CN113921087B - 一种公猪预测受胎率计算方法及应用 - Google Patents
一种公猪预测受胎率计算方法及应用 Download PDFInfo
- Publication number
- CN113921087B CN113921087B CN202111122349.9A CN202111122349A CN113921087B CN 113921087 B CN113921087 B CN 113921087B CN 202111122349 A CN202111122349 A CN 202111122349A CN 113921087 B CN113921087 B CN 113921087B
- Authority
- CN
- China
- Prior art keywords
- boars
- boar
- effect
- predicted
- conception rate
- 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.)
- Active
Links
- 241000282887 Suidae Species 0.000 title claims abstract description 100
- 238000004364 calculation method Methods 0.000 title claims abstract description 21
- 230000000694 effects Effects 0.000 claims abstract description 157
- 238000013210 evaluation model Methods 0.000 claims abstract description 46
- 230000001850 reproductive effect Effects 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000013011 mating Effects 0.000 claims abstract description 22
- 238000009399 inbreeding Methods 0.000 claims abstract description 20
- 238000009395 breeding Methods 0.000 claims abstract description 18
- 210000000582 semen Anatomy 0.000 claims description 14
- 230000002068 genetic effect Effects 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 8
- 230000000996 additive effect Effects 0.000 claims description 7
- 230000001488 breeding effect Effects 0.000 abstract description 15
- 238000004519 manufacturing process Methods 0.000 abstract description 7
- 241001465754 Metazoa Species 0.000 abstract description 2
- 238000012214 genetic breeding Methods 0.000 abstract description 2
- 238000004458 analytical method Methods 0.000 description 27
- 244000309464 bull Species 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 4
- 238000007619 statistical method Methods 0.000 description 3
- 238000007476 Maximum Likelihood Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 235000016299 Canarium odontophyllum Nutrition 0.000 description 1
- 244000001582 Canarium odontophyllum Species 0.000 description 1
- 238000001134 F-test Methods 0.000 description 1
- 241000255969 Pieris brassicae Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000035558 fertility Effects 0.000 description 1
- 238000009396 hybridization Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000019100 sperm motility Effects 0.000 description 1
- 208000001608 teratocarcinoma Diseases 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/20—Supervised data analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B10/00—ICT specially adapted for evolutionary bioinformatics, e.g. phylogenetic tree construction or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Biology (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Marketing (AREA)
- Biotechnology (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Physiology (AREA)
- Animal Behavior & Ethology (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Bioethics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Evolutionary Computation (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Agronomy & Crop Science (AREA)
- Animal Husbandry (AREA)
- Marine Sciences & Fisheries (AREA)
Abstract
本发明提供一种公猪预测受胎率计算方法及应用,涉及动物遗传育种技术领域。该方法包括:确定影响效应,所述影响效应包括公猪近交系数、后代近交系数、公猪配种时月龄和公猪个体随机效应;根据所述影响效应,建立评价模型,计算公猪近交系数的回归系数、后代近交系数的回归系数、公猪配种时月龄的效应值和公猪个体随机效应的效应值;根据计算结果,计算公猪的预测受胎率。该预测受胎率可作为评估公猪繁殖性能的依据,用于判断群体中公猪繁殖性能的优劣,因而可根据该预测受胎率区别不同繁殖性能的公猪,便于淘汰繁殖性能低的公猪,降低生产成本。该方法计算简便,对混合品种公猪与单一品种公猪均能实现较好的分类效果。
Description
技术领域
本发明实施例涉及动物遗传育种技术领域,尤其涉及一种公猪预测受胎率计算方法及应用。
背景技术
种公猪(或简称公猪)在养殖群体中占比不大,约占2%-5%,但对整个养殖行业发挥着重要作用。俗话说,“母猪好好一窝,公猪好好一坡”,公猪的繁殖性能越来越受到养殖企业的广泛关注,其直接影响经济效益。
公猪的经济效益指标主要体现在与配母猪受孕率、产仔质量如产仔总数、活仔数、健仔数等方面,区分不同繁殖性能的公猪群体,能够在生产实践中及时淘汰低繁殖性能公猪,降低生产成本。
现有技术常常利用精液质量的好坏来评定公猪的繁殖性能优劣,然而,公猪的繁殖性状是一个复杂性状,受到多个因素的影响,这种单因素评定方法并不能对公猪繁殖性能进行准确评价,例如,在公猪精液质量指标接近的情况下,基于其他客观情况的不同,其繁殖性能可能表现出显著差异。基于多因素的评价方法可以在一定程度上解决该问题,但是通常需要进行复杂的数学建模分析,且只能适用于单一品种的公猪,不利于在生产实践中推广应用。
发明内容
本发明旨在解决现有技术存在的技术问题之一,提供一种公猪预测受胎率计算方法及应用,该方法可用于评估公猪的繁殖性能,不受公猪品种的限制。
第一方面,本发明实施例提供了一种公猪预测受胎率计算方法,包括:
确定影响效应,所述影响效应含有包括公猪近交系数、后代近交系数、公猪配种时月龄和公猪个体随机效应在内的若干个子效应;
根据所述影响效应,建立评价模型,根据所述评价模型计算公猪近交系数的回归系数、后代近交系数的回归系数、公猪配种时月龄的效应值和公猪个体随机效应的效应值;
根据所述计算的结果,计算公猪的预测受胎率。
在一些实施例中,所述公猪的预测受胎率通过对所述公猪近交系数的回归系数、所述后代近交系数的回归系数、所述公猪配种时月龄的效应值和所述公猪个体随机效应的效应值求和得到。即在计算公猪的预测受胎率时,对所述公猪近交系数的回归系数、所述后代近交系数的回归系数、所述公猪配种时月龄的效应值和所述公猪个体随机效应的效应值赋予相同的权重。
在一些实施例中,所述评价模型通过遗传参数评估软件建立。
在一些实施例中,所述影响效应的所述若干个子效应分为固定效应和随机效应两类,所述评价模型的建立方法如下:在固定所述随机效应不变的情况下,分别根据所述固定效应中子效应的不同组合确定所述评价模型的参数,进行模型筛选,得到评价模型。仅对固定效应进行筛选可降低计算量,更高效地得到具有较好预测效果的评价模型。
在一些实施例中,所述模型筛选的方法如下:选取具有最小AIC值和/或最小BIC值和/或最大的最大模型似然值对应的模型,作为评价模型。
在一些实施例中,所述评价模型的参数还包括残差。
在一些实施例中,所述遗传参数评估软件为asreml或blupf90。相较于其他的同类软件,具有更好的收敛性。
在一些实施例中,所述影响效应的所述若干个子效应分为固定效应和随机效应两类,所述评价模型根据所述随机效应中的所有子效应以及所述固定效应中具有显著影响的所有子效应建立;优选的,所述评价模型的参数还包括残差。
因素影响是否显著可基于统计分析获得,示例的,可根据F检验(方差齐性检验),将p值小于0.05的情况视为具有显著影响。
在一些实施例中,所述影响效应包括但不限于以下子效应:公猪品种、品系、与配母猪胎次、配种场年季、与配母猪状态、公猪精液来源、公猪近交系数、后代近交系数、公猪配种窝数、公猪配种时月龄、与配母猪的加性效应、母猪个体永久环境效应、公猪个体随机效应。优选的,还包括群体均值。其中,公猪配种时月龄、与配母猪的加性效应、母猪个体永久环境效应、公猪个体随机效应这四个子效应通常作为随机效应,其余子效应通常作为固定效应。需要说明的是,在明确所有子效应的前提下,本领域技术人员根据现有经验容易区分其中的固定效应和随机效应。
第二方面,本发明实施例还提供了上述的公猪预测受胎率计算方法在评价公猪的繁殖性能中的应用。其中,公猪既可以为单一品种,也可以是混合品种。
在一些实施例中,提供一种区分不同繁殖性能的公猪的方法,根据上述的公猪预测受胎率计算方法,计算群体中所有公猪的预测受胎率,得到所述群体的平均预测受胎率,根据所述预测受胎率和所述平均预测受胎率,对相应公猪的繁殖性能进行划分。
本发明实施例至少具有以下有益效果:
根据影响效应建立评价模型,计算公猪近交系数的回归系数、后代近交系数的回归系数、公猪配种时月龄的效应值和公猪个体随机效应的效应值,根据计算结果可以计算出公猪的预测受胎率,该预测受胎率可作为评估公猪繁殖性能的依据,用于判断群体中公猪繁殖性能的优劣,因而可根据该预测受胎率区分不同繁殖性能的公猪,便于淘汰繁殖性能低的公猪,降低生产成本。基于一定样本量的统计学分析结果表明,该方法对混合品种公猪与单一品种公猪均能实现较好的分类效果,且计算简便,便于应用。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
附图说明
附图用来提供对本发明技术方案的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明的技术方案,并不构成对本发明技术方案的限制。
图1是本发明实施例的一种公猪预测受胎率计算方法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
参考图1,为本发明实施例的一种公猪预测受胎率计算方法的流程图,包括步骤:
步骤S100:确定影响效应
影响效应含有包括公猪近交系数、后代近交系数、公猪配种时月龄和公猪个体随机效应这四个子效应在内的若干个子效应。
影响效应的子效应类型很多,可基于生产经验及本领域公知技术得到。在一些实施例中,影响效应包括但不限于以下子效应:公猪品种、品系、与配母猪胎次、配种场年季、与配母猪状态、公猪精液来源、公猪近交系数、后代近交系数、公猪配种窝数、公猪配种时月龄、与配母猪的加性效应、母猪个体永久环境效应、公猪个体随机效应。除此以外,与配母猪受孕率,以及产仔质量因素,例如分娩窝重、分娩总仔数、分娩活仔数、分娩健仔数、分娩弱仔数、分娩死胎数、分娩畸形数、分娩木乃伊数等也与繁殖性能有关。
经试验发现,在不考虑与配母猪受孕率以及产仔质量因素的情况下,已经能够得到获得较好的评价模型。这些未考虑的因素可以作为验证因素,由于验证因素与建模用的影响效应不同,能更准确地体现出基于影响效应所获得的评价模型的效用。
需要说明的是,上述的所有子效应及其含义为本领域公知,此处不再赘述。
在一实施例中,影响效应还包括群体均值。群体均值用于减少个体差异对统计结果的影响,提高预测准确性。需要说明的是,对于群体均值,本领域知晓其统计学意义,例如在遗传参数评估软件中,群体均值为常见可选参数项,此处不再赘述。
需要说明的是,根据本领域的惯例,影响效应通常被划分为固定效应和随机效应两大类,本领域技术人员根据现有经验,容易将上述例举的所有子效应进行归类,例如,公猪配种时月龄、与配母猪的加性效应、母猪个体永久环境效应、公猪个体随机效应这四个子效应通常作为随机效应,其余子效应作为固定效应。
步骤S200:建立评价模型,计算公猪近交系数的回归系数、后代近交系数的回归系数、公猪配种时月龄的效应值和公猪个体随机效应的效应值
根据步骤S100确定的影响效应建立评价模型,根据评价模型计算公猪近交系数的回归系数、后代近交系数的回归系数、公猪配种时月龄的效应值和公猪个体随机效应的效应值。
在一实施例中,利用遗传参数评估软件建模。在一定样本量的基础上,通过遗传参数评估软件容易获得各个子效应的效应值,在一定程度上可以体现出子效应对遗传性能的统计学意义。可以理解,不同的子效应对遗传性能的影响程度可能不同,且子效应之间可能存在一定关联,因此同一子效应在不同的评价模型中,其效应值也可能不同。因此,可以选取子效应的不同组合作为不同的评价模型的参数,基于不同模型的预测情况,进行模型筛选,选取最优模型作为评价模型。
作为一种实施方式,评价模型的参数的选取原则为:在固定随机效应不变的情况下,分别根据固定效应中子效应的不同组合确定评价模型的参数。仅针对固定效应进行筛选,可降低计算量,更高效地得到评价模型。
作为一种实施方式,在评价模型的参数中引入残差,用于代表其他未考虑到的子效应,提高评价模型的适应度。
作为一种实施方式,模型筛选方法如下:选取具有最小AIC值和/或最小BIC值和/或最大的最大模型似然值对应的模型,作为评价模型。需要说明的是,尽管AIC准则、BIC准则以及利用最大模型似然值是本领域常用的模型筛选方法,但本实施例的模型筛选方法并不局限于此。
作为示例,所建立的评价模型如下:
Y=A+B+……+M+……+X+e
其中,y表示与配母猪是否受孕成功,以0代表失败,1代表成功,A、B……X分别为固定效应或随机效应中的子效应,e代表残差。
在另一实施例中,示例了建立评价模型的另外一种方法。对固定效应中的所有子效应进行显著性分析,根据其中具有显著影响的所有子效应以及随机效应中的所有子效应,确定评价模型的参数,建立评价模型。作为一种实施方式,也可在评价模型的参数中引入残差,本实施例中残差的作用与上述实施例相同,不再赘述。
需要说明的是,因素影响是否显著可基于统计分析获得,示例的,可根据F检验(方差齐性检验),将p值小于0.05的情况视为具有显著影响。
根据确定的评价模型,可利用遗传参数评估软件计算公猪近交系数的回归系数β1(Fbull)、后代近交系数的回归系数β2(Fmating)、公猪配种时月龄的效应值ageGrpsire和公猪个体随机效应的效应值SSR,其中Fbull代表公猪近交系数,Fmating代表后代近交系数。
步骤S300:计算公猪的预测受胎率
公猪的预测受胎率根据步骤S200获得的参数值:β1(Fbull)、β2(Fmating)、ageGrpsire和SSR计算得到。作为示例,对各参数值求和,计算预测受胎率PredictSCR,计算公式如下:
Predict SCR,%=[β1(Fbull)+β2(Fmating)+ageGrpsire+SSR]×100
公猪的预测受胎率大小,可以反映出个体繁殖能力的优劣。作为上述实施例的一种应用实施例,可根据预测受胎率区分不同繁殖性能的公猪。需要说明的是,尽管上述公式对β1(Fbull)、β2(Fmating)、ageGrpsire和SSR赋予相同的权重,但将预测受胎率作为一个相对指标用于个体繁殖能力优劣判断时,各参数值的权重并不必须要相等,因而本实施例对预测受胎率计算中各参数值的权重不作具体限定。
在实际应用中,区分不同繁殖性能的公猪可视为一个二分类问题,即将群体分为高繁殖性能和低繁殖性能两类,便于淘汰繁殖性能低的公猪,降低生产成本。作为一种实施方式,可根据计算得到的公猪的预测受胎率,得到群体的平均预测受胎率,根据公猪的预测受胎率和该平均预测受胎率,对相应公猪的繁殖性能进行划分。
在后续具体实施例中,示例了一种划分原则:将预测受胎率≥平均预测受胎率的公猪划分为高繁殖能力公猪,将预测受胎率<平均预测受胎率的公猪划分为低繁殖能力公猪。能够可以很好地区分两个不同繁殖性能的群体,分类简便。
下面结合具体应用,对本发明实施例作进一步阐述。
本实施例的基础研究群体为801头种公猪,全部来自广西扬翔农牧有限公司,其中杜洛克公猪214头,长白公猪280头,大白公猪307头。公猪配种次数均大于10次。
本实施例选取的影响效应为:群体均值、公猪品种、品系、与配母猪胎次、配种场年季、与配母猪状态、公猪精液来源、公猪近交系数、后代近交系数、公猪配种窝数、公猪配种时月龄、与配母猪的加性效应、母猪个体永久环境效应、公猪个体随机效应,其中,随机效应为公猪配种时月龄、与配母猪的加性效应、母猪个体永久环境效应、公猪个体随机效应,其余子效应作为固定效应。
评价模型的一种获取方法为:利用asreml软件建模,固定随机效应不变,对固定效应进行筛选,并在评价模型的参数中引入残差,选取具有最大似然值和最大AIC值的模型为最优模型,最终选择的最优模型见表1的模型3,即为评价模型。表1同时示出了部分其他模型的最大似然值和AIC值的分布情况。
评价模型的另外一种获取方法为:对固定效应中的所有子效应进行显著性分析,选取具有显著影响的所有子效应,其与所有的随机效应合并,作为评价模型的参数,并引入残差,所得模型即最优模型,与表1的模型3相同。
表1
基于模型3及asreml软件,可以计算出个体的β1(Fbull)、β2(Fmating)、ageGrpsire和SSR,根据上文提供的计算预测受胎率PredictSCR的计算公式,可以计算出预测受胎率PredictSCR。
根据计算的个体的PredictSCR,得到群体的平均预测受胎率,将个体的预测受胎率PredictSCR和平均预测受胎率进行比较,对相应个体的繁殖性能进行划分。划分原则具体为:
将预测受胎率大于及等于平均预测受胎率的公猪划分为高繁殖能力公猪(记为1类公猪),将预测受胎率小于平均预测受胎率的公猪划分为低繁殖能力公猪(记为2类公猪)。
对801头种公猪(即混合品种)的分类结果见表2,其中1类公猪485头,2类公猪316头,可以看出,两个群体的预测受胎率差异极显著。
表2
对两类公猪的与配母猪的受孕率和产仔质量进行差异分析,见表3。可知,1类公猪的与配母猪受孕率和产仔质量远高于2类公猪,其中1类公猪在母猪受孕率、分娩窝重、总仔数、活仔数和健仔数等指标上均显著高于2类公猪。
表3
按月龄不同,对不同类别公猪的精液性状进行差异分析,结果见表4。可以看出,在不同月龄公猪中,1类公猪在精子活力和有效精子数方面基本上显著高于2类公猪,而精子畸形率基本上显著低于2类公猪,因此1类公猪精液质量优于2类公猪,公猪受胎能力更高。
表4
以上结果表明,依据本实施例计算的预测受胎率能够很好地区分不同繁殖性能的公猪,且对于混合品种的群体表现出了很好的分类效果,具有很好的适应度。
进一步从表2的已分类群体中挑选同一品种的公猪进行差异性分析,结果如第A节所示。可以看出对混合品种分类时,基本能保证相同品种群体的分类效果,其中以大白和长白公猪的分类效果更优,进一步验证了本实施例方法的适用性。
A.已分类的混合品种群体中单一品种的分类情况
(A1)对表2中的杜洛克公猪
1类和2类公猪的预测受胎率差异分析、与配母猪受孕率和产仔质量差异分析、精液质量差异分析分别如表5至表7所示。
表5
表6
表7
(A2)对表2中的长白公猪
1类和2类公猪的预测受胎率差异分析、与配母猪受孕率和产仔质量差异分析、精液质量差异分析分别如表8至表10所示。
表8
表9
表10
(A3)对表2中的大白公猪
1类和2类公猪的预测受胎率差异分析、与配母猪受孕率和产仔质量差异分析、精液质量差异分析分别如表11至表13所示。
表11
表12
表13
对本实施例801头种公猪群体中的相同品种群体进行分类分析,即对群体中的214头杜洛克公猪、280头长白公猪、307头大白公猪分别进行分类,结果如第B节所示。可以看出本实施例对单一品种公猪的分类效果也较好。
B.对单一品种公猪进行分类的效果
(B1)对群体中的杜洛克公猪
1类和2类公猪的预测受胎率差异分析、与配母猪受孕率和产仔质量差异分析、精液质量差异分析分别如表14至表16所示。
表14
表15
表16
(B2)对群体中的长白公猪
1类和2类公猪的预测受胎率差异分析、与配母猪受孕率和产仔质量差异分析、精液质量差异分析分别如表17至表19所示。
表17
表18
表19
(B3)对群体中的大白公猪
1类和2类公猪的预测受胎率差异分析、与配母猪受孕率和产仔质量差异分析、精液质量差异分析分别如表20至表22所示。
表20
表21
表22
以上是对本发明的较佳实施进行了具体说明,但本发明并不局限于上述实施方式,熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换,这些等同的变形或替换均包含在本发明权利要求所限定的范围内。
Claims (8)
1.一种公猪预测受胎率计算方法,包括:
确定影响效应,所述影响效应包括公猪近交系数、后代近交系数、公猪配种时月龄和公猪个体随机效应在内的若干个子效应;
根据所述影响效应,建立评价模型,根据所述评价模型计算公猪近交系数的回归系数、后代近交系数的回归系数、公猪配种时月龄的效应值和公猪个体随机效应的效应值;所述影响效应的所述若干个子效应分为固定效应和随机效应两类,所述评价模型的建立方法如下:在固定所述随机效应不变的情况下,分别根据所述固定效应中子效应的不同组合确定所述评价模型的参数,进行模型筛选,得到评价模型;或者,所述评价模型根据所述随机效应中的所有子效应以及所述固定效应中具有显著影响的所有子效应建立;
通过对所述公猪近交系数的回归系数、所述后代近交系数的回归系数、所述公猪配种时月龄的效应值和所述公猪个体随机效应的效应值加权求和,计算公猪的预测受胎率。
2.根据权利要求1所述的公猪预测受胎率计算方法,其特征在于,所述评价模型通过遗传参数评估软件建立。
3.根据权利要求1所述的公猪预测受胎率计算方法,其特征在于,所述评价模型的参数还包括残差。
4.根据权利要求2所述的公猪预测受胎率计算方法,其特征在于,所述遗传参数评估软件为asreml或blupf90。
5.根据权利要求1所述的公猪预测受胎率计算方法,其特征在于,所述影响效应包括以下子效应:公猪品种、品系、与配母猪胎次、配种场年季、与配母猪状态、公猪精液来源、公猪近交系数、后代近交系数、公猪配种窝数、公猪配种时月龄、与配母猪的加性效应、母猪个体永久环境效应、公猪个体随机效应。
6.根据权利要求5所述的公猪预测受胎率计算方法,其特征在于,所述影响效应还包括群体均值。
7.权利要求1-6任一项所述的公猪预测受胎率计算方法在评价公猪的繁殖性能中的应用。
8.一种区分不同繁殖性能的公猪的方法,其特征在于,根据权利要求1-6任一项所述的公猪预测受胎率计算方法,计算群体中所有公猪的预测受胎率,得到所述群体的平均预测受胎率,根据公猪的所述预测受胎率和所述平均预测受胎率,对相应公猪的繁殖性能进行划分。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111122349.9A CN113921087B (zh) | 2021-09-24 | 2021-09-24 | 一种公猪预测受胎率计算方法及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111122349.9A CN113921087B (zh) | 2021-09-24 | 2021-09-24 | 一种公猪预测受胎率计算方法及应用 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113921087A CN113921087A (zh) | 2022-01-11 |
CN113921087B true CN113921087B (zh) | 2022-10-04 |
Family
ID=79236242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111122349.9A Active CN113921087B (zh) | 2021-09-24 | 2021-09-24 | 一种公猪预测受胎率计算方法及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113921087B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095690A (zh) * | 2015-07-21 | 2015-11-25 | 华南农业大学 | 一种评定杜洛克公猪受精能力的数学模型及其建立方法 |
CN112005965A (zh) * | 2020-09-04 | 2020-12-01 | 山东农业大学 | 一种獭兔专门化母系的选育方法及其应用 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102630617B (zh) * | 2012-04-20 | 2013-06-26 | 中国水产科学研究院黄海水产研究所 | 罗非鱼配套系和两系配套间的保种、筛选和制种方法 |
CN104313135B (zh) * | 2014-09-30 | 2015-07-01 | 中国水产科学研究院黄海水产研究所 | 一种大菱鲆个体育种值评估方法 |
CN105046083B (zh) * | 2015-07-21 | 2018-10-12 | 华南农业大学 | 一种评定大白公猪受精能力的数学模型的建立方法 |
CN105794719B (zh) * | 2016-03-21 | 2018-11-27 | 四川德康农牧科技有限公司 | 一种系统的核心群纯种母猪选培育方法 |
CN106614356B (zh) * | 2016-12-23 | 2020-07-31 | 江苏农林职业技术学院 | 一种苏梅黑猪的培育方法 |
CN107155985B (zh) * | 2017-05-08 | 2020-05-15 | 湛江国联水产开发股份有限公司 | 一种日本囊对虾育种群体抗高氨氮与生长性状的选育方法 |
CN108835031B (zh) * | 2018-06-14 | 2020-03-17 | 华南农业大学 | 一种选育高繁殖性能种公猪的方法 |
CN109042494A (zh) * | 2018-06-28 | 2018-12-21 | 遵义市播州区大坝兴旺养殖有限公司 | 一种黑猪新品种的选种方法 |
CN109479812B (zh) * | 2018-10-19 | 2021-03-26 | 武汉天种畜牧有限责任公司 | 一种母猪综合繁殖力的评价方法及其在猪育种中的应用 |
CN109576380B (zh) * | 2019-01-19 | 2020-12-29 | 华中农业大学 | 一种与公猪精子活力和总精子数相关的分子标记及应用 |
CN111269989B (zh) * | 2020-02-14 | 2023-06-23 | 广西扬翔股份有限公司 | 猪mid1基因作为死亡率相关的分子标记及其应用 |
CN111304335B (zh) * | 2020-02-14 | 2022-07-29 | 广西扬翔股份有限公司 | 猪gatb基因作为仔猪死亡率相关的分子标记及其应用 |
CN111418550B (zh) * | 2020-05-19 | 2022-04-22 | 广西里建桂宁种猪有限公司 | 一种高产种猪的选育方法 |
CN112575096B (zh) * | 2020-12-29 | 2024-01-05 | 广西扬翔股份有限公司 | 与大白猪总乳头数相关的snp分子标记及其获取方法 |
CN112841096B (zh) * | 2020-12-31 | 2022-08-05 | 浙江省淡水水产研究所 | 一种全雄罗氏沼虾快速生长品系的选育方法 |
-
2021
- 2021-09-24 CN CN202111122349.9A patent/CN113921087B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105095690A (zh) * | 2015-07-21 | 2015-11-25 | 华南农业大学 | 一种评定杜洛克公猪受精能力的数学模型及其建立方法 |
CN112005965A (zh) * | 2020-09-04 | 2020-12-01 | 山东农业大学 | 一种獭兔专门化母系的选育方法及其应用 |
Also Published As
Publication number | Publication date |
---|---|
CN113921087A (zh) | 2022-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mrode et al. | Genomic selection and use of molecular tools in breeding programs for indigenous and crossbred cattle in developing countries: Current status and future prospects | |
Song et al. | Using imputation-based whole-genome sequencing data to improve the accuracy of genomic prediction for combined populations in pigs | |
Weigel et al. | A 100-Year Review: Methods and impact of genetic selection in dairy cattle—From daughter–dam comparisons to deep learning algorithms | |
Granleese et al. | Increased genetic gains in sheep, beef and dairy breeding programs from using female reproductive technologies combined with optimal contribution selection and genomic breeding values | |
Patry et al. | Accounting for genomic pre-selection in national BLUP evaluations in dairy cattle | |
CN106779076A (zh) | 基于生物信息的选育良种系统及其算法 | |
CN105095690B (zh) | 一种评定杜洛克公猪受精能力的数学模型及其建立方法 | |
Bonifazi et al. | Impact of sub-setting the data of the main Limousin beef cattle population on the estimates of across-country genetic correlations | |
MXPA04011235A (es) | Reproduccion de multiples nucleos cerrados para la produccion de cerdos. | |
CN113921087B (zh) | 一种公猪预测受胎率计算方法及应用 | |
CN105046082B (zh) | 一种评定长白公猪受精能力的数学模型及其建立方法 | |
Mikshowsky et al. | Improving reliability of genomic predictions for Jersey sires using bootstrap aggregation sampling | |
Bereskin et al. | Genetic and maternal effects on pre-weaning traits in crosses of high-and low-fat lines of swine | |
Perdomo‐González et al. | Quantitative analysis of parent‐of‐origin effect in reproductive and morphological selection criteria in the Pura Raza Española horse | |
Kumar et al. | Genetic parameters for sex ratio in an organised sheep farm | |
McLaren et al. | The effects of different farm environments on the performance of Texel sheep | |
Sanchez et al. | Opportunities for genomic selection of cheese-making traits in Montbéliarde cows | |
Ochsner | Development of economic selection indices for beef cattle improvement | |
CN105046083B (zh) | 一种评定大白公猪受精能力的数学模型的建立方法 | |
Van der Linde et al. | Genetic evaluation for longevity in Hungary | |
Ferrari et al. | Genetic and nongenetic variation of heifer fertility in Italian Holstein cattle | |
Jafaroghli et al. | Structural equation modeling for genetic analysis of body weight traits in Moghani sheep. | |
Legarra et al. | Estimating genomic relationships of metafounders across and within breeds using maximum likelihood, pseudo-expectation–maximization maximum likelihood and increase of relationships | |
Banestani et al. | The accuracy of breeding values for body size latent trait in pigs under different prediction models. | |
dos Santos Daltro et al. | Reaction norm model to describe environmental sensitivity in Girolando cattle |
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 |