预测精度
Dinesh Thekkoot博士
艾伯塔大学和Genesus公司
动物育种的目的是遗传改良种群。 换句话说，下一代应该优于当前一代。 面临的挑战是如何确定最好的动物成为下一代的父母。 为了确定未来的父母，我们需要知道他们的真实育种（遗传）价值（TBV）。 在现实生活中，不可能观察到动物的TBV。 因此，我们使用TBV的估计值，即估计的繁殖值（EBV）。 基于他们的EBV选择下一代的父母。
一个重要的问题是TBV的EBV估算值有多准确？ EBV的准确性定义为真实育种值与估计育种值之间的相关性。 这种相关性使人感觉到EBV与TBV有多近。 EBV的准确性范围从0（不准确的估计）到1（EBV是TBV的完美估计）。 EBV准确性越高，选择TBV低的动物作为父母的风险就越低。 EBV准确性也会影响选择程序的遗传增益。 育种程序中的遗传增益与EBV的准确性成正比。 在没有其他因素变化的情况下，EBV准确性越高，选择获得的遗传收益就越大。
每年的遗传增益使用公式计算
其中，每年的遗传增益是，选择的强度，是EBV的准确性，是选择的性状的加性遗传标准差，是以年表示的世代间隔。 在大多数猪育种计划中，选择强度和世代间隔都接近优化，而对遗传变异没有负面影响。 因此，对于任何进一步的增加，我们需要引入可以提高EBV准确性的方法。
EBV的准确性取决于许多因素，如性状的遗传性，选择候选人和亲属可用信息的数量和质量，所有动物之间的遗传关系等。一般来说，可用信息量越高，将是EBV的准确性。
EBV精度采用不同的方法
- 最佳线性无偏估计（BLUP）动物模型。 这种方法在今天的大多数遗传程序中被使用，并且利用所有可用的信息来计算EBV。 EBVs使用表型选择候选人和亲属以及血统关系进行估计。 随着预测，BLUP动物模型同时纠正了系统性环境影响的表型。 例如，这种方法在估算EBV的同时考虑了不同农场的遗传相关动物。 这是利用谱系和表型预测EBV的最准确的方法。
- 基因组选择GS）。 没有自己表型的年轻动物将使用BLUP动物模型方法具有较低的EBV准确度。 根据特征，可能需要相当长的时间来获得自己的表型，或者一些动物可能永远不会得到自己的表型。 例如，大约需要12个月才能获得有关镀金的垃圾信息，并且选择父母的动物将永远不会获得胴体和肉质表现。 因此，如果我们可以提高这些类型特征的EBV准确度，那将是很好的。 基因组预测是最近开发的解决这个问题的方法。 它预测EBVs使用分子标记信息准确无需自己的表型。 在Genesus和其他地方进行了研究，以便使用GS估算精度。 结果表明，GS的大量性状准确度高于基于表型和谱系信息的BLUP方法。
- 结合基因组，表型和谱系信息可以导致比GS更高的准确度。 单步基因组BLUP（SSBLUP）是组合这三种信息来源的方法。 目前，该方法为年轻动物提供了最高的EBV准确度。 Genesus进行的研究表明，SSBLUP EBV的准确度高于基于BLUP的EBV的30-50％。 更高的预测精度意味着每年更大的遗传变化。
使用两种不同的方法，EBV的准确性和预期遗传变化对某些性状的选择
特点 | 遗传标准差 | BLUP | SSBLUP | ||
准确性 | 遗传变化/年* | 准确性 | 遗传变化/年* | ||
总共出生 | 1.15 | 0.31 | 0.63 | 0.42 | 0.85 |
在分娩时播下脂肪（mm） | 2.49 | 0.36 | 1.57 | 0.53 | 2.32 |
母猪体重（kg） | 8.61 | 0.32 | 4.84 | 0.40 | 6.04 |
*假设所有性状和两种方法的10％的选择比例和1年的生成间隔
从上表可以看出，对于所有三个性状，通过添加基因组信息（BLUP与SSBLUP相比），EBV的准确性和由此产生的遗传变化每年增加。 显然，基因组信息对每年遗传变化的影响是显着的。 在Genesus，我们为我们的候选人提供最准确的EBV。 我们已投入大量资金，以收集关于我们的核心，倍增器和生产群体中所有动物的所有生长，效率，繁殖，胴体和肉质量特征的准确和最新信息。 这种高质量的数据以及基因组信息有助于我们估算出最准确的EBV，确保Genesus客户获得最高的遗传反应和最大的利润。
这篇文章是由Genesus写的