2019, Vol. 40
2. 温氏食品集团股份有限公司, 广东 新兴 527400
2. Wens Foodstuffs Group Co., Ltd., Xinxing 527400, China
在对种猪进行常规遗传评估时，育种值估计准确性取决于数据的数量和质量[1]，现场常将历史表型数据全部纳入计算，这种做法能够最大限度地使用全部亲属的遗传信息，预期估计育种值(EBV)也将更加准确。然而，这种做法也可能会存在一些问题，一方面在性状收集早期，由于人员经验不足，数据错误率往往偏高，而且由于测定仪器的更新换代和折旧，使得数据不同时间阶段呈现不同的特点[2]；另一方面随着群体遗传改良的进行，群体加性方差会随之改变[3]，使用统一的方差组分先验值，可能会使育种值估计的准确性降低。因此，利用早期数据也可能会带来一定的风险。本文以某一杜洛克猪核心育种群体生长性状为研究对象，利用不同时间跨度表型数据参与最佳线性无偏估计(BLUP)运算，并以部分最近终测个体作为验证群，比较不同时间跨度下，相同个体EBV估计的准确性差异；以利用全部数据计算的结果作为参照，计算其与不同时间跨度条件下EBV的秩相关；分析了在不固定遗传方差的情况下EBV的差异。本研究可为科学合理使用表型数据提供参考。
1 材料与方法 1.1 数据来源以温氏食品集团股份有限公司种猪分公司某核心场S22系杜洛克猪为研究对象，并以该场为出生和测定场，选取2012—2018年约17 000条生长性状测定记录，主要包括校正115 kg体重日龄(AGE)、校正30~115 kg体重日增重(ADG)、校正115 kg体重背膘厚(BF)、校正115 kg体重眼肌面积(LEA)和终测体型评分(BCS)。
1.2 数据收集和处理115 kg体重日龄的测定方法是, 先用电子秤对体重85~130 kg范围内的后备种猪称重，并记录其日龄，然后对其进行校正。30~115 kg体重日增重为总增重85 kg除以校正后的30 kg体重日龄与115 kg体重日龄之差所得。背膘厚、眼肌面积均由法国兽用便携式B超仪AGROSCAN测定并根据图形测量所得，校正至115 kg体重日龄，校正公式均为公司内部资料，此处不便列出。终测体型评分是由体型评定熟练的育种技术人员实施，在猪只进行终测时，现场对每头参与测定的猪只进行体型评定。评分采用10分制，6.0分以上为体型合格猪只；分值越高，体型越好。综合体型评分考虑种猪的头型、前驱、后驱、腹线、肢蹄和生殖器官，符合品种特征和育种目标。
利用Excel剔除缺失值和异常数据，结合整理好的数据文件，利用DMUTrace软件追溯群体系谱，并按照DMU软件[4]要求整理为数据文件和系谱文件。DMU软件是一个全面的集合程序，可用于估计正态分布和非正态分布性状的方差-协方差组分，采用AI和EM算法相结合的REML方法估计方差组分。
1.3 方差组分和育种值估计模型按公式(1)计算个体观察值：
| $ y=\mathrm{X}b+{{\mathrm{Z}}_{1}}a+{{\mathrm{Z}}_{2}}m+e, $ | (1) |
式中：y是个体观察值，均已校正；b是固定效应向量，包括年季效应和性别效应。a是动物个体加性效应；m是窝效应；e是残差效应。X、Z1、Z2分别是b、a、m的结构矩阵。
使用DMU软件的DMUAI模块计算方差组分，利用DMU4模块计算在方差组分给定条件下个体的育种值和标准误。
1.4 育种值估计的准确性通过公式(2)计算出对应的GEBV理论准确性(ri2)[5]：
| $ ~r_{i}^{2}=1-\frac{s_{i}^{2}}{(1+{{f}_{i}})\sigma _{a}^{2}}, $ | (2) |
式中，si为第i个体EBV的标准误，fi为个体的近交系数，σa2为加性遗传方差。
2 结果与分析 2.1 表型基本统计量表 1为主要生长性状的表型基本统计量，包括校正115 kg体重日龄(AGE)、校正30~115 kg体重日增重(ADG)、校正115 kg体重背膘厚(BF)、校正115 kg体重眼肌面积(LEA)和终测体型评分(BCS)。由表 1可知，AGE、ADG、BF、LEA和BCS分别为179.76 d、863.44 g、12.55 mm、40.46 cm2和8.22分，且数据量均在17 000条以上，达到后续分析要求。
|
表 1 杜洛克猪各生长性状表型基本统计量 Table 1 Basic statistics of selected productive traits of Duroc pigs |
表 2为各生长性状加性方差、窝效应方差和残差方差估计值，并计算了遗传力。由表 2可知，AGE、ADG、BF、LEA和BCS遗传力分别为0.22、0.16、0.38、0.30和0.09，窝效应占表型方差比率分别为0.20、0.19、0.13、0.17和0.14。
|
|
表 2 杜洛克猪各生长性状方差组分估计值 Table 2 Variance components and heritability of selected productive traits of Duroc pigs |
以2018年第3至4季度终测的种猪863头作为验证群体，分别选取2年(2017—2018年)、3年(2016—2018年)、4年(2015—2018年)、5年(2014—2018年)和全部数据(2012—2018年)的表型记录，在性状方差组分已知(方差由全部数据计算所得)的情况下，利用不同时间跨度表型数据，采用BLUP方法计算验证群体估计育种值(EBV)，计算不同时间跨度数据EBV的准确性以及该育种值与全部数据计算育种值之间的秩相关, 结果见表 3。表 3的结果显示，AGE、ADG、BF、LEA和BCS不同时间跨度EBV准确性变化范围分别为0.62~0.64、0.56~0.59、0.72~0.73、0.67~0.69和0.49~0.53；时间跨度为2年时，育种值与全部数据秩相关分别为0.970、0.948、0.966、0.969和0.960。
|
|
表 3 固定方差组分、不同时间跨度数据EBV的准确性和秩相关1) Table 3 The accuracy and spearman correlation of EBV of different time span data in the case of fixed variance components |
不同时间跨度数据利用AIREML方法分别估计方差组分，验证群中各性状育种值及准确性，与全部数据纳入计算得出EBV的秩相关，结果见表 4。表 4的结果显示AGE、ADG、BF、LEA和BCS不同时间跨度EBV准确性变化范围分别为0.64~0.65、0.51~0.59、0.61~0.73、0.67~0.69和0.42~0.53；时间跨度为2年时，育种值与全部数据秩相关分别为0.968、0.944、0.930、0.968和0.952。
|
|
表 4 不固定方差组分下不同时间跨度数据EBV的准确性和秩相关1) Table 4 The accuracy and spearman correlation of EBV of different time span data in the case of unfixed variance components |
本文生长性状数据量均达到17 000条以上，数据平均数和标准差在正常范围内。有研究表明，AGE和BF遗传力分别为0.21和0.41[2]，ADG遗传力估计值在0.20左右[6]，与本研究的遗传力估计值较为接近。有研究表明，BCS遗传力估计值在0.04左右[7]，低于本研究结果，可能是本文杜洛克猪表型选择较为集中，数据离散度较小所致。
3.2 不同时间跨度下EBV估计准确性和秩相关在固定方差组分时，EBV估计的准确性整体上高于不固定方差组分时的准确性，可见利用群体全部数据，或在数据量较大时，估计的群体遗传参数更准确，且更加符合群体遗传变异的情况；随着时间跨度的增大和数据量的提升，EBV估计准确性逐渐提升；秩相关排名显示，不同时间跨度下，本研究涉及的几个中高遗传力性状验证群体的EBV秩相关较为接近，均在0.95以上，满足应用需求。相关研究显示，在随机去除部分个体情况下，方差组分变化较小，对选种准确性影响较小[8]，这与本研究结果相似。利用部分数据，EBV估计准确性能够达到70%以上[9-10]。在考虑计算速度便捷性时，可适当缩小育种值估计表型取值范围。
3.3 结论本研究以校正达115 kg体重日龄、校正30~115 kg体重日增重、校正达115 kg体重背膘厚、校正达115 kg眼肌面积和终测体型评分等为研究对象，除体型评分外，这些性状均为中等偏高遗传力性状。结果显示，在进行常规遗传评估时，利用群体全部数据计算所得的方差组分优于分阶段方差组分估计值；随着时间跨度的增大，EBV准确性逐渐提高。
| [1] |
张勤, 丁向东, 陈瑶生. 种猪遗传评估技术研发与评估系统应用[J]. 中国畜牧杂志, 2015, 51(8): 61-65. (  0) |
| [2] |
叶健, 胡晓湘, 边成, 等. 大白猪主要生长性状的遗传参数估计及育种中存在问题的探讨[J]. 华南农业大学学报, 2017, 38(1): 1-4. ( 0) |
| [3] |
DARFOUR-ODURO K A, NAAZIE A, AHUNU B K, et al. Genetic parameter estimates of growth traits of indigenous pigs in Northern Ghana[J]. Livest Sci, 2009, 125(2): 187-191. ( 0) |
| [4] |
MADSEN P, SØRENSEN P, SU G, et al. DMU: A package for analyzing multivariate mixed models[C]//8th World Congress on Genetics Applied to Livestock Production. Belo Horizonte, MG, Brazil, 2006.
( 0) |
| [5] |
HIDALGO A M, BASTIAANSEN J W, LOPES M S, et al. Accuracy of genomic prediction using deregressed breeding values estimated from purebred and crossbred offspring phenotypes in pigs[J]. J Anim Sci, 2015, 93(7): 3313-3321. ( 0) |
| [6] |
CHEN C Y, KACHMAN S D, JOHNSON R K, et al. Estimation of genetic parameters for average daily gain using models with competition effects[J]. J Anim Sci, 2008, 86(10): 2525-2530. ( 0) |
| [7] |
叶健, 胡晓湘, 屈胜丽, 等. 体型评分性状的遗传分析及其在选种中的利用[J]. 中国畜牧杂志, 2017, 53(2): 36-39. ( 0) |
| [8] |
GAO H, NIELSEN B, SU G, et al. Use of Repeated Group measurements with drop out animals for variance component estimation and genetic evaluation:A simulation study[J]. G3:Genes, Genomes, Genetics, 2019, 9(9): 2935-2940. ( 0) |
| [9] |
BISCARINI F, BOVENHUIS H, van ARENDONK J A. Estimation of variance components and prediction of breeding values using pooled data[J]. J Anim Sci, 2008, 86(11): 2845-2852. ( 0) |
| [10] |
SU G, MADSEN P, NIELSEN B, et al. Estimation of variance components and prediction of breeding values based on group records from varying group sizes[J]. Genet Sel Evol, 2018, 50(42). DOI:10.1186/s12711-018-0413-y ( 0) |