2023年10月13日
GBLUP方法的缺点
摘要： GBLUP（Genomic Best Linear Unbiased Prediction）是一种在基因组选择中广泛使用的方法，但它也有一些潜在的缺点和限制，包括： 计算复杂性：GBLUP的计算复杂性相对较高，特别是在大规模基因组数据集上。需要处理大量的SNP标记数据，这可能需要大量的计算资源和时间 阅读全文
posted @ 2023-10-13 15:34 王哲MGG_AI 阅读(474) 评论(0) 推荐(0)
GBLUP最佳线性无偏预测
摘要： 想象一下，你正在尝试预测一种植物的产量，你手头有这些植物的DNA信息（称为基因组数据或标记）以及它们的实际产量。你的目标是，当获得一个新的植物的DNA信息时，你想用它来预测这个植物的产量，即使你并不知道它的实际产量。 GBLUP是帮助你完成这项任务的工具之一。 线性预测: GBLUP的核心是一个线性 阅读全文
posted @ 2023-10-13 15:28 王哲MGG_AI 阅读(1840) 评论(0) 推荐(0)
基因组选择（GS）缩短育种周期
摘要： GS与传统表型选择（PS）的比较: Vivek等人进行的研究比较了玉米在干旱条件下的GS和PS。结果发现，使用PS时，每周期的收益是0.27 (t/ha)，而使用GS时增加到了0.50 (t/ha)。将这些值除以周期长度，干旱条件下的年遗传增益分别为0.067（PS）和0.124（GS）。 在最佳条 阅读全文
posted @ 2023-10-13 11:00 王哲MGG_AI 阅读(205) 评论(0) 推荐(0)
最直观的GS与MAS公式解释
摘要： MAS (标记辅助选择，Marker-Assisted Selection): MAS 主要基于特定的遗传标记来选择有利的基因型。一个简化的公式描述为： 其中， Y 是性状的观测值。 μ 是整体平均值。 M 是标记值（通常为0, 1或2，表示特定标记的等位基因数量）。 β 是标记效应。 e 是误差项 阅读全文
posted @ 2023-10-13 10:39 王哲MGG_AI 阅读(442) 评论(0) 推荐(0)
标准加性遗传效应模型
摘要： 首先，从“遗传效应”开始说起。 想象一下，你有一堆乐高积木，每块都有它特定的颜色和形状。如果你要建一个小房子，每块乐高的选择都会影响房子的最终外观。 同样地，每个生物体都由许多基因组成，每个基因都对这个生物的某些特性有所影响。这种影响我们称之为“遗传效应”。 现在，进入“加性遗传效应”： 加性遗传效 阅读全文
posted @ 2023-10-13 09:25 王哲MGG_AI 阅读(446) 评论(0) 推荐(0)