家畜育种学06种畜的遗传评估(二)多性状育种值估计—选择指数

第一节选择指数概述第二节普通综合选择指数第三节约束与最宜选择指数第六章多性状育种值估计选择指数是Smith（1937）在植物育种中首先提出来，随后Hazel和Lush（1942），特别是Hazel（1943）对这一方法作了系统的论述，并给出了具体的计算方法。由于选择指数法具有较大的优越性，在过去的30余年中得到了很大的发展，从一般的综合选择指数发展为约束选择指数、最宜选择指数、以及通用选择指数等，因而成为多性状选择的一种重要的方法。第一节选择指数概述选择指数的类别经典选择指数（selectionindex）•由Hazel（1943）提出。它将需要选择的几个性状，依据各自的遗传力、表型方差、经济加权值，以及相应的遗传相关和表型相关，制定的一个综合指标。然后计算出各个体的指数值，依据指数值的高低进行选留和淘汰。约束选择指数（restrictedselectionindex）•由Kempthorne（1959）等提出，是在普通选择指数的基础上，通过对性状的改进施加某种约束条件，使一些性状改进的同时，保持另一些性状不发生改变。最宜选择指数（optimumselectionindex）由Tallis(1962)提出，是在普通选择指数的基础上，通过对性状的改进施加某种限制，使一些性状按适当的比例要求改进。通用选择指数（generalselectionindex）由陈瑶生和盛志廉(1988，1989)提出，是在普通选择指数的基础上，能充分利用各种可能获得的信息，即包括个体本身及各种亲属的各个性状的任意信息，适用于各种选择指数的统一的通用选择指数。选择指数与育种值综合育种值：选择指数：综合育种值与选择指数的线性预测关系：niiiawH1aw'n21w'naaa21a'mmPbPbPbI2211)()()(22112211222221122222211112211111122111mnnmmmmmmnmnnmmnnmmAwAwAwrPbPbPbAwAwAwrPbPbPbAwAwAwrPbPbPb第二节普通综合选择指数经典选择指数指数式的一般形式•为性状的加权系数，也即为偏回归系数•经典的综合选择指数是依据个体本身的多个性状的表型值来估计个体综合育种值，目的是要获得一个指数，用它可以达到最准确地估计，即令综合育种值与指数间相关最大化，从而获得最大的综合育种值进展，利用求极大值方法可以得到多元正规方程：niiixbI1xb'ibnbbb21b'nxxx21x'IHHIrH•是各选择性状的偏回归系数向量•是各选择性状表型值之间的方差、协方差矩阵•是各选择性状育种值之间的方差、协方差矩阵•是各选择性状的经济加权值向量AwPb1bPAw22),(Cov),(CovPjPPPiijjiP22),(Cov),(CovAjAAAiijjiA选择指数效果的度量综合育种值估计准确度综合育种值选择进展各性状育种值选择进展AwwAwbHIIHHIIHr),(CovAwbiiirHIHHIAwbAbAbaiiI举例选择计划制定一般步骤•性状各种表型参数和遗传参数的估计；•性状经济加权值的确定；•选择强度估计；•选择指数制定和选择效果估计；•计算个体指数值，确定选择决策。选择指数制定步骤计算性状的表型方差、协方差矩阵和育种值方差、协方差矩阵；计算各性状偏回归系数选择效果估计计算个体指数值jiijiijrP2jijijjiiijiiijhhrhA)(22jiji例1某猪场的资料分析得到三个性状：饲料利用率、平均日增重和胴体瘦肉率的表型、遗传参数，以及性状的边际效益，列入下表，根据给定的参数制定这三个性状的选择指数，并计算如下两头猪的指数值：A：B：75.21x7002x5.603x70.21x6802x613x表7-1猪三个性状的表型遗传参数和边际效益（表中右边4项的右上角为表型相关；右边4项左下角为遗传相关）性状单位饲料利用率kg/kg2.8-78.800.300.12—-0.65-0.23平均日增重g650.00.110.354257.6-0.75—-0.25胴体瘦肉率%6010.400.464.71-0.39-0.10—xw2h2p1x2x3x1x2x3x由表中参数计算三个性状的表型方差、协方差矩阵为：4.708935.3981-0.1747-35.3981-4257.614.8444-0.1747-14.8444-1225.0P其中：8444.146.425712.065.0),(1225.0211122112211xxxrxxCovPP三个性状的育种值方差、协方差矩阵为：2.16615.6814-0.1100-5.6814-1.14905.5501-0.1100-5.5501-0.0367A其中：5501.56.425735.012.030.075.0),(0367.012.030.02222)12(2112222112211111xxxxxxAhhrAACovAhA经济加权值为：40.1011.080.78w由前面的回归公式得到：10.1225-14.8444-0.17470.0367-5.5501-0.110078.80-14.84444257.6-35.3981-5.55011490.1-5.68140.11-0.1747-35.39814.7089-0.1100-5.68142.166110.40-7.73520.16217.42431bPAw所以这三个性状的综合选择指数为：3217.42431621.07352.7xxxIxb由于：173.632216.0118242.30832.0009-744.0830350.8473AbbAbAwwAwb所以综合选择指数的估计准确度为：综合育种值选择进展为：各性状育种值选择进展为：0.68670830.7448473.350AwwAwbHIriiH18.7309Awb0.854812.93630.1068-iiAwbAba若采用这一指数对后备猪进行综合育种值评定，并依据它进行选种，以给出的两个个体为例，可分别计算其综合选择指数为：12.2039)0.605.60(7.4243)0.650700(0.1621)80.275.2(-7.7352AI13.0608)0.6061(7.4243)0.650680(0.1621)80.270.2(-7.7352BI从选种角度而言，需要知道的只是个体选择指数值的相对大小排列顺序，因而有时为了简单，只用个体的表型值代替其离均差计算，对A和B两个体有：541.368360.57.4243+7000.1621+2.75-7.7352AI542.225361.07.4243+6800.1621+2.70-7.7352BI通用选择指数经典的选择指数要求目标性状与信息性状一致，而且只是利用个体本身的各性状信息，这不符合现代育种学的精神。实际上，对于多性状选择在群体遗传基础和环境条件相对一致的情况下，应该充分利用各种信息来源的资料通用选择指数的构建方法利用个体本身及其亲属的相关性状的表型值作为信息性状，建立一个信息性状的线性函数，即通用选择指数，用它来估计，从而获得最大的综合育种值进展，这里，信息性状与目标性状可以相同，也可以不同，但必须与目标性状有较高的遗传相关，利用求极大值方法可以得到如下多元正规方程组：IHHDAwPb1是信息性状表型值之间的方差、协方差矩阵是各信息性状与目标性状育种值之间的方差、协方差矩阵是对应于提供每一信息性状的个体或有关亲属与被估计个体间的亲缘相关对角矩阵PAD22),(Cov),(CovPjPPPiijjiP22),(Cov),(CovAjAAAiijjiA00000000000000000000)I,()I,(jAiArrD通用选择指数效果度量综合育种值估计准确度综合育种值选择进展各性状育种值选择进展GwwDAwbHIIHHIIHr),(CovDAwbiiirHIHHIDAwbDAbAbaiiI信息性状表型值方差协方差的计算第一类：一个信息来源，一个性状的方差•一个个体单次度量值•一个个体次度量值•个个体单次度量值MNMLLM)(MrN22xMNrNexMN)1(122LhrLxMxML2)(22)1(1为个体间的亲缘系数er为重复率第二类：一个信息来源，两性状间协方差•一个个体单次度量值和•一个个体次度量值均值和•个个体单次度量均值和第三类：两个不同信息来源，一个性状间的协方差或一个性状与另一个性状间的协方差yxxyyxryxCovMMCov),(),(yxxyyNxNryxCovMMCov),(),(),()1(),(1),()(yxCovrLyxCovLMMCovAMyLxLxMyMNxNMyNM