数据完整性和遗传评估系统

作者：Genesus Inc.遗传学家Everestus Akanno，博士

猪遗传改良计划的成功在很大程度上取决于对来自核和商业环境的全行业数据的持续生成，收集和分析。

这些数据来自多种来源，包括后代测试设施，包装厂，细胞核和商业谷仓以及DNA实验室（图1），这些实验室通常以快节奏的工作环境为特征，在该环境中，数据的生成和收集快速且连续地进行，并且人们可能没有将数据准确性作为头等大事，因此为可能的错误创造了空间。此外，技术和计算的进步已使数据生成自动化并集成到远程数据库中，可以减少潜在的错误。然而，仍然存在着关于整个行业的数据质量和有效性的问题，这些数据用于比较同类人群，评估遗传优势和做出选择决策。

什么是数据完整性？

在遗传改良计划的背景下，数据完整性定义为个人收集的数据完整，一致，准确和可靠的程度，以用于基因评估。根据国际动物记录理事会（ICAR，2018）提供的准则，关于动物的完整且准确的记录应具有以下属性：

动物识别–应该使用任何合适的识别方法正确识别动物。
亲子关系验证–个人的亲子关系应经过验证和可追踪。
记录日期–出生日期和测量日期应完整准确。
表型值–动物生产或表现水平记录的值应在特征和品种允许的公开基准范围内。
系统性影响–应该记录并适当记录已知与个人绩效记录相关的因素。

养猪生产中的数据完整性问题

数据收集和解释是养猪业做出许多决定的基础。产生大量数据已成为猪遗传改良业务的常规部分，尤其是随着基因组技术的出现。但是，人为错误和自动化系统故障会损害数据完整性。数据完整性潜在问题的示例包括但不限于以下内容：

样品的标签错误（例如，用于基因分型）。
存储期间样品处理不善可能会导致数据丢失。
动物识别错误。
育儿分配不正确。
数据输入错误。
自动测量系统的故障会导致测量结果不准确或定时测量中断（例如，单个饲料摄入设备）。
没有经验或未经培训的技术人员的超声记录不准确

减轻这些问题的努力将大大改善用于遗传评估的数据的质量和完整性，从而导致更准确地评估遗传价值。

改善遗传评价系统数据完整性的措施

如前所述，在记录系统中，配偶分配错误以及数据（基因型或表型）与正确的动物的链接方面的错误可能非常灾难性，并破坏了遗传评估系统的预测能力。数据完整性最重要的关键是人。对质量数据的重要性怀有浓厚兴趣并对其了解的员工是确保数据完整性的最宝贵资源。因此，需要密切关注以下领域，以便经常监视数据完整性：

在集成到数据库之前，需要验证和询问来自各种来源的数据。
支持数据收集，数据处理和数据报告的所有软件都需要定期验证。
对数据库的访问应仅限于负责数据收集和管理的人员。
所有参与数据收集和分析的人员均应接受培训，并保持适当的认证。
质量控制措施应到位并自动进行，以识别数据输入中的潜在错误。
数据使用和分析应包括识别，可视化和过滤错误数据的步骤。

作为全球领先的猪遗传公司，Genesus Inc.非常重视数据完整性。我们敬业的员工将数据完整性视为重中之重。我们不断监视数据完整性，并已建立识别和排除错误数据进入数据库的措施。此外，Genesus遗传团队正在不断研究和开发新颖的方法，以提高用于遗传价值估算的数据质量，从而为我们的客户提供最佳的遗传学。