Stejskal J, Lstibůrek M, Klápště J, et al. Effect of genomic prediction on response to selection in forest tree breeding. Tree Genetics & Genomes, 2018, 14(5): 74. DOI: 10.1007/s11295-018-1283-8.

摘要

通过随机模拟，在传统的基于谱系和基于基因组的评估方法下评估了育种值的准确性和对选择的反应。更具体地，评估了几个关键参数，例如性状的遗传力（0.2和0.6），性状下的QTL数量（100到200）和标记密度（1到10个SNP / cM）。此外，还研究了两种对比交配设计（部分双列与单对配对）的影响。然后在种子生产群体（由不相关的选择组成的种子园）中针对不同的有效群体大小（Ne = 5至25）评估对选择的响应。模拟的候选群体包括固定大小的2050个具有快速连锁不平衡衰减的个体，通常在森林树种群中发现。在遗传/基因组评估之后，选择受限制的个体以满足目标生产群体中的预定有效群体大小。低h2，高Ne和密集标记覆盖的组合导致最大相对基因组预测效率和孟德尔采样项的最有效利用（家族内加性遗传方差）。由于育种值的基因组预测构成了基因组选择的方法论基础，因此我们的结果可用于在考虑类似情景时解决重要问题。

关键词：GBLUP。种子园。基因组选择。对选择的回应。有效人口规模

介绍

基因组选择（GS）的有效性取决于用密集标记覆盖填充基因组以利用标记和因果变体（即，连锁不平衡（LD））之间的关联用于选择和育种目的（Meuwissen等人2001）。从一开始，GS就已经获得了越来越多的关注和接受，因为它有潜力预测个体的遗传价值，并且每单位时间和成本可以带来更大的收益。 GS的推动与高效，准确且相对实惠的高通量单核苷酸多态性（SNP）基因分型技术的发展相吻合（Elshire等人2011; Peterson等人2012; Truong等人2012）。由于模型的定量遗传分析单元已经从后代品系转移到等位基因，因此GS是一个重要的范式转换，具有不可思议的反响。因此，基本上基于谱系预期关系的传统遗传评估方法被实际实现的关系所取代（Wright 1922; VanRaden 2008）。基因组最佳线性无偏预测（GBLUP）已被用于估计人类，植物和动物种群中各种复杂性状的基因组估计育种值（GEBV）（Yang等人2010; Heffner等人2009; Villanueva等人。 2005; VanRaden 2008）从牛到水产养殖（Sonesson和Meuwissen 2009;豥例如and d和Meuwissen 2015; Vela-Avit Chicken等2015）。一些研究描述了基因组BLUP与传统谱系BLUP的不同之处，并剖析了基因组关系矩阵捕获的遗传特征（Habier等，2007,2013）。基于谱系的关系矩阵的系数描述了以谱系信息为条件的数量性状基因座（QTL）的个体之间的预期加性遗传关系（Mal？rt 1948）。根据Habier等人的观点。 （2013），基因组关系矩阵在QTL水平上解释遗传协方差的程度并不明显，尽管有几位作者将基因组关系矩阵称为实际（Hill和Weir 2011）或实现的关系矩阵（Lee et al。因为它描述了SNP（Hayes等人，2009）的身份 - 下降（IBD），假设有一个古老的创始人群。这种多样的术语可能会产生误导，因为只有QTL的遗传关系在定量遗传分析中才有意义。
来自谱系的遗传关系（BLUP的基础）忽略了在减数分裂过程中来自每个基因座的每个亲本的两个可能等位基因的随机取样。这种现象被定义为孟德尔采样项。 Van Arendonk等人。 （1994）提出覆盖基因组的大量DNA标记可以导致更准确的遗传协方差估计，而不是基于谱系的关系，因为实现的遗传协方差将基于相同的基因组的实际比例任何两个人之间的体面（IBD）。除追踪IBD等位基因外，DNA标记还通过状态（IBS）鉴定相同的那些（Powell等人，2010）。实现和预期关系之间的主要区别在于前者估计两个人共享的总DNA实际分数的能力，并利用这些信息预测非表型个体的遗传价值（Zapata-Valenzuela et al.2013） 。
GS具有森林树木轮回选择育种计划的潜力，因为它消除了后代表型测试;然而，有一些不容忽视的挑战。这些包括无可争议的遗传增益和多样性之间的平衡，长代间隔，非常大的有效种群大小（Ne），快速连锁不平衡衰减，以及需要密集SNP基因分型的大量基因组大小（Neale和Savolainen） 2004）。使用确定性方法，Wong和Bernardo（2008），Grattapaglia和Resende（2011），以及Iwata等。 （2011）已经证明了GS潜力，并且所有人都认为它可以从根本上提高树木育种效率。在这些研究中，评估了几个因素的影响，如遗传力，QTL数量，标记密度和有效种群大小对GEBV的准确性和选择效率的影响。目前，基因组选择模型也被用于使用模拟和经验数据将遗传方差分解为其加性和非加性组分，从而产生更真实的遗传力和育种值估计，从而提高预测准确性（Denis和Bouvet 2013; Bouvet等2015） ; de Almeida Filho等人2016; El-Dien等人2016）。虽然大多数上述研究正在评估植物育种中的相似参数，但在种子园的背景下，在可变交配设计和平衡遗传增益和多样性的有效种群大小的情况下，对GBLUP效率的了解有限。同样，也缺乏与这些情景相关的随机变化的研究。
在本研究中，通过随机模拟，评估了选择策略与传统BLUP与GBLUP相结合对选择响应的影响。具体而言，我们评估了几个关键参数的影响，如性状遗传力（h2），性状基础QTL数量（NQTL）和标记密度（固定低LD;在各种标记密度下监测单一代LD衰变） ）关于BLUP和GBLUP的准确性以及对生产种群（即种子园）中的选择的响应。评估了对几种有效种群大小的选择反应，以显示Ne对最终结果的影响。此外，还研究了替代交配设计对结果的影响。最后，评估了逐次运行（200次迭代）绝对遗传增益，以显示增益变异的程度。遗传增益变异是有意义的，因为在大多数情况下，育种者只面临其计划的一个结果;因此，增益变化应该表明程序不确定性的程度。