肉牛日增重全基因组选择比较研究

为比较不同全基因组选择方法估计肉牛平均日增重(Average Daily Gain,ADG)育种值的性能,本研究选用5种间接育种值估计方法(贝叶斯方法)、2种直接育种值估计法(GBLUP类方法)和3种机器学习方法分别对同一尼洛尔肉牛群体的20K、80K、770K基因分型SNP数据和表型数据构成的数据集采用交叉验证的方式进行了全基因组选择研究,实验结果表明在20KSNP数据集中估计育种值准确度最高的是0.258 5(Bayes B),80KSNP数据集中的最高准确度是0.260 8(Bayes Lasso和Bayes Ridge Regression),770KSNP数据集的最高准确度是0.270 4(Bayes Ridge Regression)。GBLUP类方法与贝叶斯方法的准确度接近,机器学习方法的育种值准确度最低。就运行时间而言,GBLUP类方法所需时间最短。综合比较,GBLUP类方法在本研究中表现出更强的实用性。