为探究基于A矩阵期望遗传关系最大化(maximizing the expected genetic relationship for matrix A,RELA)、基于A矩阵目标群体遗传方差最小化(minimized the target population genetic variance for matrix A,MCA)、平均亲缘关系最大化...为探究基于A矩阵期望遗传关系最大化(maximizing the expected genetic relationship for matrix A,RELA)、基于A矩阵目标群体遗传方差最小化(minimized the target population genetic variance for matrix A,MCA)、平均亲缘关系最大化(the highest mean kinship coefficients,KIN)、随机选择(random selection,RAN)、共同祖先筛选(common ancestor,CA)等不同参考群筛选方法及参考群规模对基因型填充准确性的影响。本研究使用矮小型黄羽肉鸡作为试验群体,采用鸡600K SNP芯片(Affymetrix Axion HD genotyping array)进行基因分型,测定435羽子代公鸡45、56、70、84、91日龄体重。利用Beagle软件将低密度SNP芯片填充为高密度SNP芯片数据,比较不同参考群筛选方法、参考群规模对基因型填充准确性的影响,以及填充芯片基因组预测准确性。结果表明,使用Beagle 4.0结合系谱信息进行填充效果最佳,其次为Beagle 4.0,而Beagle 5.1填充效果最差。使用MCA方法筛选参考群进行基因型填充准确性最高,使用RAN方法筛选参考群进行基因型填充准确性最低,MCA、RELA、CA 3种方法基因型填充准确性差别较小。相比其他方法,使用MCA方法筛选个体作为参考群将低密度SNP芯片填充至高密度SNP芯片进行基因组选择的预测准确性较高,与真实高密度SNP芯片的基因组预测准确性相差甚微。随着参考群规模增大,基因型填充准确性也随之增加,但增速逐渐下降,最后趋于平缓。综上所述,可以通过参考群筛选方法构建参考群以及控制参考群规模,以保证基因型填充和基因组预测准确性并节省成本,本研究为基因型填充在畜禽遗传育种中的应用提供技术参考。展开更多
针对现有机器人自组网运动控制模型无法真实反映机器人运动规律的问题,提出一种新的群组运动控制模型(group movement control model,GMCM)。该模型基于机器人通用运动学模型,采用群组控制算法,对传统群组随机运动模型——参考点群组运...针对现有机器人自组网运动控制模型无法真实反映机器人运动规律的问题,提出一种新的群组运动控制模型(group movement control model,GMCM)。该模型基于机器人通用运动学模型,采用群组控制算法,对传统群组随机运动模型——参考点群组运动模型(reference point groupmobility,RPGM)进行修改,可描述机器人编队解散和集合的运动状态,满足群组分割与合并的需求。进一步实现GMCM模型,并基于GMCM,RPGM,DRGM模型对机器人自组网路由协议进行模拟仿真。结果表明,基于GMCM模型仿真时协议性能有所降低,较为真实地模拟了机器人编队运动,对机器人自组网的研究具有一定的参考价值。展开更多
文摘为探究基于A矩阵期望遗传关系最大化(maximizing the expected genetic relationship for matrix A,RELA)、基于A矩阵目标群体遗传方差最小化(minimized the target population genetic variance for matrix A,MCA)、平均亲缘关系最大化(the highest mean kinship coefficients,KIN)、随机选择(random selection,RAN)、共同祖先筛选(common ancestor,CA)等不同参考群筛选方法及参考群规模对基因型填充准确性的影响。本研究使用矮小型黄羽肉鸡作为试验群体,采用鸡600K SNP芯片(Affymetrix Axion HD genotyping array)进行基因分型,测定435羽子代公鸡45、56、70、84、91日龄体重。利用Beagle软件将低密度SNP芯片填充为高密度SNP芯片数据,比较不同参考群筛选方法、参考群规模对基因型填充准确性的影响,以及填充芯片基因组预测准确性。结果表明,使用Beagle 4.0结合系谱信息进行填充效果最佳,其次为Beagle 4.0,而Beagle 5.1填充效果最差。使用MCA方法筛选参考群进行基因型填充准确性最高,使用RAN方法筛选参考群进行基因型填充准确性最低,MCA、RELA、CA 3种方法基因型填充准确性差别较小。相比其他方法,使用MCA方法筛选个体作为参考群将低密度SNP芯片填充至高密度SNP芯片进行基因组选择的预测准确性较高,与真实高密度SNP芯片的基因组预测准确性相差甚微。随着参考群规模增大,基因型填充准确性也随之增加,但增速逐渐下降,最后趋于平缓。综上所述,可以通过参考群筛选方法构建参考群以及控制参考群规模,以保证基因型填充和基因组预测准确性并节省成本,本研究为基因型填充在畜禽遗传育种中的应用提供技术参考。
文摘针对现有机器人自组网运动控制模型无法真实反映机器人运动规律的问题,提出一种新的群组运动控制模型(group movement control model,GMCM)。该模型基于机器人通用运动学模型,采用群组控制算法,对传统群组随机运动模型——参考点群组运动模型(reference point groupmobility,RPGM)进行修改,可描述机器人编队解散和集合的运动状态,满足群组分割与合并的需求。进一步实现GMCM模型,并基于GMCM,RPGM,DRGM模型对机器人自组网路由协议进行模拟仿真。结果表明,基于GMCM模型仿真时协议性能有所降低,较为真实地模拟了机器人编队运动,对机器人自组网的研究具有一定的参考价值。
