CN109744195A - 一种动物育种中利用亲代基因组信息的精准选配方法 - Google Patents
一种动物育种中利用亲代基因组信息的精准选配方法 Download PDFInfo
- Publication number
- CN109744195A CN109744195A CN201811632300.6A CN201811632300A CN109744195A CN 109744195 A CN109744195 A CN 109744195A CN 201811632300 A CN201811632300 A CN 201811632300A CN 109744195 A CN109744195 A CN 109744195A
- Authority
- CN
- China
- Prior art keywords
- gene
- offspring
- genotype
- animal
- offset
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 108090000623 proteins and genes Proteins 0.000 title claims abstract description 73
- 238000003975 animal breeding Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 title claims abstract description 17
- 230000013011 mating Effects 0.000 claims abstract description 26
- 241001465754 Metazoa Species 0.000 claims abstract description 20
- 230000000694 effects Effects 0.000 claims abstract description 20
- 230000002068 genetic effect Effects 0.000 claims abstract description 13
- 108700028369 Alleles Proteins 0.000 claims abstract description 9
- 238000003205 genotyping method Methods 0.000 claims abstract description 8
- 238000009826 distribution Methods 0.000 claims description 13
- 101150036080 at gene Proteins 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 6
- 238000006467 substitution reaction Methods 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 8
- 238000007726 management method Methods 0.000 abstract description 4
- 238000005457 optimization Methods 0.000 abstract description 4
- 238000009395 breeding Methods 0.000 description 7
- 230000001488 breeding effect Effects 0.000 description 7
- 238000009396 hybridization Methods 0.000 description 3
- 241000282887 Suidae Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 244000144980 herd Species 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000009331 sowing Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K67/00—Rearing or breeding animals, not otherwise provided for; New or modified breeds of animals
- A01K67/02—Breeding vertebrates
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6888—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Zoology (AREA)
- Organic Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Wood Science & Technology (AREA)
- Environmental Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biochemistry (AREA)
- General Engineering & Computer Science (AREA)
- Biophysics (AREA)
- Microbiology (AREA)
- Physics & Mathematics (AREA)
- Immunology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Genetics & Genomics (AREA)
- Animal Behavior & Ethology (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Biotechnology (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明提供一种动物育种中利用亲代基因组信息的精准选配方法,涉及动物育种技术领域。该方法从后备种群中评估选出留种种群,并进行基因分型,划分出留种雄性种和雌性种;雄性和雌性个体基因组不同位点的基因型配对分配与组合;预测配对组合的后代的期望基因型值,其中基因型包括等位基因替换效应+显性效应;根据其后代的预测基因型值优化亲本个体交配组合;根据选配组合的优化结果,为需要配种的特定雌性动物推荐最优的雄性动物的配对列表。本发明通过优化交配亲本的基因型组合来产生后代,使选配的后代所选性状的性能最大化,以最大限度地提高后代性能,并与动物养殖完善的动物识别、管理、生产和遗传改良平台相结合。
Description
技术领域
本发明涉及动物育种技术领域,尤其涉及一种动物育种中利用亲代基因组信息的精准选配方法。
背景技术
选配是动物育种中非常重要的部分,它是决定哪一个雄性个体和哪一个雌性个体交配的过程,目的是为了使后代有更好的性能。
目前还不存在与动物生长鉴定,管理,生产和遗传改良平台相结合的精准基因选配(简称GMA)系统。一个准确的GMA系统是能充分利用基因组中每个单核苷酸多态标记(简称SNP)位点基因型的育种值和显性偏差效应的全部基因组信息,以预测与配动物后代的总预期基因型值。尽管在此之前遗传选配程序已经应用于动物育种,但是这些程序仅能够使用动物估计的育种值而不是育种值和显势偏差。
当前动物配种中所用的选配主要是基于动物的估计育种值(EBV)。这种选配有两个缺点:一个是预测不是很准确,因为它无法知道后代从每个父母那里接收到每个配子过程中的孟德尔式遗传抽样误差数量。另一个原因是它没有使用选择性交配中的显性偏差(在EBV中不包括显性偏差),而显性偏差正是动物杂交商业生产系统中杂种优势的主要来源之一。
发明内容
本发明要解决的技术问题是针对上述现有技术的不足,提供一种动物育种中利用亲代基因组信息的精准选配方法,通过优化交配亲本的基因型组合来产生后代,使选配的后代所选性状的性能最大化。
为解决上述技术问题,本发明所采取的技术方案是:
一种动物育种中利用亲代基因组信息的精准选配方法,包括以下步骤:对后备种群进行DNA采样和性能测定,由HIBLUP全基因组遗传评估淘汰一部分种群,得到留种种群;对留种种群进行基因分型,划分出留种雄性种和雌性种;雄性和雌性个体基因组不同位点的基因型配对分配与组合;预测配对组合的后代的期望基因型值,其中基因型包括等位基因替换效应+显性效应;根据其后代的预测基因型值优化亲本个体交配组合;根据选配组合的优化结果,为需要配种的特定雌性动物推荐最优的雄性动物的配对列表;
所述预测配对组合的后代的期望基因型值具体包括以下步骤:
步骤2.1:为一头给定的雌性动物提供所有可配对的雄性动物,进而为后代提供所有可能的基因型组合;
步骤2.2:使用下面的公式预测后代基因组在SNP基因位点l处由特定交配所产生的三种可能的基因型AA、Aa和aa的基因型值和以确保基因组选配系统中等位基因替换效应和显性偏差效应之间的独立性;
如果基因位点l处的基因型是AA,则
如果基因位点l处的基因型是Aa,则
如果基因位点l处的基因型是aa,则
其中,pl是位点l的第二个等位基因的基因频率,即次要等位基因的基因频率;ql=1-pl;和分别是由HIBLUP基因组评估输出提供的预测l位点的等位基因替代值和显效应值;如果评估模型中未考虑显性效应,则假设
步骤2.3:后代i个体在基因位点l处的期望基因型值通过该位点的三种可能的基因型值分别乘以这三种可能的基因在该位点期望基因型概率分布表中的相应概率pjkl(AA)、pjkl(Aa)及pjkl(aa)分布值,即:
式中,分别表示由j和k亲代个体交配所生后代i个体在l基因位点的基因型AA、Aa和aa的期望基因型值,pjkl(AA)、pjkl(Aa)、pjkl(aa)分别表示由j和k亲代个体交配所生后代i个体在l基因位点的基因型AA、Aa和aa在该位点期望基因型概率分布表中的相应概率;
步骤2.4:通过以下公式计算由父母j和k之间的交配产生的后代个体i的预期平均杂合度hi:
式中,m为HIBLUP软件遗传评估时所用基因芯片的有效SNP数;
步骤2.5:计算来自特定交配组合的后代i的全基因组基的因型期望值,如下式所示:
式中,是动物个体i在整个基因组所有基因位点的基因型值的总和,是动物i在基因位点l的期望基因型值,bi是动物个体i的表型值对基因组全部SNP位点等位基因的平均杂合度hi的回归系数。
采用上述技术方案所产生的有益效果在于:本发明提供的一种动物育种中利用亲代基因组信息的精准基因选配方法,通过优化交配亲本的基因型组合来产生后代,为需要配种的特定雌性母畜推荐最优的雄性配对列表,使选配的后代所选性状的性能最大化,以最大限度地提高后代性能,并与动物养殖完善的动物识别、管理、生产和遗传改良平台相结合。
附图说明
图1为本发明实施例提供的动物育种中的精准基因选配方法流程图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
基因组时代之前的遗传选配在动物育种中是具有挑战性的,因为如果可能的话,基于来自现场观察动物个体的表型数据和谱系信息进行显性偏差效应的准确估计是非常困难的。随着高通量基因分型技术的进步,通过基因组评估可以准确估计动物显性偏差。本实施例以杂交猪的养殖为例,进一步说明本发明提供的动物育种中的利用亲代基因组信息的精准选配方法。
本实施例基于动物基因型的基因组信息提出GMA方法,通过优化交配亲本的基因型组合来产生后代,使选配的后代所选性状的性能最大化,以最大限度地提高后代代所选性状的遗传性能,并与养猪业完善的动物识别、管理、生产和遗传改良平台相结合。如图1所示,本实施例的方法如下所述。
对后备种群进行DNA采样和性能测定,由HIBLUP全基因组遗传评估淘汰一部分种群,得到留种种群;对留种种群进行基因分型,划分出留种雄性种和雌性种;雄性和雌性个体基因组不同位点的基因型配对分配与组合;预测配对组合的后代的期望基因型值,其中基因型包括等位基因替换效应+显性效应;根据其后代的预测基因型值优化亲本个体交配组合;根据选配组合的优化结果,为需要配种的特定雌性母畜推荐最优的雄性配对个体列表。
所述预测配对组合的后代的期望基因型值具体包括以下步骤:
步骤2.1:为一头给定的雌性动物提供所有可配对的雄性动物,进而为后代提供所有可能的基因型组合;
步骤2.2:使用下面的公式预测后代基因组在SNP基因位点l处由特定交配所产生的三种可能的基因型AA、Aa和aa的基因型值和以确保基因组选配系统中等位基因替换效应和显性偏差效应之间的独立性;
如果基因位点l处的基因型是AA,则
如果基因位点l处的基因型是Aa,则
如果基因位点l处的基因型是aa,则
其中,pl是位点l的第二个等位基因的基因频率,即次要等位基因的基因频率;ql=1-pl;和分别是由HIBLUP基因组评估输出提供的预测l位点的等位基因替代值和显效应值;如果评估模型中未考虑显性效应,则假设
步骤2.3:后代i个体在基因位点l处的期望基因型值通过该位点的三种可能的基因型值分别乘以这三种可能的基因在该位点期望基因型概率分布表中的相应概率pjkl(AA)、pjkl(Aa)及pjkl(aa)分布值,即:
式中,分别表示由j和k亲代个体交配所生后代i个体在l基因位点的基因型AA、Aa和aa的期望基因型值,pjkl(AA)、pjkl(Aa)、pjkl(aa)分别表示由j和k亲代个体交配所生后代i个体在l基因位点的基因型AA、Aa和aa在该位点期望基因型概率分布表中的相应概率;
步骤2.4:通过以下公式计算由父母j和k之间的交配产生的后代个体i的预期平均杂合度hi:
式中,m为HIBLUP软件遗传评估时所用基因芯片的有效SNP数;
步骤2.5:计算来自特定交配组合的后代i的全基因组基的因型期望值,如下式所示:
式中,是动物个体i在整个基因组所有基因位点的基因型值的总和,是动物i在基因位点l的期望基因型值,bi是动物个体i的表型值对基因组全部SNP位点等位基因的平均杂合度hi的回归系数。
在商品杂交猪生产中使用GMA对杂交父母本的基因组进行选配,以期实现杂交后代育肥猪的生产性能最优化,具体通过以下步骤来实现:
步骤1:首先从基因中心获得杂交商品猪父母本的基因分型及基因型杂合度数据。
步骤2:再从基因中心获得基因分型SNP的次要等位基因频率和由基因组评估结果提供的SNP等位基因替代效应和显性偏差;
步骤3:使用计算机程序进行基因组选配,选配程序旨在通过充分利用其基因分型信息,将特定与配母猪与所有可用的公猪进行交配;
步骤4:预测所有交配组合后代基因组每个SNP基因位点的预期基因型(加性+显性)值通过基因型分布概率表中可能的基因型频率进行平均,基因型分布概率表如表1所示;
表1预期基因型分布概率表
步骤5:通过对整个基因组上的所有基因位点的基因型值进行求和来预测预期后代的基因型值;
步骤6:通过对后代预测的基因型值进行按降序排序,在种公猪和母猪允许的配种次数允许范围内选出可使后代生产性能最大化基因组选配组合;
步骤7:为客户的发情母猪提供可配对公猪的推荐列表。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明权利要求所限定的范围。
Claims (2)
1.一种动物育种中利用亲代基因组信息的精准选配方法,其特征在于:包括以下步骤:对后备种群进行DNA采样和性能测定,由HIBLUP全基因组遗传评估淘汰一部分种群,得到留种种群;对留种种群进行基因分型,划分出留种雄性种和雌性种;雄性和雌性个体基因组不同位点的基因型配对分配与组合;预测配对组合的后代的期望基因型值,其中基因型包括等位基因替换效应+显性效应;根据其后代的预测基因型值优化亲本个体交配组合;根据选配组合的优化结果,为需要配种的特定雌性动物推荐最优的雄性动物的配对列表。
2.根据权利要求1所述的动物育种中利用亲代基因组信息的精准选配方法,其特征在于:所述预测配对组合的后代的期望基因型值具体包括以下步骤:
步骤2.1:为一头给定的雌性动物提供所有可配对的雄性动物,进而为后代提供所有可能的基因型组合;
步骤2.2:使用下面的公式预测后代基因组在SNP基因位点l处由特定交配所产生的三种可能的基因型AA、Aa和aa的基因型值和以确保基因组选配系统中等位基因替换效应和显性偏差效应之间的独立性;
如果基因位点l处的基因型是AA,则
如果基因位点l处的基因型是Aa,则
如果基因位点l处的基因型是aa,则
其中,pl是位点l的第二个等位基因的基因频率,即次要等位基因的基因频率;ql=1-pl;和分别是由HIBLUP基因组评估输出提供的预测l位点的等位基因替代值和显效应值;如果评估模型中未考虑显性效应,则假设
步骤2.3:后代i个体在基因位点l处的期望基因型值通过该位点的三种可能的基因型值分别乘以这三种可能的基因在该位点期望基因型概率分布表中的相应概率pjkl(AA)、pjkl(Aa)及pjkl(aa)分布值,即:
式中,分别表示由j和k亲代个体交配所生后代i个体在l基因位点的基因型AA、Aa和aa的期望基因型值,pjkl(AA)、pjkl(Aa)、pjkl(aa)分别表示由j和k亲代个体交配所生后代i个体在l基因位点的基因型AA、Aa和aa在该位点期望基因型概率分布表中的相应概率;
步骤2.4:通过以下公式计算由父母j和k之间的交配产生的后代个体i的预期平均杂合度hi:
式中,m为HIBLUP软件遗传评估时所用基因芯片的有效SNP数;
步骤2.5:计算来自特定交配组合的后代i的全基因组基的因型期望值,如下式所示:
式中,是动物个体i在整个基因组所有基因位点的基因型值的总和,是动物i在基因位点l的期望基因型值,bi是动物个体i的表型值对基因组全部SNP位点等位基因的平均杂合度ho的回归系数。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811632300.6A CN109744195B (zh) | 2018-12-28 | 2018-12-28 | 一种动物育种中利用亲代基因组信息的精准选配方法 |
PCT/CN2019/071513 WO2020133587A1 (zh) | 2018-12-28 | 2019-01-14 | 一种动物育种中利用亲代基因组信息的精准选配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811632300.6A CN109744195B (zh) | 2018-12-28 | 2018-12-28 | 一种动物育种中利用亲代基因组信息的精准选配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109744195A true CN109744195A (zh) | 2019-05-14 |
CN109744195B CN109744195B (zh) | 2020-12-15 |
Family
ID=66404308
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811632300.6A Active CN109744195B (zh) | 2018-12-28 | 2018-12-28 | 一种动物育种中利用亲代基因组信息的精准选配方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN109744195B (zh) |
WO (1) | WO2020133587A1 (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110317884A (zh) * | 2019-07-30 | 2019-10-11 | 河南省农业科学院畜牧兽医研究所 | 一种快速选择繁殖用肉牛系祖的方法 |
CN111742884A (zh) * | 2020-07-02 | 2020-10-09 | 上海堤森德投资管理有限公司 | 一种鲁安牛杂交育种及检测评价方法 |
CN112889744A (zh) * | 2019-12-04 | 2021-06-04 | 广西贵港秀博基因科技股份有限公司 | 育种方法和育种系统 |
CN113016718A (zh) * | 2021-04-25 | 2021-06-25 | 中国农业大学 | 一种基于亲本不均等遗传贡献的家禽选配优化方法 |
CN113517020A (zh) * | 2021-08-04 | 2021-10-19 | 华中农业大学 | 一种快速准确的动物基因组选配分析方法 |
CN114418182A (zh) * | 2021-12-17 | 2022-04-29 | 北京市农林科学院信息技术研究中心 | 基于机器学习的肉牛育种优选方法及装置 |
CN114931127A (zh) * | 2022-05-25 | 2022-08-23 | 广东中芯种业科技有限公司 | 一种种猪的基因组育种方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101952718A (zh) * | 2007-12-17 | 2011-01-19 | 美国辉瑞有限公司 | 改善产乳动物和产品的遗传图谱的方法 |
CN101970688A (zh) * | 2007-09-12 | 2011-02-09 | 美国辉瑞有限公司 | 遗传标记和相关上位相互作用的使用方法 |
CN103070119A (zh) * | 2013-01-29 | 2013-05-01 | 中国水产科学研究院黄海水产研究所 | 一种以群组为单元的水产动物选择育种方法 |
WO2017013462A1 (en) * | 2015-07-23 | 2017-01-26 | Limagrain Europe | Improved computer implemented method for predicting true agronomical value of a plant |
CN106480192A (zh) * | 2016-10-19 | 2017-03-08 | 中国水产科学研究院淡水渔业研究中心 | 一种保持建鲤遗传多样性的方法 |
CN107347796A (zh) * | 2017-07-26 | 2017-11-17 | 湖北省农业科学院畜牧兽医研究所 | 一种黑头白身肉羊新品系的培育方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104017865A (zh) * | 2014-05-19 | 2014-09-03 | 习水县富兴牧业有限公司 | 一种山羊肉用性状快速高效选育方法 |
CN105010233A (zh) * | 2015-08-11 | 2015-11-04 | 吉林康大食品有限公司 | 一种应用snp辅助选择育种技术培育高繁殖性能种兔的方法 |
-
2018
- 2018-12-28 CN CN201811632300.6A patent/CN109744195B/zh active Active
-
2019
- 2019-01-14 WO PCT/CN2019/071513 patent/WO2020133587A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101970688A (zh) * | 2007-09-12 | 2011-02-09 | 美国辉瑞有限公司 | 遗传标记和相关上位相互作用的使用方法 |
CN101952718A (zh) * | 2007-12-17 | 2011-01-19 | 美国辉瑞有限公司 | 改善产乳动物和产品的遗传图谱的方法 |
CN103070119A (zh) * | 2013-01-29 | 2013-05-01 | 中国水产科学研究院黄海水产研究所 | 一种以群组为单元的水产动物选择育种方法 |
WO2017013462A1 (en) * | 2015-07-23 | 2017-01-26 | Limagrain Europe | Improved computer implemented method for predicting true agronomical value of a plant |
CN106480192A (zh) * | 2016-10-19 | 2017-03-08 | 中国水产科学研究院淡水渔业研究中心 | 一种保持建鲤遗传多样性的方法 |
CN107347796A (zh) * | 2017-07-26 | 2017-11-17 | 湖北省农业科学院畜牧兽医研究所 | 一种黑头白身肉羊新品系的培育方法 |
Non-Patent Citations (2)
Title |
---|
HAO: "《boshidg.com/liuxue/487860.html》", 27 July 2018 * |
梅步俊等: ""强化统计学基础的数量遗传学教学探讨"", 《安徽农学通报》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110317884A (zh) * | 2019-07-30 | 2019-10-11 | 河南省农业科学院畜牧兽医研究所 | 一种快速选择繁殖用肉牛系祖的方法 |
CN112889744A (zh) * | 2019-12-04 | 2021-06-04 | 广西贵港秀博基因科技股份有限公司 | 育种方法和育种系统 |
CN111742884A (zh) * | 2020-07-02 | 2020-10-09 | 上海堤森德投资管理有限公司 | 一种鲁安牛杂交育种及检测评价方法 |
CN113016718A (zh) * | 2021-04-25 | 2021-06-25 | 中国农业大学 | 一种基于亲本不均等遗传贡献的家禽选配优化方法 |
CN113517020A (zh) * | 2021-08-04 | 2021-10-19 | 华中农业大学 | 一种快速准确的动物基因组选配分析方法 |
CN114418182A (zh) * | 2021-12-17 | 2022-04-29 | 北京市农林科学院信息技术研究中心 | 基于机器学习的肉牛育种优选方法及装置 |
CN114418182B (zh) * | 2021-12-17 | 2023-01-31 | 北京市农林科学院信息技术研究中心 | 基于机器学习的肉牛育种优选方法及装置 |
CN114931127A (zh) * | 2022-05-25 | 2022-08-23 | 广东中芯种业科技有限公司 | 一种种猪的基因组育种方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2020133587A1 (zh) | 2020-07-02 |
CN109744195B (zh) | 2020-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109744195A (zh) | 一种动物育种中利用亲代基因组信息的精准选配方法 | |
Xu et al. | Enhancing genetic gain through genomic selection: from livestock to plants | |
Aliloo et al. | Including nonadditive genetic effects in mating programs to maximize dairy farm profitability | |
Knol et al. | Genomic selection in commercial pig breeding | |
Boyko et al. | A simple genetic architecture underlies morphological variation in dogs | |
Hayes et al. | Genome-wide association and genomic selection in animal breeding | |
CM Dekkers | Application of genomics tools to animal breeding | |
Goddard et al. | Genomic selection in livestock populations | |
Henryon et al. | Animal-breeding schemes using genomic information need breeding plans designed to maximise long-term genetic gains | |
Ding et al. | Accuracy of genomic prediction for milk production traits in the Chinese Holstein population using a reference population consisting of cows | |
Yadav et al. | Improved genomic prediction of clonal performance in sugarcane by exploiting non-additive genetic effects | |
Naderi et al. | Random forest estimation of genomic breeding values for disease susceptibility over different disease incidences and genomic architectures in simulated cow calibration groups | |
Yin et al. | Strategy for the simulation and analysis of longitudinal phenotypic and genomic data in the context of a temperature× humidity-dependent covariate | |
Schierenbeck et al. | Controlling inbreeding and maximizing genetic gain using semi-definite programming with pedigree-based and genomic relationships | |
Zhang et al. | Use of marker-based relationships with multiple-trait derivative-free restricted maximal likelihood | |
Huang et al. | Abundant microsatellite diversity and oil content in wild Arachis species | |
Wu et al. | Functional mapping for quantitative trait loci governing growth rates: a parametric model | |
Calus et al. | Multibreed genomic prediction using multitrait genomic residual maximum likelihood and multitask Bayesian variable selection | |
Rebelato et al. | Runs of homozygosity for autozygosity estimation and genomic analysis in production animals | |
Pedersen et al. | Marker‐assisted selection reduces expected inbreeding but can result in large effects of hitchhiking | |
Abdel-Azim et al. | Superiority of QTL-assisted selection in dairy cattle breeding schemes | |
Li et al. | Enhancing genomic selection by fitting large-effect SNPs as fixed effects and a genotype-by-environment effect using a maize BC1F3: 4 population | |
Tani et al. | Mixed mating system are regulated by fecundity in Shorea curtisii (Dipterocarpaceae) as revealed by comparison under different pollen limited conditions | |
De Roos | Genomic selection in dairy cattle | |
Korontzis et al. | QTL detection in a pedigreed breeding population of diploid potato |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221215 Address after: 4/F, Building D5, Phase III, Wuhan Software New Town, Donghu New Technology Development Zone, Wuhan, Hubei 430070 Patentee after: Wuhan Shadow Gene Technology Co.,Ltd. Address before: Room 1701, No. 607, Yueken Road, Tianhe District, Guangzhou, Guangdong 510419 Patentee before: GUANGZHOU YINGZI TECHNOLOGY Co.,Ltd. Patentee before: HUAZHONG AGRICULTURAL University |
|
TR01 | Transfer of patent right |