家畜育种学第五章级.ppt

家畜育种学第五章级现在学习的是第1页，共73页v第一节第一节 单性状育种值估计单性状育种值估计v第二节第二节 多性状育种值估计多性状育种值估计v第三节第三节 BLUP育种值估计育种值估计现在学习的是第2页，共73页第一节第一节 单性状育种值估计单性状育种值估计v一、个体育种值一、个体育种值v二、利用一种信息估计个体育种值二、利用一种信息估计个体育种值v三、利用多种亲属信息估计个体育种值三、利用多种亲属信息估计个体育种值v四、相对育种值四、相对育种值现在学习的是第3页，共73页一、个体育种值一、个体育种值（一）基本概念（一）基本概念1、育种值、育种值 控制一个数量性状的所有基因座上基因的控制一个数量性状的所有基因座上基因的加性效应的总和。加性效应的总和。育种值的大小反映了它在育种上的贡献大小。育种值的大小反映了它在育种上的贡献大小。现在学习的是第4页，共73页2、估计育种值（、估计育种值（EBV）通过表型值和个体间的亲缘关系估计出来的育种通过表型值和个体间的亲缘关系估计出来的育种值。值。3、估计传递力（、估计传递力（ETA）任何一个亲本的育种值传递给下一代的能力。任何一个亲本的育种值传递给下一代的能力。2EBVETA 现在学习的是第5页，共73页（二）个体育种值估计的原理与公式（二）个体育种值估计的原理与公式 育种值是能够真实遗传的，只有根据育育种值是能够真实遗传的，只有根据育种值进行选择，选择效果才最好。但育种种值进行选择，选择效果才最好。但育种值不能直接度量，要根据表型值与育种值值不能直接度量，要根据表型值与育种值之间的回归关系来进行间接估计。之间的回归关系来进行间接估计。PPPbAAP)(现在学习的是第6页，共73页PAAPAPrbPAAPPACovr,决定决定rAP的三个参数：的三个参数：育种值与信息表型值的协方差；育种值与信息表型值的协方差；被估个体的育种值方差；被估个体的育种值方差；信息表型值方差。信息表型值方差。PACov,2A2P现在学习的是第7页，共73页 PAAAPrrrA：是提供信息的亲属个体与：是提供信息的亲属个体与被估个体的亲缘系数。被估个体的亲缘系数。亲属：祖代亲属：祖代 亲代亲代 同胞同胞 子女子女个体个体亲代亲代亲代亲代同胞同胞同胞同胞子女子女子女子女子女子女外祖母外祖母外祖父外祖父祖母祖母祖父祖父现在学习的是第8页，共73页PPPbAAP)(二、利用一种信息估计个体育种值二、利用一种信息估计个体育种值v所谓的信息是指被估个体的各种亲属资料。所谓的信息是指被估个体的各种亲属资料。即：即：个体本身的资料个体本身的资料 系谱资料系谱资料 同胞资料同胞资料 后裔资料后裔资料 公式：公式：亲代亲代同胞同胞现在学习的是第9页，共73页rnnhrbAAP112rA亲属间的遗传相关。亲属间的遗传相关。全同胞全同胞为为0.5；半同胞半同胞为为0.25；个体本身个体本身为为1。n：同胞、后裔同胞、后裔则表示数量；则表示数量；个体本身个体本身则为度量次数；则为度量次数；系谱系谱也表示度量次数。也表示度量次数。r亲属间的表型相关。亲属间的表型相关。同胞、后裔同胞、后裔则为则为rAh2;个体本身、系谱个体本身、系谱则为则为re。现在学习的是第10页，共73页（一）根据个体本身信息来估计育种值（一）根据个体本身信息来估计育种值 1、个体本身单次表型值、个体本身单次表型值 2、个体本身、个体本身k次表型值的均值次表型值的均值kexPrkkhA)1(12PhAx2hrAP2hbAP现在学习的是第11页，共73页v由此可知：由此可知：（1）利用个体本身信息估计育种值的准确度与性状）利用个体本身信息估计育种值的准确度与性状的度量次数和重复力有关，度量次数越多，给予的的度量次数和重复力有关，度量次数越多，给予的加权值越大；重复力越高，单次度量值的代表性越加权值越大；重复力越高，单次度量值的代表性越强。强。（2）利用个体本身信息估计育种值的准确度还取）利用个体本身信息估计育种值的准确度还取决于性状遗传力的大小，遗传力高的性状采用个决于性状遗传力的大小，遗传力高的性状采用个体本身信息估计的准确度较高。体本身信息估计的准确度较高。现在学习的是第12页，共73页（二）根据系谱信息来估计育种值（二）根据系谱信息来估计育种值 1、一个亲本单次表型值、一个亲本单次表型值 2、一个亲本、一个亲本k次表型值的均值次表型值的均值 3、双亲单次表型值的均值、双亲单次表型值的均值kPexPrkkhA115.02PxPhA2PxPhA25.0现在学习的是第13页，共73页v由此可知：由此可知：（1）亲缘关系越远，其信息利用价值越低，估计育）亲缘关系越远，其信息利用价值越低，估计育种值的准确性越低。种值的准确性越低。（2）利用亲本信息估计育种值的效率相对较低，但）利用亲本信息估计育种值的效率相对较低，但可以作早期选择，在个体出生后无成绩或甚至在可以作早期选择，在个体出生后无成绩或甚至在个体未出生前，就可根据配种方案确定的两亲本个体未出生前，就可根据配种方案确定的两亲本成绩来预测其后代的育种值。成绩来预测其后代的育种值。（3）在个体出生后有成绩纪录时，亲本信息作为个）在个体出生后有成绩纪录时，亲本信息作为个体选择的辅助信息可提高个体育种值估计的准确度体选择的辅助信息可提高个体育种值估计的准确度。现在学习的是第14页，共73页（三）根据同胞信息来估计育种值（三）根据同胞信息来估计育种值1、一个同胞单次表型值、一个同胞单次表型值2、一个同胞、一个同胞k次度量表型值的均值次度量表型值的均值FSFSPhA25.0FSeFSPrkkhA)1(15.02HSHSPhA225.0HSeHSPrkkhA)1(125.02现在学习的是第15页，共73页3、n个同胞单次度量均值个同胞单次度量均值FSFSFSPrnnhA)1(15.02HSHSHSPrnnhA)1(125.02现在学习的是第16页，共73页v由此可知：由此可知：（1）同胞测定的效率与同胞测定的数量有关，多个同胞）同胞测定的效率与同胞测定的数量有关，多个同胞情况下可较大幅度提高估计准确度。情况下可较大幅度提高估计准确度。（2）在一个同胞情况下，同胞信息估计的效率低于个体选择）在一个同胞情况下，同胞信息估计的效率低于个体选择；对低遗传力的性状选择，其效率可高于个体选择。；对低遗传力的性状选择，其效率可高于个体选择。（3）在测定数量相同时，半同胞选择效率低于全同胞。）在测定数量相同时，半同胞选择效率低于全同胞。v优点：优点：可作早期选择；可用于限性性状选择；可用可作早期选择；可用于限性性状选择；可用于活体难以测定的性状选择；可用于阈性状选择；同于活体难以测定的性状选择；可用于阈性状选择；同胞数量大时，可较大幅度提高估计的准确度。胞数量大时，可较大幅度提高估计的准确度。现在学习的是第17页，共73页（三）根据后裔信息估计育种值（三）根据后裔信息估计育种值v1、一个子女单次度量表型值、一个子女单次度量表型值v2、一个子女、一个子女k次度量均值次度量均值OxPrkhAe2)1(15.0OxPhA25.0现在学习的是第18页，共73页 3、n个子女单次度量均值个子女单次度量均值由此可知：由此可知：在测定数量相等时，由于分母变小，所以在测定数量相等时，由于分母变小，所以半同胞后裔测定的效率高于全同胞后裔测定。主要适半同胞后裔测定的效率高于全同胞后裔测定。主要适用于种公畜的测定。用于种公畜的测定。测定时注意事项：测定时注意事项：尽量消除与配母畜效应的影响；减少尽量消除与配母畜效应的影响；减少后裔间的系统环境效应影响，在比较不同种公畜时，其后裔间的系统环境效应影响，在比较不同种公畜时，其后代的饲养管理和环境条件就尽量一致；保证足够的后代的饲养管理和环境条件就尽量一致；保证足够的后裔测定数量。后裔测定数量。OFOFPhnnhA22)1(5.015.0OHOHPhnnhA22)1(25.015.0现在学习的是第19页，共73页三、利用多种亲属信息估计个体育种值三、利用多种亲属信息估计个体育种值1、利用多元回归方程估计育种值、利用多元回归方程估计育种值 估计个体育种值的信息类型有：估计个体育种值的信息类型有：个体单次度量表型值（个体单次度量表型值（Pi）多次度量表型均值（多次度量表型均值（）多个个体多次度量均值（多个个体多次度量均值（）PbPbAiiiPiP多个个体多个个体单次度量单次度量表型均值表型均值一个个一个个体多次体多次度量表度量表型均值型均值现在学习的是第20页，共73页2、利用多种亲属估计育种值的遗传度来估、利用多种亲属估计育种值的遗传度来估计复合育种值计复合育种值 多种亲属信息育种值的估计是在单项多种亲属信息育种值的估计是在单项资料估计育种值的基础上发展起来的一种资料估计育种值的基础上发展起来的一种方法。各种资料来源于亲属，由于这些亲方法。各种资料来源于亲属，由于这些亲属与被测个体间存在不同的遗传相关，它属与被测个体间存在不同的遗传相关，它们的遗传效应就不能简单相加，需根据不们的遗传效应就不能简单相加，需根据不同资料在不同情况下的育种重要性，给每同资料在不同情况下的育种重要性，给每个单项育种值一定的加权值后相加。个单项育种值一定的加权值后相加。现在学习的是第21页，共73页vAx=0.1A1+0.2A2+0.3A3+0.4A4v四个加权值加起来等于四个加权值加起来等于1，单项育种值给予什么样的加权，单项育种值给予什么样的加权值决定于性状遗传力的大小。值决定于性状遗传力的大小。v性状遗传力性状遗传力A1A2A3A4 h20.2 祖先祖先 个体同胞后裔个体同胞后裔0.2h20.6祖先同胞个体后裔祖先同胞个体后裔 h20.6 祖先同胞后裔个体祖先同胞后裔个体复合育种值的估计，充分利用了各方面的遗传复合育种值的估计，充分利用了各方面的遗传信息，提高了估计的可靠性。信息，提高了估计的可靠性。现在学习的是第22页，共73页%100PARBV四、相对育种值四、相对育种值v相对育种值概念相对育种值概念 个体育种值相对于所在群体均值的百分数。个体育种值相对于所在群体均值的百分数。v相对育种值公式相对育种值公式 现在学习的是第23页，共73页v一、选择指数概述一、选择指数概述v二、普通综合选择指数二、普通综合选择指数v三、约束与最宜选择指数三、约束与最宜选择指数现在学习的是第24页，共73页一、选择指数概述一、选择指数概述（一）选择指数的类别（一）选择指数的类别v1、经典选择指数、经典选择指数 把所需要选择的几个性状，根据它们的把所需要选择的几个性状，根据它们的遗传特点和经济价值，综合成一个使个体间遗传特点和经济价值，综合成一个使个体间可以相互比较的指数值，依据指数高低进行可以相互比较的指数值，依据指数高低进行选留和淘汰。选留和淘汰。现在学习的是第25页，共73页v2、约束选择指数、约束选择指数 在普通选择指数的基础上，通过对性状的在普通选择指数的基础上，通过对性状的改进施加某种约束条件，使一些性状得到改进改进施加某种约束条件，使一些性状得到改进的同时，保持另一些性状不发生改变。的同时，保持另一些性状不发生改变。v3、最宜选择指数、最宜选择指数 在普通选择指数的基础上，通过对性状的改进在普通选择指数的基础上，通过对性状的改进施加某种限制，使一些性状按适当的比例要求改施加某种限制，使一些性状按适当的比例要求改进。进。v4、通用选择指数、通用选择指数 是充分利用各种信息来制定选择指数对个体是充分利用各种信息来制定选择指数对个体多性状进行综合遗传评定的一种方法。多性状进行综合遗传评定的一种方法。现在学习的是第26页，共73页1、综合育种值综合育种值 依据多个性状在育种上和经济上不同的重要依据多个性状在育种上和经济上不同的重要性给予不同的加权值的复合数量性状的育种值。性给予不同的加权值的复合数量性状的育种值。awawHniii1现在学习的是第27页，共73页v2、选择指数、选择指数v由于每个性状的真实育种值无法得到的，需要通过由于每个性状的真实育种值无法得到的，需要通过各种信息来源的表型值加以估计，即为选择指数。各种信息来源的表型值加以估计，即为选择指数。选择指数是个体育种值的最佳线性预测，它采取育选择指数是个体育种值的最佳线性预测，它采取育种值对所有信息来源的复回归形式。种值对所有信息来源的复回归形式。v个体指数的线性表达式：个体指数的线性表达式：mmPbPbPbI2211现在学习的是第28页，共73页mnnnnmnmnnnnmmnnmmAwAwAwPbPbPbAwAwAwPbPbPbAwAwAwPbPbPb22112211222221122222211112211111122111P表示由下标数字表示的度量值的表型方差和协方差；表示由下标数字表示的度量值的表型方差和协方差；A表示由下标数字表示的目标性状和度量性状的育种值表示由下标数字表示的目标性状和度量性状的育种值方差和协方差。方差和协方差。该组联立方程式反映出选择指数和育种值的线性预测关该组联立方程式反映出选择指数和育种值的线性预测关系。系。现在学习的是第29页，共73页二、普通综合选择指数二、普通综合选择指数（一）经典选择指数（一）经典选择指数v信息性状信息性状个体本身或有关亲属的相关性状个体本身或有关亲属的相关性状 的表型值。的表型值。v目标性状目标性状综合育种值中所包含的性状。综合育种值中所包含的性状。现在学习的是第30页，共73页1、指数式的一般形式、指数式的一般形式v根据个体育种值的原理：根据个体育种值的原理：)(.)()(22222211211nnnnPPhWPPhWPPhWIniiiiiPPhWI12)(现在学习的是第31页，共73页niiixbxbI1AwPb 多性状选择的目的是要获得一个指数多性状选择的目的是要获得一个指数I，用它可以达，用它可以达到最准确地估计到最准确地估计H，即令综合育种值与指数间相关（，即令综合育种值与指数间相关（rHI）最大化，从而获得最大的综合育种值进展）最大化，从而获得最大的综合育种值进展H，利用求，利用求极大值方法可以得到如下多元正规方程：极大值方法可以得到如下多元正规方程：AwPb1现在学习的是第32页，共73页PjijpjipPiCovCovP2),(),(2是各选择性状表型值之间的方差协方差矩阵是各选择性状表型值之间的方差协方差矩阵现在学习的是第33页，共73页jAAAiAijCovjiCovA22),(),(是各选择性状育种值之间的方差协方差矩阵是各选择性状育种值之间的方差协方差矩阵现在学习的是第34页，共73页2、选择指数选择效果的预估、选择指数选择效果的预估v（1）综合育种值估计准确度（）综合育种值估计准确度（rHI）v（2）综合育种值选择进展（）综合育种值选择进展（H）AwwAwbIHCovrHIIHHI,AwbiiirHIHHI现在学习的是第35页，共73页v（3）各性状育种值选择进展（）各性状育种值选择进展（a）AwbAbiAbiaI现在学习的是第36页，共73页3、经典选择指数计算步骤、经典选择指数计算步骤v（1）整理各性状的表型、遗传参数及经济加权值）整理各性状的表型、遗传参数及经济加权值；v（2）计算性状的表型方差、协方差矩阵和育种）计算性状的表型方差、协方差矩阵和育种值方差、协方差矩阵；值方差、协方差矩阵；v（3）求解各偏回归系数；）求解各偏回归系数；v（4）计算）计算rHI、H、av（5）将各性状表型值或其它的离均差值代入公）将各性状表型值或其它的离均差值代入公式计算个体的指数值。式计算个体的指数值。现在学习的是第37页，共73页1、通用选择指数的构建、通用选择指数的构建（1）建立信息性状的线性函数）建立信息性状的线性函数I。XbXbIniii1用用 I 可以最准确地估计可以最准确地估计 H（综合育种值）（综合育种值）要求：信息性状和目标性状应具有较高的遗传相关。要求：信息性状和目标性状应具有较高的遗传相关。现在学习的是第38页，共73页 （2）利用求极大值的方法建立多元正规方程：）利用求极大值的方法建立多元正规方程：v或或DAwPb DAwPb1现在学习的是第39页，共73页PjijpjipPiCovCovP2),(),(2是信息性状表型值之间的方差协方差矩阵是信息性状表型值之间的方差协方差矩阵现在学习的是第40页，共73页jAAAiAijCovjiCovA22),(),(是各信息性状与目标性状育种值之间的方差是各信息性状与目标性状育种值之间的方差协方差矩阵协方差矩阵现在学习的是第41页，共73页00000000000000000000),(),(IjAIiArrD是对应于提供每一信息性状的个体或有关亲属与被是对应于提供每一信息性状的个体或有关亲属与被估计个体间的亲缘相关对角矩阵估计个体间的亲缘相关对角矩阵现在学习的是第42页，共73页2、通用选择指数选择效果的预估、通用选择指数选择效果的预估v（1）综合育种值估计准确度（）综合育种值估计准确度（rHI)v（2）综合育种值选择进展（）综合育种值选择进展（H）GwwDAwbIHCovrHIIHHI,DAwbiiirHIHHI现在学习的是第43页，共73页v（3）各性状育种值选择进展（）各性状育种值选择进展（a）DAwbDAbiAbiaI现在学习的是第44页，共73页（1）用于计算指数值的所有观测值不存在）用于计算指数值的所有观测值不存在 系统环境效应，或就予以校正；系统环境效应，或就予以校正；（2）被选个体间不存在固定遗传差异；）被选个体间不存在固定遗传差异；（3）计算过程中所涉及到的各种群体参数）计算过程中所涉及到的各种群体参数 都是已知的。都是已知的。现在学习的是第45页，共73页（1）各种参数理论误差的存在；）各种参数理论误差的存在；（2）加权值确定的依据不充分；）加权值确定的依据不充分；（3）候选群体小；）候选群体小；（4）单信息的选择指数只利用本身的信息，降）单信息的选择指数只利用本身的信息，降低了选择指数的准确性；低了选择指数的准确性；（5）各个个体的信息来源不同。）各个个体的信息来源不同。现在学习的是第46页，共73页（1）突出主要性状，选择）突出主要性状，选择24个性状为宜；个性状为宜；（2）应该是容易度量的性状；）应该是容易度量的性状；（3）尽可能是家畜的早期性状；）尽可能是家畜的早期性状；（4）对于遗传力低的重要的经济性状应给予较大）对于遗传力低的重要的经济性状应给予较大的加权值；的加权值；（5）对于向上选择的性状，给予正值，对于向下）对于向上选择的性状，给予正值，对于向下选择的性状给予负值，但选择的性状给予负值，但Wi1。（6）对于一些负相关的性状，尽可能把它们合）对于一些负相关的性状，尽可能把它们合并为一个性状来处理。并为一个性状来处理。现在学习的是第47页，共73页三、约束与最宜选择指数三、约束与最宜选择指数（一）概念（一）概念v约束选择指数在多性状遗传改良中，希望约束选择指数在多性状遗传改良中，希望在一些性状改进的同时，保持另一些性状不在一些性状改进的同时，保持另一些性状不变。变。v最宜选择指数控制某些性状以适当的比例最宜选择指数控制某些性状以适当的比例按要求改进。按要求改进。现在学习的是第48页，共73页（二）约束选择原理（二）约束选择原理v约束指数是在综合选择指数的基础上，对某些性约束指数是在综合选择指数的基础上，对某些性状的遗传进展施加一定的约束，需要引入一个约状的遗传进展施加一定的约束，需要引入一个约束矩阵束矩阵R：nSnnSSrrrrrrrrrR212222111211现在学习的是第49页，共73页kDAwADRDARPb10kDARDPARDARPDAwPDARDARDPARDARPIb1111111最宜选择公式：最宜选择公式：DAwPDARDARDPARDARPIb1111约束选择公式：约束选择公式：现在学习的是第50页，共73页v两类特定条件下的简化形式：两类特定条件下的简化形式：（1）只有个体本身成绩记录，且不含选种辅助性状）只有个体本身成绩记录，且不含选种辅助性状这时：这时：D=I，A=A最宜选择指数（最宜选择指数（bo）：）：约束选择指数（约束选择指数（bR）kARPARARPAwPARARPARARPIbO1111111AwPARARPARARPIbR1111现在学习的是第51页，共73页（2）有多种信息来源）有多种信息来源v合并选择指数（合并选择指数（bC）：因只有各种亲属的一个性）：因只有各种亲属的一个性状信息，所以无约束性状，状信息，所以无约束性状，w=I、R=0v个体育种值估计（个体育种值估计（bH）：这时无约束性状，）：这时无约束性状，R=0 ADPbC1ADwPbH1现在学习的是第52页，共73页（三）约束选择指数选择效果的预估（三）约束选择指数选择效果的预估v（1）综合育种值估计准确度（）综合育种值估计准确度（rHI)v（2）综合育种值选择进展（）综合育种值选择进展（H）GwwPbbDAwbIHCovrIHHI,PbbDAwbiIVIHCoviirHHHI,现在学习的是第53页，共73页v（3）各性状育种值选择进展（）各性状育种值选择进展（a）PbbDAbia现在学习的是第54页，共73页第三节第三节 BLUP育种值估计育种值估计vB Best 最佳最佳：指估计值与真实值的方：指估计值与真实值的方差最小、精确度最好。差最小、精确度最好。vL Linear 线性线性：指估计育种值与观察值为：指估计育种值与观察值为线性函数关系。线性函数关系。vU Unbiased 无偏无偏：指估计值的数学期：指估计值的数学期望值等于真实值的期望值。望值等于真实值的期望值。vP Prediction 预测预测：指对未来事件可能出：指对未来事件可能出现的结果。现的结果。现在学习的是第55页，共73页一、有关预备知识一、有关预备知识（一）分快矩阵、逆矩阵和广义逆矩阵（一）分快矩阵、逆矩阵和广义逆矩阵v1、分快矩阵、分快矩阵2221121144434241343332312423222114131211AAAAaaaaaaaaaaaaaaaaA现在学习的是第56页，共73页v2、逆矩阵、逆矩阵 逆矩阵存在的先决条件是：逆矩阵存在的先决条件是：A必须是方阵；必须是方阵；A的行列式的行列式|A|A|0 0 AA-1=A-1A=Iv3、广义逆矩阵、广义逆矩阵 AA-A=A现在学习的是第57页，共73页（二）随机向量、期望向量和方差（二）随机向量、期望向量和方差协方差矩阵和正态分布协方差矩阵和正态分布v设设 x1，x2，xn是是 n 个随机变量，令：个随机变量，令：v 的数学期望值；的数学期望值；的方差的方差；的协方差的协方差iiixx)(xixxVarIiiie22)()(jijijijijixxxExExxxxCov和)().(),(现在学习的是第58页，共73页v X是随机向量v为x的期望向量nxxxx21nix21)(现在学习的是第59页，共73页 V是是X的方差的方差-协方差矩阵协方差矩阵 对于一个随机向量对于一个随机向量x，其多变量正态分布密，其多变量正态分布密度函数为：度函数为：2212221211221nnnnnVVar xVxVxfn15.0exp25.05.0现在学习的是第60页，共73页（三）个体间的加性遗传相关（三）个体间的加性遗传相关v概念：概念：两个个体获得相同基因的概率。两个个体获得相同基因的概率。v公式：公式：两个个体间的加性遗传相关两个个体间的加性遗传相关 一个个体的加性遗传相关一个个体的加性遗传相关)1()21(21Annxyfaxxxfa 1现在学习的是第61页，共73页v加性遗传相关矩阵加性遗传相关矩阵v可用下列两个公式来计算可用下列两个公式来计算A中的每一个元素中的每一个元素 aii =1+0.5 asidi aij=0.5(aisj+aidj)nnnnnnaaaaaaaaaA2122212112112AAVar现在学习的是第62页，共73页（四）线性模型（四）线性模型1、模型、模型v概念：描述某种现象的特征或本质的数概念：描述某种现象的特征或本质的数 学关系式。学关系式。v意义：恰当地反映数据资料的性质和所意义：恰当地反映数据资料的性质和所 要解决的问题。要解决的问题。现在学习的是第63页，共73页v类型：类型：（1）真实模型）真实模型 非常准确地模拟观察值的变异性。非常准确地模拟观察值的变异性。（2）理想模型）理想模型 尽可能接近真实模型的模型。尽可能接近真实模型的模型。（3）操作模型）操作模型 用于实际统计分析的模型，是理想模型的简化用于实际统计分析的模型，是理想模型的简化形式。形式。现在学习的是第64页，共73页v2、线性模型、线性模型v概念：指在模型中所包含的各个因子是以相加的概念：指在模型中所包含的各个因子是以相加的 形式影响观察值，即它们与观察值的关系为线性关形式影响观察值，即它们与观察值的关系为线性关系，但对于连续性的协变量也允许出现平方或立方系，但对于连续性的协变量也允许出现平方或立方项。项。v组成：数学方程式；组成：数学方程式；方程式中随机变量的期望和方差及协方差；方程式中随机变量的期望和方差及协方差；假设及约束条件。假设及约束条件。现在学习的是第65页，共73页v3、线性模型的分类：、线性模型的分类：（1）从功能上分类：回归模型、方差分析模型等。）从功能上分类：回归模型、方差分析模型等。（2）按模型中的因子数分类：单因子、双因子等。）按模型中的因子数分类：单因子、双因子等。（3）按模型中的因子性质分类：）按模型中的因子性质分类：固定效应模型固定效应模型模型中除了随机误差外，其余模型中除了随机误差外，其余 的效应均为固定效应。的效应均为固定效应。随机效应模型随机效应模型模型中除了总平均外，其余的模型中除了总平均外，其余的 效应均为随机效应。效应均为随机效应。混合模型混合模型模型中除了总平均和随机误差外，模型中除了总平均和随机误差外，既含有固定效应，也含有随机效应。既含有固定效应，也含有随机效应。现在学习的是第66页，共73页 二、二、BLUP的基本原理的基本原理vBLUP法的基础是线性混合模型法的基础是线性混合模型，通过对混，通过对混合模型方程组求解，而得到个体的育种值。合模型方程组求解，而得到个体的育种值。在应用这个方法时，主要根据具体情况在应用这个方法时，主要根据具体情况，配合一个观察值与各种效应间的数学表达，配合一个观察值与各种效应间的数学表达式（模型），在这个表达式中即包括了固定式（模型），在这个表达式中即包括了固定效应，又包括了随机效应，所以称之为混合效应，又包括了随机效应，所以称之为混合模型。模型。现在学习的是第67页，共73页v设有如下混合模型：设有如下混合模型：v对对b和和u进行预测：进行预测：eZuXbyyRZyRXubGZRZXRZZRXXRX1111111y：所有观测值构成的向量；：所有观测值构成的向量；b：所有固定效应构成的向量；：所有固定效应构成的向量；u：所有随机：所有随机效应构成的向量；效应构成的向量；e：随机残差向量。：随机残差向量。现在学习的是第68页，共73页三、三、BLUP育种值估计模型育种值估计模型 动物模型概念：动物模型概念：v动物模型动物模型 指动物个体本身的加性遗传效应作为指动物个体本身的加性遗传效应作为随机效应放在模型中。随机效应放在模型中。v动物模型动物模型BLUP动物模型的动物模型的BLUP育种值估计的育种值估计的方法。方法。现在学习的是第69页，共73页eZaXbyyZyXabkAZZXZZXXX1221hhk1、无重复观察值时动物模型、无重复观察值时动物模型BLUP公式公式：其中：其中：rjjeaby1现在学习的是第70页，共73页v由于个体的基因一半来自父亲，另一半来自母由于个体的基因一半来自父亲，另一半来自母亲，所以任一个体的育种值可表示为：亲，所以任一个体的育种值可表示为：v动物模型可重写为：动物模型可重写为：解此方程即可得到固定效应和个体育种值的估解此方程即可得到固定效应和个体育种值的估计值。计值。iDSimaaa5.05.0emaZaZXbyDDSS5.05.0现在学习的是第71页，共73页v2、有重复观察值时的动物模型、有重复观察值时的动物模型BLUPv公式：公式：rjjepaby1epZaZXby21现在学习的是第72页，共73页v其中其中v解其方程组，即可得到固定效应和个体的育种解其方程组，即可得到固定效应和个体的育种值的估计值。值的估计值。yZyZyXpabIkZZZZXZZZkAZZXZZXZXXX2122212221111112121)1(hrk)()1(22hrrk现在学习的是第73页，共73页