畜牧兽医学报

作者：王万年, 陈思佳, 郜金荣, 温中豪, 袁梦娇, 张洪志, 庞志旭, 乔利英, 刘文忠

单位：山西农业大学动物科学学院, 太谷 030801

关键词：多层感知机,基因组选择,模拟,预测,限性性状

基金：“雁云白羊”种业创新良种联合攻关（2022xczx09）；山西农业大学生物育种工程项目（YTCG126）

旨在将多层感知机（multilayer perceptron，MLP）应用于绵羊限性性状基因组选择中，并在多种情况下与其他经典基因组选择方法进行比较分析。本研究利用Qmsim软件模拟2个绵羊群体Pop1和Pop2的表型数据和基因型数据。在MLP中使用人工神经网络（artificial neural network，ANN），线性模型中使用约束性最大似然法（residual maximum likelihood，REML）估计不同群体的遗传参数。利用Python语言自编MLP模型，利用DMU软件实现最佳线性无偏预测（best linear unbiased prediction，BLUP）、基因组最佳线性无偏预测（genomic BLUP）和一步法（single-step GBLUP，SSGBLUP）模型，评估不同情况下各方法遗传力（heritability，h2）和育种值估计方面的差异。各情况下，MLP和SSGBLUP均显著（P<0.05）优于GBLUP和BLUP。在3种情况下MLP的h2估值与SSGBLUP差异不显著：h2为0.05，标记数为10K且QTL数为100时的Pop2群体；h2为0.2，QTL数为500的两个标记数下Pop1群体和QTL数为100且标记数为50K时Pop2群体；h2为0.5且QTL数为100时，标记数10K下Pop1群体和标记数50K下Pop2群体；除上述情况之外，MLP的h2估计结果均显著（P<0.05）优于SSGBLUP、GBLUP和BLUP。在不同h2初值下，QTL数和标记数变化时，Pop1和Pop2群体中MLP的h2估值与当代群体h2的差值小于SSGBLUP、GBLUP和BLUP；SSGBLUP和GBLUP法在不同标记数下遗传参数估计结果差别较大，MLP差别较小。在各情况下，MLP基因组估计育种值（genomic estimated breeding value，GEBV）的准确性均为最高。h2初值为0.05时，MLP在标记数为10K时GEBV准确性略高于SSGBLUP在标记数为50K时的预测准确性。在h2、QTL数和标记数相同的情况下，Pop2群体中各方法的EBV预测准确性较Pop1群体均有提升。根据上述模拟结果表明，在绵羊限性性状基因组选择中，MLP优于其他经典基因组选择方法。

来源：2023年第7期

《畜牧兽医学报》期刊编辑部

查看畜牧兽医学报杂志2023年第7期