精确地估计加性和显性遗传效应,可以提高选择准确度和加速遗传进展。本研究构建了343个罗氏沼虾(Macrobrachium rosenbergii)G7~G9育种群体全同胞家系(半同胞家系244个),测定了29523尾个体的收获体重。基于单性状动物模型,利用平均信息...精确地估计加性和显性遗传效应,可以提高选择准确度和加速遗传进展。本研究构建了343个罗氏沼虾(Macrobrachium rosenbergii)G7~G9育种群体全同胞家系(半同胞家系244个),测定了29523尾个体的收获体重。基于单性状动物模型,利用平均信息约束最大似然法(average information restricted maximum likelihood method,AIREML)估计了G7、G8、G9和G8+G9 4个数据集收获体重的方差组分。分析时采用了两种模型:(1)加性遗传效应模型,包含加性遗传效应和共同环境效应(A+C);(2)加显性遗传效应模型,进一步包括显性遗传效应(A+D+C)。结果表明,在A+C模型下,估计得到的4个数据集收获体重的遗传力范围在0.046~0.082,为低遗传力水平(h^2≤0.15)。在A+D+C模型下,估计得到的收获体重遗传力范围在0.063~0.096,显性方差组分比率范围为0.027~0.571。模型中包括显性遗传效应后,G8数据集收获体重遗传力的估计值变大,其余3个数据集的估计值变小。罗氏沼虾育种群体收获体重遗传力较低,表明需要引进性能优良的野生或改良群体,增加育种群体的遗传变异丰富度;4个数据集显性遗传方差比率值变化较大,表明需要新的算法并利用更多世代数据提高其估计值的准确性。展开更多
文摘精确地估计加性和显性遗传效应,可以提高选择准确度和加速遗传进展。本研究构建了343个罗氏沼虾(Macrobrachium rosenbergii)G7~G9育种群体全同胞家系(半同胞家系244个),测定了29523尾个体的收获体重。基于单性状动物模型,利用平均信息约束最大似然法(average information restricted maximum likelihood method,AIREML)估计了G7、G8、G9和G8+G9 4个数据集收获体重的方差组分。分析时采用了两种模型:(1)加性遗传效应模型,包含加性遗传效应和共同环境效应(A+C);(2)加显性遗传效应模型,进一步包括显性遗传效应(A+D+C)。结果表明,在A+C模型下,估计得到的4个数据集收获体重的遗传力范围在0.046~0.082,为低遗传力水平(h^2≤0.15)。在A+D+C模型下,估计得到的收获体重遗传力范围在0.063~0.096,显性方差组分比率范围为0.027~0.571。模型中包括显性遗传效应后,G8数据集收获体重遗传力的估计值变大,其余3个数据集的估计值变小。罗氏沼虾育种群体收获体重遗传力较低,表明需要引进性能优良的野生或改良群体,增加育种群体的遗传变异丰富度;4个数据集显性遗传方差比率值变化较大,表明需要新的算法并利用更多世代数据提高其估计值的准确性。
