ASREML
遗传参数评估软件
飞哥推荐:
asreml软件功能非常强大,使用简单,遗传评估和基因组选择的利器,5月份有个遗传评估和基因组选择的培训班(见文末),
文献解析
如何分析猪繁殖性状遗传参数估计
{ asreml常见模型应用 }
ASReml 软件作为专业的遗传参数评估软件,它主要应用于:
※ 分析半同胞、全同胞、父本模型、动物模型等模型
※ 计算BLUP育种值
※ 处理重复测量数据
※ 处理平衡非平衡的试验设计
※ 处理多环境试验(MET)和元分析(meta-analysis)
※ 处理规则和不规则的空间分析数据
※ 计算遗传力、重复力、遗传相关、表型相关等遗传参数
※ 处理基因组数据,估计GBLUP
今天小编带领大家一起解析一篇文献,以了解asreml在论文中的具体应用,以及如何分析自己的数据。解析分为四大部分:
一、文章摘要;
二、分析文章思路;
三、文章结果解读;
四、如何通过分析文章后分析自己的数据?
文章链接:
https://pubmed.ncbi.nlm.nih.gov/37415962/
一、文章摘要
引言
在本研究中,我们旨在估计三个流行的商品猪品种:杜洛克、长白和约克郡的繁殖性状的遗传参数。此外,我们还评估了影响这些特征的因素。
关键词
长白 约克郡 杜洛克
方法
我们收集了大量垃圾的数据,包括1887只杜洛克、21787只长白和74796只约克郡垃圾。利用ASReml-R软件对11个性状进行分析,包括:出生猪总数(TNB);活产仔猪数量(NBA);健康出生的仔猪数量(NBH);出生仔猪数弱(NBW);新生死产仔猪数量(NS);高龄死产仔猪数量(OS);出生时有畸形的仔猪数量(NBM);仔猪木乃伊数量(NM);产仔总出生体重;窝重(LAW);妊娠期持续时间(GP)。我们研究了4个固定因素对这些性状遗传参数的影响。
关键词
11个繁殖性状 4个固定因子 asreml-R
结果
在11个生殖相关性状中,妊娠期属于中等遗传力性状(0.251~0.430),其余性状的遗传力较低,在0.005~0.159之间。TNB、NBA、NBH、LBW具有正的遗传相关性(0.737~0.981)和表型相关性(0.711~0.951)。NBW与LAW呈负相关(-0.452~-0.978),表型相关(-0.380~-0.873)。LBW被认为是最合理的繁殖性状之一,可用于育种改良。三个品种的重复性在0.000-0.097之间。此外,本研究中选择的固定效应对长白和约克郡有显著影响(p<0.05)。
关键词
妊娠期中等遗传力
其它繁殖性状低遗传力
不同性状遗传相关和表型相关
固定因子有显著性影响
讨论
我们发现LBW与TNB、NBA和NBH之间呈正相关,这表明了多性状联合育种的潜力。在实际生产中应考虑农场、产仔年、繁殖季节和产次等因素,因为它们可能会影响种猪的繁殖性能。
关键词
LBN与TNB、NBA和NBH遗传正相关
可以联合育种,多个场次 二、分析思路解析
2.1
数据介绍
数据介绍
本研究中使用的数据来自位于中国西南部的同一公司的11个种猪场,那里饲养着加拿大种系。值得注意的是,不同养殖场的种猪种群之间存在基因交换。在2016年至2022年期间,共获得98470窝母猪产仔记录,其中包括1887窝杜洛克、21787窝长白和74796窝约克郡。此外,我们还收集了来自3个品种的48434个系谱数据,每个品种由8代组成。生殖性状记录为TNB、NBA、NBH、NBW、NS、OS、NBM、NM、LBW、LAW和GP;NBA是指每窝活产的小猪数量在24头以内 h出生;NS是指分娩后没有生命体征的仔猪;OS是指从母猪身上获得的死胎仔猪是黄色的、年老的、深色的,但胎儿没有制成木乃伊,也就是说,小猪在母亲体内死亡了一段时间;LAW是24岁以内的平均总窝重 h出生后,不包括死胎和木乃伊小猪。
关键词
2016年到2022年
一共99478窝母猪产仔记录
2.2
分析工具
分析工具
根据数据分布和先验知识,值<3或>30的TNB或NBA数据被丢弃。LAW记录<0.3 kg或>3 kg被排除在本研究之外。Gp值限制为104 ~ 124 天。重复的谱系记录被删除,具有表型数据的个体被完成,没有通过自己编写的python脚本记录谱系记录,并且完成了将0的数量分配给父母个体信息。使用“ASReml-R”(8)R软件包和vpredict函数对11个生殖性状的成分方差进行了遗传力计算。该软件包设计用于拟合线性混合模型,特别是用于动植物育种,以使用有限的最大似然估计遗传参数。
关键词
数据质控,小于3或者大于30的删除
系谱清洗 ASReml-R进行分析
使用vpredict函数计算遗传力
分析模型——
单性状模型和多性状模型
动物模型:一个随机因子
遗传力计算
遗传相关和表型计算
重复力模型:两个随机因子
遗传力和重复力计算
固定因子和随机因子显著性检验
固定因子:用wald检验
随机因子:用LRT检验
该模型在ASReml-R中使用REML似然比检验(LRT)进行测试,固定效应检验使用Wald函数(补充材料)进行。在简单动物模型1中,使用加性诊断函数的us函数(未考虑共相关)来确定遗传相关性的变化,以使用LRT来检验显著性,使用加和残差诊断函数的us函数来确定情景相关性的变化以确定显著性。在重复性模型中,模型2与模型1非常相似。这两个模型之间的比较旨在更准确地计算遗传力(即,通过在模型中包括或排除永久环境影响之间进行选择)。
三、文章结果形式
3.1 汇总统计
3.2 遗传力和标准误
3.3 遗传相关和表型相关
3.4 重复力结果
3.5 显著性检验结果
四、我该怎样分析自己的数据?
4.1 整理数据:系谱数据和表型数据
4.2 数据清洗:表型数据和系谱数据
4.3 建模1:单性状模型
动物模型
重复力模型
单性状模型可以得到遗传力和重复力,以及标准误,育种值BLUP。
4.3 建模2:多性状模型
动物模型
重复力模型
多性状模型可以得到遗传相关和表型相关,以及显著性检验。
4.4 ASReml示例代码
动物模型
重复力模型
多性状模型
更多知识学习,欢迎关注我们2024年5月25-26日的asreml全基因组选择培训
培训内容及安排