摘要
畜禽的遗传育种是畜牧业中的核心工作之一，是促进农业的生产发展的有力手段，有助于提升经济效应。基因组选择（genomicselection,GS）是目前一种重要的动物育种的遗传改良手段，其利用覆盖全基因组的高密度遗传标记信息对个体进行遗传评估，可以准确估计个体育种值，对个体实现早期遗传评估，缩短世代间隔，从而加快遗传进展。目前大多数关于GS的研究都是基于单核苷酸多态（Singlenucleotidepolymorphism,SNP）的单标记方法，有文献报道，构建单倍型可以提高基因组预测准确性。单倍型是基因组上定义的一块区域，由同一条染色体的相邻SNP标记组成，这些相邻的SNP标记大概率一起遗传。本研究利用SNP标记构建单倍型，然后使用单倍型替代SNP标记进行基因组预测，从而探究基于单倍型的基因组选择在猪育种中的应用。 本研究以长白猪群体和两个不同场的约克夏猪群体为研究对象，考虑从3个方面构建单倍型进行GS，进而探究不同标记密度下构建单倍型进行GS的应用效果；考虑连锁不平衡（linkagedisequilibrium,LD）信息构建单倍型进行GS的应用效果；多群体中构建单倍型进行GS的应用效果。得到以下结果： （1）低标记密度下，基于单倍型的基因组最佳线性无偏预测（genomichaplotype-basedbestlinearunbiasedprediction,GHBLUP）方法和基于单标记的基因组最佳线性无偏预测（genomicbestlinearunbiasedprediction,GBLUP）方法预测的准确性差异不大，而随着标记密度提高，两者的预测准确性都会提高，且GHBLUP提高的幅度大于GBLUP，即高标记密度下，构建单倍型进行基因组预测可能更具有优势。 （2）单倍型基于剂量效应的重编码对GS没有影响，并且对比简单地划分固定的单倍块，考虑LD信息进行单倍块划分可以提高基因组预测准确性。 （3）基于芯片数据的单倍型方法和基于填充后的全基因组序列（whole-genomesequencing,WGS）数据的单标记方法，都可以提高多群体基因组预测的准确性。将两者结合起来，即基于填充后的WGS数据构建单倍型的方法可以获得更好的多群体基因组预测效果。 综上，可以考虑构建单倍型作为基因组的预测变量，并应用到GS模型中，以期提高预测准确性。
NETL