现在随着各个主要家畜物种进入了GS时代，那如果还采用传统的BLUP去估计育种值，其是否会出偏差呢？
答案是的。出现的原因如下几篇文章给出.
1 奶牛基因组预选导致的遗传评估偏差的证据。 2011
参考文章：Evidence of biases in genetic evaluations due to genomic preselection in dairy cattle
背景：
年轻公牛的基因组预选步骤现在通常包含在奶牛育种计划中。根据其基因组育种值选择年轻公牛。它们具有更好的孟德尔采样贡献，因此显然违反了遗传评估中随机孟德尔采样项的假设。当使用 BLUP 评估这些公牛及其后代时，人们担心估计的育种值会出现偏差。
方法：
通过模拟保持法国荷斯坦种群的结构，研究了基因组选择对遗传评估的影响。遗传评估的质量是通过计算偏差和准确性来评估的，这些偏差和准确性分别来自真实和估计育种值之间的差异和相关性，以及预测的均方误差。测试了不同水平的遗传力、选择强度和基因组评估的准确性。
结果：
仅一代后，无论何种情况，预选的年轻公牛及其女儿的育种价值都被显着低估，其准确性降低。在遗传评估模型中需要考虑基因组预选。
2.基因组选择下猪健康和生长性状遗传参数的变化。2020.
参考文献：Changes in genetic parameters for fitness and growth traits in pigs under genomic selection.
背景：
基因组选择提高了准确性并减少了世代间隔，加速了种群的遗传变化。然而，选择引起的强烈变化可以减少遗传变异，并可以加强不良的遗传相关性。
目的：
调查与繁殖率 (FT1) 和窝产仔数 (FT2 和 FT3) 相关的适合性状的遗传参数以及猪的生长性状 (GT1 和 GT2) 随时间的变化。
数据：
该数据集包含 2009 年至 2018 年获得的 21,269 (FT1)、23,246 (FT2)、23,246 (FT3)、150,492 (GT1) 和 150,493 (GT2) 表型记录。 系谱文件包括 672019 只出生和 7 只动物其中 39,103 个被基因分型。使用 3 年滑动子集用双变量模型（FT1-GT1、FT1-GT2、FT2-GT1、FT2-GT2、FT3-GT1 和 FT3-GT2）估计遗传参数。通过使用 GIBBS3F90 程序的贝叶斯实现，计算被执行为基因组分析 (GEN) 或基于谱系的分析 (PED)，即分别有或没有基因型。
结果：
对于GEN（PED），从第一年到最后一年的间隔，即从2009-2011到2015-2018的遗传力变化为FT1的8.6到5.6（7.9到8.8），7.8到7.2（7.7到10.8） FT2为11.4至7.6（10.1至7.5）FT3，35.1至16.5（32.5至23.7）GT1和35.9至16.5（32.6至24.1）GT2。
还观察到遗传相关性的差异，因为它们从 FT1-GT1 的 -0.31 到 -0.58（-0.28 到 -0.73），FT1-GT2 的 -0.32 到 -0.50（-0.29 到 -0.74），-0.27 到 -0.45 (-0.30 to -0.65) FT2-GT1, -0.28 to -0.45 (-0.32 to -0.66) for FT2-GT2, 0.14 to 0.17 (0.11 to 0.04) for FT3-GT1, and 0.14 to 0.14 to 0.18 (-0.32 to -0.66) for FT2-GT2 ) 用于 FT3-GT2。
猪的强烈选择降低了遗传力，并强调了适应性和生长性状之间的对抗性遗传关系。考虑到基因型，遗传力估计值更小，遗传相关性比仅使用谱系和表型的估计值要大。
结论：
当选择是基于基因组信息时，在没有这种信息的情况下估计的遗传参数可能会有偏差，因为预选没有被模型所考虑。
3 通过来自猪、肉牛和肉鸡的BLUP和ssGBLUP的不同趋势检测基因组选择的有效起点。2021.
Detecting effective starting point of genomic selection by divergent trends from best linear unbiased prediction and single-step genomic best linear unbiased prediction in pigs, beef cattle, and broilers
背景：
基因组选择已在国内和国际上用于不同的牲畜和植物物种。然而，了解基因组选择是否有效是工业界和学术界的一个基本问题。一旦开始使用基因组评估后，再使用系谱最佳线性无偏预测 (BLUP) 的育种值估计就会有偏差，因为该方法不考虑使用基因组信息进行选择。因此，可以通过两种可能的方式检测基因组选择的有效起点，包括遗传趋势的分歧和使用 BLUP 和单步基因组 BLUP (ssGBLUP) 获得的实现孟德尔采样 (RMS) 趋势。
目的：
本研究旨在通过比较使用 BLUP 和 ssGBLUP 获得的趋势，找到三种牲畜物种中一组重要经济性状的基因组选择的开始日期。
数据：
为此使用了三个数据集：1) 具有 117k 基因型和 130 万家谱动物的猪数据集，2) 包含约 842k 基因型和 1150 万家谱动物的安格斯牛数据集，以及 3) 包括纯种肉鸡数据集使用了大约 154k 基因型和 1.3M 家谱鸡。
结果：
对于 2014 年出生的基因分型动物，猪的遗传趋势在平均日增重 (ADG) 和背膘 (BF) 方面有所不同。
在肉牛中，2009 年断奶体重 (WW) 和 2016 年断奶后增重 (PWG) 的趋势开始出现差异，而出生体重 (BTW) 的差异很小。在肉鸡中，通过 ssGBLUP 和 BLUP 估计的遗传趋势在育种周期 6 时对于三个生产性状中的两个出现分歧。
基因分型猪的 RMS 趋势在 2014 年出生的动物中有所不同，ADG 的差异大于 BF 的。
在肉牛中，2009 年 WW 和 2016 年 PWG 的 RMS 趋势开始出现分歧，BTW 的趋势微不足道。
在肉鸡中，ssGBLUP 和 BLUP 的 RMS 趋势在育种周期 6 的两个生产性状上有很大差异，另一个性状略有差异。
结论：
ssGBLUP 和 BLUP 的遗传趋势的差异表明基因组选择的开始。 RMS 趋势的存在表明选择性基因分型，有或没有基因组选择。基因组选择和基因分型策略的开始与这三个物种的行业实践一致。
总之，基因组选择的有效开始可以通过 BLUP 和 ssGBLUP 的遗传和 RMS 趋势之间的差异来检测。
4 一个拓展： 预选对预选动物的后续ssGBLUP 评估的影响
Investigating the impact of preselection on subsequent single-step genomic BLUP evaluation of preselected animals
背景
候选人的预选，以下称为预选，是育种计划中的常见做法。在随后的基于谱系的最佳线性无偏预测 (PBLUP) 中，预选会导致偏差和准确性损失。然而，预选对后续单步基因组 BLUP (ssGBLUP) 的影响尚不完全清楚。因此，在本研究中，作者模拟研究了不同遗传力的强度和预选类型对预选动物的后续 ssGBLUP 评估的影响。
方法
作者模拟了育种计划的核心，其中最近的 15 代种群是通过基于 PBLUP 的选择产生的。在这个最近种群的第 15 代中，使用几种预选方案预选了下一代的父母。这些场景是三种预选强度（无、高或非常高预选）和三种类型的预选（基因组、父母平均或随机）的组合，跨越三种遗传力（0.5、0.3 或 0.1）。在每个预选场景之后，使用 ssGBLUP 通过排除来自预选动物的所有信息进行后续评估，并在预选动物的准确性和偏差以及实现的遗传增益方面对这些遗传评估进行比较。
结果
预选类型影响预选和后续评估阶段的选择准确性。虽然预选准确性下降，但随后 ssGBLUP 评估的准确性提高了，从基因组到亲本平均再到随机预选场景。偏见总是可以忽略不计的。从基因组到亲本平均到随机预选场景，遗传增益降低。遗传增益也随着预选强度的增加而降低，但从无到非常高的基因组预选方案最多只能降低 0.1 加性遗传标准偏差。
结论
在随后的评估中使用 ssGBLUP 可以防止预选偏差，无论预选的强度和类型以及遗传力如何。使用 GPS，除了显着减少表型分析工作外，在随后的评估中使用 ssGBLUP 实现的遗传增益仅略低于没有预选时实现的遗传增益。对于测量成本高昂的性状（例如单只肉鸡的采食量）和表型只能在生命后期阶段测量的性状（例如猪的产仔数）尤其如此。
网友评论