一种通过基因组数据对遗传力进行评估的算法

摘要

本发明公开了一种通过基因组数据对遗传力进行评估的算法，对于某一数量性状，通过使用不同数量的参考群个体利用GBLUP算法进行全基因组的标记效应的估计，进而得到估计群的育种值，并计算出估计准确度；通过基因组估计准确度与参考群体大小进行曲线直线化拟合，拟合出的回归方程的截距的倒数为遗传力的估计值；本发明通过基因组的数据对数量性状的遗传力进行评估，所研究的成果可直接应用于动植物数量性状育种中，本发明的算法不对个体进行系谱记录而是对个体基因组进行测序，通过全基因组标记来预测性状的遗传力，遗传力估计结果主要用于将来的育种工作中，另外，测序可以捕获到孟德尔抽样误差，相对记录系谱数据能够获得更准确的系谱信息。

主权项

一种通过基因组数据对遗传力进行评估的算法，对于某一数量性状，通过使用不同数量的参考群个体进行全基因组的标记效应的估计，进而得到估计群的育种值，并计算出估计准确度；通过基因组估计准确度与参考群体大小进行曲线直线化拟合，拟合出的回归方程的截距的倒数为遗传力的估计值；其特征在于：基因组选择的具体过程采用GBLUP作为计算标记效应的算法，基因组所有标记位点的效应方差是相等的，标记效应通过以下公式计算得出：$\left[\begin{array}{cc}{1_n}^{\prime }{1}_n& {1_n}^{\prime }X\\ X^{\prime }{1}_n& X^{\prime }X+I\lambda \end{array}\right]\left[\begin{array}{c}\hat{\mu }\\ \hat{g}\end{array}\right]=\left[\begin{array}{c}{1_n}^{\prime }y\\ X^{\prime }y\end{array}\right]---\left(1\right)$其中，为总体平均值；为所有标记位点的效应向量；基因组估计育种值(GEBV)通过将所有标记位点的效应相加获得，即GEBV＝∑X_ig_i；GEBV估计准确性通过计算GEBV与真实育种值(TBV)的相关系数，即r_(GEBV TBV)得出；在GBLUP算法估计育种值的情况下，r_(GEBV TBV)的另一计算公式为：$r_{\left(GEBV,TBV\right)}=\sqrt{\frac{N_p{h}^2}{N_p{h}^2+M}}---\left(2\right)$其中，N_p为参考群的个体数量；h²为所研究的性状的遗传力；M为决定该性状的有效基因组片段的数目；在实际生产中，无法得知TBV的具体数值，因此用表型值(Y)替代TBV，推导出GEBV与Y的关系为：$r_{\left(GEBV,Y\right)}=r_{\left(GEBV,TBV\right)}*h=\sqrt{\frac{N_p{h}^2}{N_p{h}^2+M}}*h---\left(3\right)$在公式(3)中，通过调整N_p的大小可获得不同的r_(GEBV，Y)的值，拟合该曲线方程，拟合的方式采用曲线直线化，对公式(3)进行整理，得到线性方程：$\frac{1}{r_{\left(GEBV,Y\right)}^2}=\frac{1}{h^2}+\frac{M}{h^4}*\frac{1}{N_p}---\left(4\right)$该方程相当于线性回归模型y＝a+bx，其中y为r_(GEBV，Y)的平方的倒数，x为N_p的倒数，方程的截距a即是遗传力的倒数，通过求该方程的截距的倒数，求出遗传力的估计值。