬100kg體重日齡遺傳進(jìn)展第5頁/共42頁常規(guī)遺傳評(píng)估技術(shù)局限性當(dāng)性狀表型難以獲取或遺傳力低時(shí)，遺傳評(píng)估可靠性不高不能進(jìn)行早期遺傳評(píng)估第6頁/共42頁標(biāo)記輔助選擇（MAS）基因（黑箱）表型數(shù)據(jù)基因信息遺傳評(píng)估分子遺傳學(xué)主效基因/QTL選擇特點(diǎn)：利用表型和部分基因的信息進(jìn)行遺傳評(píng)估第7頁/共42頁基因輔助選擇（GAS）氟烷基因第8頁/共42頁連鎖不平衡標(biāo)記輔助選擇（LD-MAS）y：表型信息A：系譜信息M：標(biāo)記信息g：可作為固定和隨機(jī)效應(yīng)遺傳評(píng)估技術(shù)－MA-BLUP：第9頁/共42頁標(biāo)記輔助選擇（MAS）應(yīng)用現(xiàn)狀實(shí)際應(yīng)用不多應(yīng)用效果不顯著主要原因：已被證實(shí)具有顯著效應(yīng)的基因或標(biāo)記有限（發(fā)現(xiàn)并證實(shí)一個(gè)有效的基因需要很長的時(shí)間和很高的成本）這些基因或標(biāo)記僅能解釋有限的遺傳變異（10～30%遺傳變異）第10頁/共42頁基因組選擇（GS）Meuwissen(2001)等首次提出了基因組選擇,但在當(dāng)時(shí)并未引起重視Schafferr(2006)重新指出GS在奶牛育種中的巨大應(yīng)用價(jià)值GS成為當(dāng)期家畜育種最熱門的研究領(lǐng)域優(yōu)勢(shì)：可以捕獲所有的遺傳變異無需表型信息即可進(jìn)行遺傳評(píng)估，極大地縮短世代間隔和育種成本第11頁/共42頁基因組選擇利用覆蓋全基因組的高密度標(biāo)記（SNP）進(jìn)行個(gè)體遺傳評(píng)估基因（黑箱）標(biāo)記信息新的標(biāo)記（黑箱）估計(jì)基因組育種值第12頁/共42頁全基因組SNP芯片YearNo.SNPChipsHuman20083,000,0001000kPoultry20052,800,00060KBovine2007~2,000,00054kPig2008~2,000,00060kSheep2007-50k第13頁/共42頁用于遺傳評(píng)估的數(shù)據(jù)第14頁/共42頁用于遺傳評(píng)估的數(shù)據(jù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第15頁/共42頁基因組選擇基本步驟1.利用一個(gè)參考群體估計(jì)每個(gè)SNP的效應(yīng)參考群體：每個(gè)個(gè)體都有性狀表型記錄和所有SNP基因型2.利用SNP效應(yīng)估計(jì)值計(jì)算候選群體的個(gè)體基因組育種值候選群體：每個(gè)個(gè)體都有所有SNP基因型第16頁/共42頁基因組選擇參考群體候選群體SNP基因型性狀表型獲得預(yù)測(cè)方程SNP基因型選留群體第17頁/共42頁在參考群中估計(jì)標(biāo)記效應(yīng)gi

設(shè)計(jì)矩陣

染色體片斷遺傳效應(yīng)估計(jì)標(biāo)記效應(yīng)第18頁/共42頁在候選群體中計(jì)算個(gè)體gEBV全部基因組染色體片斷設(shè)計(jì)矩陣染色體片斷效應(yīng)=4×計(jì)算基因組育種值(gEBV)第19頁/共42頁基因組育種值1+1-1-1+1+25-1+1-1-1-1+42+1-1-1-1-1-22-1+1-1-1=+38-40SNP

effect-00+20+40-20Chr1Chr2Chr3......ChrnKnownSNPsNumberofSNPsSNPalleleeffect第20頁/共42頁標(biāo)記效應(yīng)的估計(jì)方法最小二乘法BLUP

貝葉斯方法

BayesA,B,C其他方法

半?yún)?shù)、非參數(shù)

機(jī)器學(xué)習(xí)、主成份分析第21頁/共42頁最小二乘法對(duì)標(biāo)記效應(yīng)分布無任何假設(shè)1:對(duì)每個(gè)標(biāo)記作單點(diǎn)回歸分析2:選擇效應(yīng)值最大的m個(gè)點(diǎn)放入模型中，同時(shí)對(duì)其進(jìn)行估計(jì)不足：

1.難以確定模型選擇的閾值

2.容易高估標(biāo)記效應(yīng)第22頁/共42頁BLUP方法1BLUPmethod(1)假設(shè)所有染色體片段具有相同的效應(yīng)方差!gj=chromosomalsegmenteffectHowtochose?第23頁/共42頁BLUP方法2BLUPmethod(2)a=residualpolygeniceffect第24頁/共42頁BLUP方法3BLUPmethod(3)每個(gè)染色體片段有自己的效應(yīng)方差！第25頁/共42頁改變?nèi)旧w片段效應(yīng)的方法Modelvariant

Functionlinearweight(LW)exponentialweight(E1,USDA)exponentialweight(E2,USDA)quadraticweight(Q1)quadraticweightwithlimits(Q2)isstandardisedeffectestimateofmarkerj第26頁/共42頁BLUP方法4BLUPmethod(4)Genomicrelationshipmatrix第27頁/共42頁GenotypePedigree121101011110111211120200101121101111122221121111

101101111102011111012011121120011010第28頁/共42頁BayesformulaP(A)isthepriorprobabilityormarginalprobabilityofAP(A|B)istheconditionalprobabilityofA,givenB.Itisalsocalledtheposteriorprobabilitybecauseitisderivedfromordependsuponthespecifiedvalueof

B.P(B|A)istheconditionalprobabilityofBgivenA.Itisalsocalledthelikelihood.P(B)isthepriorormarginalprobabilityofB,andactsasanormalizingconstant.第29頁/共42頁Bayes'theoremwithcontinuouspriorandposteriordistributionstogettheposteriorprobabilitydistribution,multiplythepriorprobabilitydistributionbythelikelihoodfunctionandthennormalize.第30頁/共42頁Bayesianinferencereferstotheuseofapriorprobabilityoverhypothesestodeterminethelikelihoodofaparticularhypothesisgivensomeobservedevidence;thatis,thelikelihoodthataparticularhypothesisistruegivensomeobservedevidence(theso-calledposteriorprobabilityofthehypothesis)comesfromacombinationoftheinherentlikelihood(orpriorprobability)ofthehypothesisandthecompatibilityoftheobservedevidencewiththehypothesis(orlikelihoodoftheevidence).第31頁/共42頁Bayesian方法BayesianmethodModelforthedataModelforthemarkervariancePriordistributionof第32頁/共42頁Bayesian方法BayesA第33頁/共42頁Bayesian方法BayesB第34頁/共42頁Bayesian方法BayesC第35頁/共42頁基因組選擇在奶牛育種中應(yīng)用年青后備公牛分型一些AI（人工授精）種公牛站也開始直接根據(jù)年青公?；蚪M育種值推銷精液小母牛和成年母牛的基因分型第36頁/共42頁基因組選擇在奶牛育種中應(yīng)用參考群(Holstein)USA/Canada>5000bullsbornbefore2000Germany4339bullsbornbefore2004France1750bullsNetherlands1500bullsAustralia2000bullsIreland~950bullsNewZealand1450bulls,born1980-2001Nordic4000bulls,Born1986-2002Poland1227bullsbornbefore2003第37頁/共42頁基因組選擇在奶牛育種中應(yīng)用用來估計(jì)SNP效應(yīng)的方法USABLUP3CanadaBLUP1GermanyBLUP2FranceBayesBNetherlandsBLUP2AustraliaBayesBIrelandBLUP1NewZealandBLUP1NordicBayesDPolandBLUP1第38頁/共42頁基因組選擇在奶牛育種中應(yīng)用USA2009.1Canada2009.8Germany2009.8Fran