一、阈性状的选择理论和育种值估计方法(综述)（论文文献综述）
张海亮,常瑶,娄文琦,王凯,陈紫薇,米思远,温万,王雅春[1]（2021）在《奶牛育种中关注的新性状》文中进行了进一步梳理各国奶牛群体的选育目标建立之后,选育目标一直在不断发展,选择指数中性状的组成、定义和权重等都在不断变化。奶牛的选育是从关注产奶性能而开始,随后增加了体型外貌性状。由于奶牛的健康和繁殖问题的增加以及社会对动物福利的不断关注,20世纪末,世界范围内平衡育种理念在奶牛育种中逐渐形成,一些重要的功能性状加入各国的选择指数中;进入21世纪后,随着奶牛养殖业和社会的发展,育种家们开始关注和研究更多的性状,部分新性状已经开始在育种实践中选育应用。本文通过整理奶牛育种中有关新性状的研究并收集各国奶牛选育方案中的相关信息,综述了近十年奶业发达国家在奶牛遗传选育中正在研究或已经开始应用的新性状,并将这些新性状分为生产效率相关的新性状、应对环境挑战的新性状、健康福利相关的新性状、产品和加工相关的新性状及管理相关的新性状五大类,总结了这些性状的选育背景、定义方法、遗传基础和选育应用情况等,最后还总结了奶牛育种中新性状的研究应用过程,以期为我国奶牛遗传育种研究和育种目标完善提供一定的借鉴。
朱波,李宏伟,周姵诺,李倩,高翰,王泽昭,汪聪勇,蔡文涛,徐凌洋,陈燕,张路培,高雪,高会江,李俊雅[2]（2021）在《国内外肉牛遗传评估体系概况》文中进行了进一步梳理种公牛的选育是肉牛育种工作的核心。传统选育肉用种公牛需要经过后裔测定进行选择,其优点是准确性高,但存在周期长、屠宰和肉质性状难以收集、成本高等问题,致其选择效率低。自2001年全基因组选择概念提出后,该技术迅速成为动植物育种领域研究的热点。利用全基因组选择进行肉用种公牛的选育,进行早期选择从而大幅度缩短世代间隔,可以提高繁殖性状等低遗传力性状的选择准确性,加快遗传进展,并大大降低育种成本。2014年,美国安格斯协会开始应用全基因组选择技术,其他欧美发达国家也陆续使用,肉牛育种进入基因组时代。中国自2017年开始使用全基因组选择技术选择青年肉用种公牛,并于2020年在全国范围内使用该技术进行基因组遗传评估。本文综述了国内外肉牛遗传评估现状,以期为我国肉牛育种工作提供参考和借鉴。
刘丽元[3]（2021）在《GWAS、CNV及ROH挖掘宁夏地区荷斯坦奶牛重要性状候选基因的研究》文中进行了进一步梳理本研究以宁夏地区荷斯坦奶牛为研究对象,基于系谱信息、生产性能测定（DHI）记录和GGP Bovine 150k SNP基因型数据,利用随机回归测定日模型、全基因组关联分析（GWAS）、基因组拷贝数变异（CNV）和杂合性缺失（ROH）等分析策略定位和挖掘影响荷斯坦奶牛重要生产性状的分子标记、基因组结构变异区域和相关候选基因,探索试验群体在选育和进化过程中留下的基因组选择信号,结果表明:（1）运用随机回归测定日模型对宁夏荷斯坦奶牛第一个泌乳期5个产奶性状和体细胞评分（SCS）进行遗传分析,结果表明该群体各性状的加性方差和永久环境方差均在泌乳初期和后期趋于较大,产量性状（产奶量、乳脂量和乳蛋白量）的遗传力在0.19～0.24之间、乳成分（乳脂率和乳蛋白率）的遗传力在0.39～0.42之间、体细胞评分（SCS）的遗传力为0.11。（2）利用GWAS分析策略鉴定到13个基因组区域（1Mb）、10个SNPs标记和一些已知和未知的候选基因（DGAT1、ABCG2、PTK2、TRAPPC9、SCARB1和SLCO1A2）对宁夏地区荷斯坦奶牛产奶性状和SCS有重要影响。此外,还筛选到一些具有多效性的基因（TIGAR、SPP1、LCORL、NCAPG和LAP3）不仅与牛产奶性状有关,还与乳房炎抗性、生长和屠宰等性状有关。（3）利用 PennCNV（ARS-UCD1.2）、PennCNV（UMD3.1）和 CNVPartition（UMD3.1）在试验群体常染色体基因组中检测到1,790、1,667和619个CNV区域（CNVRs）,其CNVR总长度分别占常染色体总长度的14.2%、13.7%和11.0%。其中,在ARS-UCD1.2基因组中检测到41个高频率CNVRs（群体频率大于5%）。在UMD3.1参考基因组的结果中,不同方法检测到的拷贝数变异区域在群体水平上表现较高的相似度,其重叠区域总长度约为168.71Mb,分别占比PennCNV 结果的 48.9%,占 CNVPartition 结果的 58.43%。（4）关联分析共筛选到23个CNVRs对该群体产奶性状和SCS有较大效应,其中,有6个CNVRs 与已知的产奶性状 QTLs 相重叠,有 5 个 CNVRs（CNVR213、CNVR470、CNVR1061、CNVR1298和CNVR1789）内包含有与奶牛产奶性状密切相关的重要候选基因。此外,本研究发现有55个样本在着名的DGAT1基因上存在拷贝数变异,由于该基因是已知与奶牛乳用性状显着相关的关键基因,探索该基因拷贝数变异对表型的影响也意义重大,目前已将这些个体例为后续验证群体名录。（5）在试验群体中共发现23个高频率ROH区域,其中有5个区域内含有大量已知的对奶牛表型有重要影响的候选基因。位于14号染色体的Win761窗口发现ROH的样本量超过总体的50%,该区域内含有大量与牛生长发育、体尺及采食量等性状显着相关的候选基因,其中包括着名的具有多效性的PLAG1和CHCHD7基因。此外,位于20号染色体ROH区域内的基因多与牛产奶性状相关,位于7、10和29号染色体上的选择区域内的候选基因多与牛繁殖性状相关。荷斯坦牛在品种培育过程中对奶牛体型、泌乳能力及公牛繁殖力等性状进行过强度选择,这些高频率的杂合性缺失区域既是该品种在选育过程中留下的选择信号。综上所述,本研究利用GWAS、CNV和ROH等基因组分析方法充分挖掘影响宁夏地区荷斯坦奶牛重要性状的遗传变异和候选基因,研究结果可以为中国荷斯坦牛育种提供较为重要的基础数据,为解析荷斯坦奶牛重要性状的分子遗传机制提供线索,为后续进一步基因功能研究提供重要依据和设计思路,为未来奶牛更精准的基因组选择方案奠定基础。
朱韶华[4]（2021）在《高山美利奴羊羊毛品质与红细胞性状基因组选择和全基因组关联分析研究》文中认为高山美利奴羊是在高山寒旱生态区育成的羊毛纤维直径主体为19.1～21.5μm的一流毛肉兼用美利奴羊新品种,常年生活在高海拔寒旱地区,具有生产性能高、羊毛综合品质优和高原低氧适应性强等特点。与之突出特点相关的羊毛品质和抗高原缺氧等重要性状的基因组选择和全基因组关联分析研究仍处于起步阶段,如何提高育种值估计准确性来缩短世代间隔、加速遗传进展及挖掘与重要性状关联的候选基因已成为高山美利奴羊选育提高和品种完整结构建设中亟需解决的问题。本研究通过基因组选择和全基因组关联分析方法,以高山美利奴羊为研究对象,结合不同密度SNP微阵列数据,以GBLUP（Genomic Best Linear Unbiased Prediction）和Bayes-Alphabet模型为基础,研究不同因素对基因组育种值（Genomic Breeding value,GEBV）估计准确性的影响;采用全基因组关联分析对羊毛品质和高原低氧适应性相关的QTL进行精细定位以搜寻关键的区域信息和候选基因。研究结果如下:1.加性和显性遗传效应对基因组预测准确性的影响结合Affymetrix HD 630K微阵列分型数据,基于GBLUP模型,采用仅包含加性遗传效应的MAG模型（Model with Additive Effect GBLUP）和包含加性与显性遗传效应的MADG模型（Model with Additive and Dominance Effect GBLUP）对498只高山美利奴羊的共9种羊毛品质性状和高原低氧适应性相关的红细胞性状进行基因组预测,遗传方差组分估算结果显示,束纤维断裂伸长率、红细胞计数和红细胞压积三种性状的显性方差占总表型方差比例分别为73%、28%和25%,对其显性方差比例较高的性状,MAG模型获得的GEBV估计准确性更高;多重交叉验证的结果显示,两种模型的预测准确性,除毛丛长度（R2=0.25）和平均血红蛋白浓度（R2=0.12）之外,MAG模型均高于MADG。以上结果表明,MAG模型更适用于高山美利奴羊羊毛品质和红细胞性状的基因组预测。2.标记密度、统计模型和遗传力对基因组预测准确性的影响采用50K和630K两种不同密度的微阵列数据,基于GBLUP和Bayes-Alphabet模型对821只高山美利奴羊遗传力水平不同的6种羊毛品质性状进行基因组预测分析。遗传力估计结果显示,束纤维断裂伸长率和束纤维断裂强度的遗传力分别为0.29和0.35,为中等遗传力水平性状;毛丛长度、毛纤维直径、毛纤维直径变异系数和净毛率的遗传力分别为0.68、0.44、0.55和0.46,为高遗传力性状。标记密度由50K增加至630K后,束纤维断裂伸长率和束纤维断裂强度的预测准确性分别提高了11%（Bayes A）和13%（Bayesion LASSO）,净毛率和毛纤维直径变异系数仅提高了1%（Bayes B）,毛丛长度下降了6%（Bayesion LASSO）,表明增加标记密度可有效提高束纤维断裂伸长率等中等遗传力水平性状的GEBV估计准确性,但对毛丛长度等高遗传力水平性状影响微弱,甚至出现准确性下降的情况;GBLUP模型在中等遗传力水平性状的预测准确性均高于Bayes-Alphabet模型,Bayes B和Bayesion LASSO模型在高遗传力水平性状的准确性更高,表明GBLUP模型更适用于中等遗传力水平性状的基因组预测,Bayes B和Bayesion LASSO模型更适合高遗传力水平性状的基因组预测。3.羊毛品质和红细胞性状全基因组关联分析研究以498只高山美利奴羊组成的目标群体,利用单标记和单倍型,基于广义线性模型（Generalized Linear Models,GLM）对红细胞性状执行全基因组关联分析,通过基因定位和功能注释,筛选出DHCR24、EFNB2、SH2B3、PLCB1、SPATA9和FLI1六个基因作为影响群体高原低氧适应性的潜在候选基因,特别是PLCB1和FLI1,分别与红细胞生成、正常造血和携氧功能有密切关联;建立977只高山美利奴羊组成的目标群体,利用单标记,基于Farm CPU（Fixed and random model Circulating Probability Unification）模型对羊毛品质性状执行全基因组关联分析,筛选出PBX1、TRPC3、SLITRK5和PVRL1四个基因作为羊毛品质性状相关的潜在候选基因,特别是PBX1和SLITRK5,分别与毛囊间充质干细胞的衰老延迟与表皮的分化、表皮稳态有密切关联,上述结果可作为高山美利奴羊基因组预测研究中具有显着效应的潜在区域。本研究通过纳入加性与显性遗传效应对GBLUP模型进行了优化,发现束纤维断裂伸长率等显性方差占总表型方差比例较大的性状（大于25%）,MAG模型在GEBVs估计中具有更高的准确性,更适用于高山美利奴羊羊毛品质和红细胞性状的基因组预测。增加标记密度可有效提高束纤维断裂伸长率等中等遗传力水平性状的GEBVs估计准确性,但对毛丛长度等高遗传力水平性状影响甚微;通过两类模型的预测准确性比较,GBLUP模型更适合中等遗传力水平性状的基因组预测,Bayes B和Bayes LASSO模型更适合高遗传力水平性状的基因组预测。基于不同GWAS模型和标记类型,筛选出羊毛品质性状关联的4个候选基因（PBX1、TRPC3、SLITRK5和PVRL1）和高原低氧适应性关联的6个候选基因（DHCR24、EFNB2、SH2B3、PLCB1、SPATA9和FLI1）,特别是PLCB1和FLI1,分别与红细胞生成、正常造血和携氧功能有密切关联;PBX1和SLITRK5,分别与毛囊间充质干细胞的衰老延迟与表皮的分化、表皮稳态有密切关联。为高山美利奴羊的基因组选择提供适宜的GEBVs估计模型和具有重要效应的标记信息,并为高原家畜的功能基因挖掘提供有价值的参考。
王崇懿[5]（2021）在《凡纳滨对虾生长和耐高盐性状遗传参数估计及基因型与环境互作效应分析》文中研究表明
杜庆章,战鹏宇,李鹏,李先义,廖晨翰,郭诗曼,张德强[6]（2020）在《基因组选择研究进展及其在林木中的发展趋势》文中进行了进一步梳理随着新一代基因组测序技术的快速发展,基因组选择技术在促进优良基因型精准高效选育方面展现了前所未有的应用前景。近年来,基因组选择在动植物数量性状遗传育种领域的研究进展引起了广泛关注,关于其在林木改良驯化中的应用也逐渐被报道。本文通过综述基因组选择的基本概况、主要模型方法及其在动植物中的研究进展,进一步探讨了基因组选择在林木育种研究中的现状和发展趋势,强调了对预测模型优化与机器学习等新兴技术的引入与方法创新,提出了联合利用全基因组关联分析与基因组编辑技术的优化育种方案,为加快林木优良品种的精准选育提供了新思路。
孔杰,栾生,谭建,隋娟,罗坤,李旭鹏,代平,孟宪红,卢霞,陈宝龙,曹家旺,曹宝祥[7]（2020）在《对虾选择育种研究进展》文中指出对虾生长速度快、肉质鲜美、出肉率高,2017年世界养殖产量超过520万t,在水产养殖业中占有重要的地位。对虾产业链条完备,对优质种苗的需求迫切,是水产种业的一个典型代表种。对虾繁殖力强、性成熟周期短,室内全人工养殖、繁育技术成熟,易于开展遗传改良工作,但选种和配种技术对选育进展和可持续性影响大。以规模化家系为基础的多性状综合选育技术,是支撑当前对虾种业发展的关键技术。本文综述了对虾生长、抗性、饲料转化效率、繁殖力等经济性状的测试与遗传评估方法,并对其遗传参数、基因型与环境互作效应和选择反应等进行了系统分析,包括近些年发展起来的基因组选择,间接遗传效应分析等方法的最新结果,以期为精准、高效和可持续对虾选育提供参考。
冯小芳[8]（2020）在《宁夏地区安格斯牛生长性状遗传参数估计及育种目标确定》文中研究指明本研究利用宁夏地区2016～2019年安格斯牛体重和体尺测量数据,借助DMU软件的DMUAI模块,采用约束最大似然法（Average Inforlihood,AI-REML）结合期望最大化（Expectation Maximization,EM）算法并配合多性状动物模型估计了安格斯牛5个生长阶段体重和体尺性状的遗传参数,并结合安格斯牛现有的育种和生产条件,采用差额法计算目标性状的边际效益和经济重要性,确定安格斯牛的育种目标,研究结果如下:1.初生阶段体重、体高、体斜长、胸围、腹围、管围和十字部高的遗传力估计值分别为0.4929、0.7097、0.6586、0.5610、0.5174、0.6212、0.7121,各性状间表型相关系数范围为-0.0290～0.8263,遗传相关系数范围为-0.2920～0.8934;6月龄体重、体高、体斜长、胸围、腹围、管围和十字部高的遗传力估计值分别为0.3847、0.4498、0.4013、0.7972、0.5887、0.6682、0.4573,6月龄各性状间表型相关系数范围0.2172～0.6693,遗传相关系数范围为0.1241～0.8148;12月龄体重、体高、体斜长、胸围、腹围、管围和十字部高的遗传力估计值分别为 0.5031、0.4539、0.5962、0.5990、0.5464、0.7410、0.5312,各性状间表型相关系数范围0.3302-0.7324,遗传相关系数范围0.0747～0.7303;18月龄体重、体高、体斜长、胸围、腹围、管围和十字部高的遗传力估计值分别为0.5185、0.5565、0.7144、0.6580、0.8251、0.6490、0.5011,各性状间表型相关系数范围0.3996～0.8482,遗传相关系数范围0.2093～0.7539;24月龄体重、体高、体斜长、胸围、腹围、管围和十字部高的遗传力估计值分别为0.6925、0.5303、0.7155、0.7141、0.7988、0.6316、0.4432,各性状间表型相关系数范围 0.1587～0.7901,遗传相关系数范围0.3097～0.9697。2.确定了 3类育种目标性状（生长发育性状、繁殖性状和胴体性状）共包括8个育种单性状,分别为初生重、断奶重、12月龄体重、18月龄体重、生长能力、初产年龄、产犊间隔和胴体品质,各性状边际效益依次为28.40元、24.61元、17.96元、15.35元、1.72元、3.63元、6.01元和960.00元,其相对经济重要性分别为3.76%、10.31%、28.40%、22.41%、0.16%、0.24%、8.45%、26.27%,生长发育性状、繁殖性状和胴体性状的相对经济重要性分别为 65.04%、8.69%、26.27%,近似于 7:1:3。研究结果将为宁夏地区安格斯牛核心群选育和制定合理的安格斯牛选种选育方案提供重要的理论基础。
卢鑫[9]（2020）在《新疆褐牛繁殖性状遗传参数估计及全基因组关联分析》文中认为本研究利用新疆塔城地区和乌鲁木齐两个牛场的2275头新疆褐牛的配种、产犊等繁殖记录,对青年牛和成母牛共统计了11个繁殖性状,采用多种模型对新疆褐牛不同胎次的繁殖性状的方差组分进行了遗传分析。本研究分析了青年牛和成母牛两大类共计11个繁殖性状,其中包括青年牛初配日龄（H-AFS）、初次产犊日龄（H-AFC）;青年牛及成母牛妊娠期长度（H-GL、C-GL）、首次配种到成功妊娠间隔天数（H-FSTC、C-FSTC）、重复输精次数（H-NS、C-NS）;成母牛产犊到首次配种间隔天数（C-CTFS）、空怀期天数（C-D0）及产犊间隔（C-CI）。获得的主要结果如下:（1）利用多种模型对新疆褐牛不同胎次的繁殖性状的（协）方差组分进行了估计,对于相同性状,经产牛与青年牛之间差异显着,而不同胎次的经产牛之间差异不显着。（2）遗传分析采用BLUPF90软件的RENUMF90和（AI）REMLF90程序,11个青年牛及成母牛繁殖性状的遗传力估计值范围从0.00018（成母牛产后首次配种到成功妊娠间隔天数,C-FSTC）到0.39（青年牛配种次数,H-NS）。青年牛性状的遗传力估计值从0.0001（H-GL）到0.39（H-NS）,成母牛性状遗传力估计值从0.00018（C-FSTC）到0.064（C-NS）。（3）在青年牛和成母牛的共有性状中,成母牛时期的遗传力普遍低于青年牛。总的来说,新疆褐牛的繁殖性状除了H-NS和H-FSTC以外,遗传力都小于0.1,属于低遗传力性状;未来育种可以将H-FSTC、H-AFS、H-NS、C-CTFS、C-DO作为褐牛的选择性状最有可能取得遗传进展。（4）使用DRPs作为反应变量,利用Farm CPU软件对新疆褐牛繁殖性状进行全基因组关联分析,最终找到STC1、VLDLR、CDH2、DPPA3、RAD50、HFM1基因作为新疆褐牛的繁殖性状相关候选基因,为日后进行下一步验证提供了前期理论基础。本研究对新疆褐牛群体繁殖性状展开了传统遗传参数估计,并利用全基因组关联分析挖掘与繁殖性状相关的遗传标记,首次获得了新疆褐牛繁殖性状候选基因,从遗传育种的角度为新疆褐牛繁殖性状的选育提供理论依据。
刘影[10]（2020）在《肉用西门塔尔牛阈性状基因组选择研究》文中进行了进一步梳理基因组选择（genomic selection,GS）是动植物遗传育种的重要方法,该方法通过估计覆盖全基因组的分子标记效应从而获得个体的基因组估计育种值（genomic estimated breeding value,GEBV）,最终实现对候选个体进行评定。同时,对限行性状、低遗传力性状和难以测定的性状,基因组选择相较于传统育种技术,其育种值估计准确性更高。肉色、脂肪颜色和大理石纹评分等阈性状是影响肉牛养殖效益的重要经济性状,对这些性状进行准确的遗传评估是不断提升群体养殖效益的基础。评估模型是影响基因组选择准确性的重要因素之一,当前多数遗传评估模型的前提假设是性状连续且符合正态分布。然而针对离散分布的阈性状,常规线性模型的前提假设无法成立。为了提升阈性状的育种值估计准确性,本研究使用线性模型和阈性状模型分别对模拟数据和西门塔尔牛离散性状育种数据进行遗传参数和基因组育种值估计。随后,又利用阈性状模型对中国肉用西门塔尔牛群体的肉色、脂肪颜色和大理石花纹评分3个性状进行了全基因组关联分析。通过上述分析我们发现:（1）在全部的模拟数据集中BayesTHB的准确性最高,BayesA的准确性最低。BayesTH模型在估计阈性状基因组育种值时,其准确性高于Bayes模型。并且各模型的准确性随着QTL数目的增加而降低,随着遗传力、性状分类个数和发生率的上升而上升。（2）使用GBLUP和GLMM模型分别对西门塔尔牛肉色、脂肪颜色及大理石花纹评分进行遗传参数估计时发现,对于上述三个阈性状,GLMM模型中遗传方差估计值和遗传力估计值均高于GBLUP模型,估计值标准差更小。（3）真实数据中,使用7种评估模型分别对肉色、脂肪颜色及大理石花纹评分3个阈性状进行基因组育种值估计。结果表明,BayesTH模型基因组估计育种值准确性高于Bayes和GBLUP模型。（4）在全基因组关联分析中,利用BayesTHB模型总共筛选到了7个候选基因区域,通过进一步定位发现,TMEM236同时影响肉色和脂肪颜色。基于上述结果,全文结论如下:（1）模拟数据中,BayesTHB的准确性最高,更适合用于阈性状育种值估计。（2）对比BGLUP模型,GLMM模型可以更准确的剖分加性遗传方差。（3）真实数据中,在对肉色、脂肪颜色及大理石花纹评分3个性状进行遗传评估时,BayesTHB的准确性最高,更适合用于阈性状育种值估计。（4）通过本研究的模及真实性状评估结果,推断当阈性状水平数大于等于7个时,可以近似作为连续型性状进行处理。（5）TMEM236基因同时影响肉色和脂肪颜色,可能存在多效性。
二、阈性状的选择理论和育种值估计方法(综述)（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、阈性状的选择理论和育种值估计方法(综述)（论文提纲范文）
（1）奶牛育种中关注的新性状（论文提纲范文）
| 1 生产效率相关的新性状 |
| 1.1 饲料效率(feed efficiency) |
| 1.2 繁殖技术性状 |
| 1.3 公牛繁殖力性状(male fertility) |
| 2 应对环境挑战的新性状 |
| 2.1 甲烷排放量(methane emission) |
| 2.2 热应激抗性(heat stress) |
| 3 健康与福利相关的新性状 |
| 3.1 免疫反应(immune response) |
| 3.2 健康性状(health traits) |
| 3.2.1 肢蹄病 |
| 3.2.2 临床乳房炎 |
| 3.2.3 其他健康性状 |
| 3.3 后备牛存活力 |
| 4 产品和加工相关的新性状 |
| 4.1 傅里叶中红外光谱(Fourier-transform mid-infrared, FT-MIR) |
| 4.2 乳成分 |
| 4.3 牛奶凝固性能 |
| 5 管理相关的新性状 |
| 5.1 性情(temperament) |
| 5.2 挤奶速度(milking speed) |
| 6 总结与展望 |
（2）国内外肉牛遗传评估体系概况（论文提纲范文）
| 1 常规遗传评估和基因组评估技术 |
| 2 我国肉牛遗传评估体系 |
| 2.1 常规遗传评估 |
| 2.2 基因组遗传评估 |
| 3 北美部分国家(美国)遗传评估体系 |
| 3.1 美国肉牛常规遗传评估 |
| 3.2 美国肉牛基因组遗传评估 |
| 4 欧洲部分国家遗传评估体系 |
| 4.1 常规遗传评估 |
| 4.2 基因组遗传评估 |
| 5 拉丁美洲部分国家(巴西)遗传评估体系 |
| 5.1 巴西肉牛常规遗传评估 |
| 5.2 巴西肉牛基因组遗传评估 |
| 6 澳洲部分国家(澳大利亚)遗传评估体系 |
| 6.1 澳大利亚肉牛常规遗传评估 |
| 6.2 澳大利亚肉牛基因组遗传评估 |
| 7 不同国家地区遗传评估体系对比分析 |
| 8 问题和展望 |
（3）GWAS、CNV及ROH挖掘宁夏地区荷斯坦奶牛重要性状候选基因的研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略词 |
| 第一章 文献综述 |
| 1.1 奶牛遗传评估研究进展 |
| 1.1.1 奶牛的表型性状 |
| 1.1.2 选育方法和遗传评估模型 |
| 1.1.3 综合选择指数和多国联合评估 |
| 1.2 全基因组关联分析研究进展 |
| 1.2.1 基因分型技术 |
| 1.2.2 基于SNPs的GWAS分析策略 |
| 1.2.3 常用的GWAS分析方法 |
| 1.3 基因组拷贝数变异研究进展 |
| 1.3.1 拷贝数变异定义 |
| 1.3.2 拷贝数变异对基因功能的影响 |
| 1.3.3 拷贝数变异的检测方法 |
| 1.3.4 人类复杂疾病拷贝数变异 |
| 1.3.5 牛基因组拷贝数变异 |
| 1.4 基因组杂合性缺失研究进展 |
| 1.4.1 杂合性缺失定义 |
| 1.4.2 杂合性缺失的研究意义 |
| 1.4.3 牛基因组ROH的研究进展 |
| 1.5 研究的目的与意义 |
| 第二章 荷斯坦奶牛产奶性状和SCS遗传评估 |
| 引言 |
| 2.1 材料与方法 |
| 2.1.1 表型记录 |
| 2.1.2 数据处理 |
| 2.1.3 固定效应方差分析 |
| 2.1.4 遗传评估模型 |
| 2.1.5 方差组分和遗传力估计 |
| 2.1.6 个体育种值估计 |
| 2.2 结果与分析 |
| 2.2.1 产奶性状和SCS描述性统计量 |
| 2.2.2 非遗传因素分析 |
| 2.2.3 各性状遗传参数估计 |
| 2.2.4 表型值和育种值分布及其相关性 |
| 2.3 讨论 |
| 2.3.1 各性状表型值分析 |
| 2.3.2 泌乳曲线及表型相关 |
| 2.3.3 各性状遗传参数估计 |
| 2.4 小结 |
| 第三章 荷斯坦奶牛产奶性状和SCS全基因组关联分析 |
| 引言 |
| 3.1 实验材料 |
| 3.1.1 表型数据 |
| 3.1.2 基因型数据 |
| 3.2 实验方法 |
| 3.2.1 基因型数据质控 |
| 3.2.2 主成分分析 |
| 3.2.3 关联分析 |
| 3.2.4 候选基因功能注释及通路分析 |
| 3.3 结果与分析 |
| 3.3.1 SNPs标记信息 |
| 3.3.2 群体结构 |
| 3.3.3 GWAS分析结果 |
| 3.3.4 多效性基因组窗口的筛选 |
| 3.4 讨论 |
| 3.4.1 群体结构 |
| 3.4.2 产奶性状GWAS分析结果 |
| 3.4.3 多效性QTLs的筛选 |
| 3.5 小结 |
| 第四章 荷斯坦奶牛基因组拷贝数变异分析 |
| 引言 |
| 4.1 实验材料 |
| 4.1.1 试验群体和表型数据 |
| 4.1.2 基因型和信号强度文件 |
| 4.2 试验方法 |
| 4.2.1 SNPs数质量控制 |
| 4.2.2 推断拷贝数变异 |
| 4.2.3 比较CNV,构建基因组CNVRs及可视化 |
| 4.2.4 基于CNVRs的关联分析 |
| 4.2.5 CNV区域基因功能注释 |
| 4.3 结果与分析 |
| 4.3.1 SNPs和CNVs数据质控 |
| 4.3.2 ARS-UCD1.2和UMD3.1基因组版本中的拷贝数变异 |
| 4.3.3 ARS-UCD1.2和UMD3.1基因组版本中的拷贝数变异区域 |
| 4.3.4 产奶性状与CNVRs的关联分析 |
| 4.3.5 显着CNV区域重叠的QTLs |
| 4.3.6 显着CNV区域的基因功能注释 |
| 4.3.7 CNV区域重要基因的发现 |
| 4.4 讨论 |
| 4.4.1 SNPs标记信息 |
| 4.4.2 CNVs和CNVRs结果比较 |
| 4.4.3 CNVRs与产奶性状的关联分析 |
| 4.4.4 显着基因的功能注释 |
| 4.4.5 高频CNVR区域的重要基因 |
| 4.5 小结 |
| 第五章 荷斯坦奶牛基因组杂合性缺失研究 |
| 引言 |
| 5.1 研究方法 |
| 5.1.1 试验样本 |
| 5.1.2 检测ROH |
| 5.1.3 计算基因组近交系数(FROH) |
| 5.1.4 ROH区域统计分析及可视化 |
| 5.1.5 基因功能注释 |
| 5.2 结果与分析 |
| 5.2.1 常染色体上的SNP密度分布情况 |
| 5.2.2 ROH分布和近交系数 |
| 5.2.3 ROH总长占各染色体的比例 |
| 5.2.4 各牧场试验牛群基于ROH的近交程度 |
| 5.2.5 各长度分组下ROH的统计量 |
| 5.2.6 ROH窗口在各染色体上的频率分布 |
| 5.2.7 ROH可视化结果 |
| 5.2.8 高频ROH区域上基因的功能注释 |
| 5.3 讨论 |
| 5.3.1 检测和统计ROH |
| 5.3.2 基于ROH的近交系数 |
| 5.3.3 可视化ROH区域及精细定位 |
| 5.3.4 高频ROH区域的基因功能注释 |
| 5.4 小结 |
| 第六章 结论与创新点 |
| 6.1 结论 |
| 6.2 创新点 |
| 第七章 展望 |
| 7.1 论文不足之处 |
| 7.2 下一步计划 |
| 参考文献 |
| 附录 |
| 致谢 |
| 个人简介 |
（4）高山美利奴羊羊毛品质与红细胞性状基因组选择和全基因组关联分析研究（论文提纲范文）
| 摘要 |
| SUMMARY |
| 英文缩略表 |
| 第一章 文献综述 |
| 1.1 畜禽遗传评估的方法与研究进展 |
| 1.2 全基因组关联分析 |
| 1.3 基因分型的方法 |
| 1.4 本研究的目的和意义 |
| 第二章 加性和显性遗传效应对羊毛品质和红细胞性状GEBV估计准确性的影响研究 |
| 2.1 引言 |
| 2.2 材料与方法 |
| 2.3 结果与分析 |
| 2.4 讨论 |
| 2.5 小结 |
| 第三章 统计模型、标记密度和遗传力对羊毛品质GEBV估计准确性的影响研究 |
| 3.1 引言 |
| 3.2 材料与方法 |
| 3.3 结果与分析 |
| 3.4 讨论 |
| 3.5 小结 |
| 第四章 羊毛品质和红细胞性状的全基因组关联分析研究 |
| 4.1 引言 |
| 4.2 材料与方法 |
| 4.3 结果与分析 |
| 4.4 讨论 |
| 4.5 小结 |
| 第五章 结论 |
| 5.1 主要结论 |
| 5.2 创新点 |
| 5.3 后续研究内容 |
| 参考文献 |
| 附表与附录 |
| 致谢 |
| 作者简介 |
| 导师简介 |
（7）对虾选择育种研究进展（论文提纲范文）
| 1 选择、测试与评估方法 |
| 1.1 选择方法 |
| 1.1.1 群体选择 |
| 1.1.2 规模化家系选择 |
| 1.2 目标性状与测试方法 |
| 1.2.1 生长性状 |
| 1.2.2 抗病性状 |
| 1.2.3 抗逆性状 |
| 1.2.4 繁殖性状 |
| 1.2.5 饲料转化率 |
| 1.2.6 出肉率性状 |
| 1.3 遗传和经济评估方法 |
| 1.3.1 方差组分估计方法 |
| 1.3.2 育种值评估方法 |
| 1.3.3 间接遗传效应评估方法 |
| 1.3.4 经济评估方法 |
| 2 重要经济性状的遗传参数估计结果 |
| 2.1 遗传力 |
| 2.2 遗传相关和基因型与环境互作(Genotype by environment interaction, G×E ) |
| 2.3 间接遗传效应 |
| 3 遗传增益 |
| 3.1 国外文献报道 |
| 3.1.1 生长性状 |
| 3.1.2 抗病性状 |
| 3.2 国内遗传增益的报道 |
| 4 展望 |
| 4.1 高通量性状测定技术 |
| 4.2 基因组选择技术 |
| 4.3 高强度选择模式 |
（8）宁夏地区安格斯牛生长性状遗传参数估计及育种目标确定（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 文献综述 |
| 1.1 国内外安格斯牛的发展现状 |
| 1.1.1 国外安格斯牛的发展现状 |
| 1.1.2 国内安格斯牛的发展现状 |
| 1.2 遗传参数估计方法 |
| 1.2.1 方差分析法(ANOVA) |
| 1.2.2 Henderson方差估计法Ⅰ、Ⅱ、Ⅲ |
| 1.2.3 最小范数二次无偏估计法(MINQUE)和最小方差二次无偏估计法(MIVQUE) |
| 1.2.4 最大似然法(ML)和约束最大似然法(REML) |
| 1.2.5 贝叶斯法 |
| 1.2.6 吉布斯抽样法(Gibbs) |
| 1.2.7 R方法 |
| 1.3 育种目标研究 |
| 1.3.1 确定育种目标的方法 |
| 1.3.2 肉牛育种目标的研究 |
| 1.4 本研究的目的及意义 |
| 第二章 安格斯牛各阶段生长性状遗传参数估计 |
| 2.1 材料与方法 |
| 2.1.1 数据来源与整理 |
| 2.1.2 非遗传因素的效应水平划分 |
| 2.1.3 影响因素显着性检验 |
| 2.1.4 建立参数估计数据文件 |
| 2.1.5 遗传参数估计模型 |
| 2.1.6 遗传参数显着性检验 |
| 2.2 结果与分析 |
| 2.2.1 安格斯牛初生阶段遗传参数估计值 |
| 2.2.2 安格斯牛6月龄阶段遗传参数估计值 |
| 2.2.3 安格斯牛12月龄阶段遗传参数估计值 |
| 2.2.4 安格斯牛18月龄阶段遗传参数估计值 |
| 2.2.5 安格斯牛24月龄阶段遗传参数估计值 |
| 2.3 讨论 |
| 2.3.1 非遗传因素对各指标的影响 |
| 2.3.2 安格斯牛不同月龄段各性状遗传力 |
| 2.3.3 安格斯牛不同月龄段各性状遗传相关和表型相关 |
| 第三章 安格斯牛育种目标的确定 |
| 3.1 安格斯牛育种目标性状和选择性状的确定 |
| 3.1.1 生长发育性状 |
| 3.1.2 繁殖性状 |
| 3.1.3 胴体性状 |
| 3.2 安格斯牛目标性状边际效益的计算 |
| 3.2.1 数据来源 |
| 3.2.2 边际效益估算方法 |
| 3.2.3 安格斯牛育种目标性状边际效益的计算 |
| 3.3 结果与分析 |
| 3.4 讨论 |
| 第四章 结论与创新点 |
| 4.1 结论 |
| 4.2 创新点 |
| 参考文献 |
| 致谢 |
| 个人简介 |
（9）新疆褐牛繁殖性状遗传参数估计及全基因组关联分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 文献综述 |
| 1.1 新疆褐牛 |
| 1.1.1 新疆褐牛概述 |
| 1.1.2 新疆褐牛分子选育研究进展 |
| 1.2 奶牛繁殖性状遗传分析 |
| 1.2.1 奶牛繁殖性状的概念及其特点 |
| 1.2.2 繁殖性状的遗传力 |
| 1.2.4 国内外奶牛繁殖性能选择的研究进展 |
| 1.2.5 繁殖性状的研究意义 |
| 1.3 遗传分析线性模型 |
| 1.4 全基因组关联分析 |
| 1.4.1 GWAS的研究进展 |
| 1.4.2 GWAS的统计方法 |
| 1.5 研究目的与意义 |
| 1.6 技术路线 |
| 第二章 新疆褐牛繁殖性状遗传参数估计 |
| 2.1 材料与方法 |
| 2.1.1 繁殖性状的数据收集 |
| 2.1.2 数据整理 |
| 2.1.3 遗传分析模型 |
| 2.2 结果与分析 |
| 2.2.1 新疆褐牛繁殖性状表型参数 |
| 2.2.2 新疆褐牛繁殖性状遗传评估结果 |
| 2.3 讨论 |
| 2.3.1 繁殖性状的遗传参数估计 |
| 2.3.2 青年牛初配日龄和初产日龄 |
| 2.3.3 成母牛产犊到首次配种间隔 |
| 2.3.4 成母牛空怀天数和产犊间隔 |
| 2.4 小结 |
| 第三章 新疆褐牛繁殖性状的全基因组关联分析 |
| 3.1 材料与方法 |
| 3.1.1 性状与反应变量 |
| 3.1.2 芯片填充与质控 |
| 3.1.3 关联分析 |
| 3.1.4 群体分层检验与候选基因策略 |
| 3.2 结果 |
| 3.2.1 GWAS反应变量 |
| 3.2.2 新疆褐牛群体分层检验结果 |
| 3.2.3 全基因组关联分析的结果 |
| 3.2.4 显着SNPs及相关基因 |
| 3.2.5 候选基因相关功能 |
| 3.2.6 基因富集分析 |
| 3.3 讨论 |
| 3.3.1 全基因组关联分析 |
| 3.3.2 基因功能注释 |
| 3.4 小结 |
| 第四章 结论与创新点 |
| 4.1 结论 |
| 4.2 创新点 |
| 参考文献 |
| 致谢 |
| 个人简介 |
（10）肉用西门塔尔牛阈性状基因组选择研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号对照表 |
| 第一章 引言 |
| 1.1 育种技术的发展 |
| 1.2 基因组选择的基本概念 |
| 1.3 基因组选择的方法 |
| 1.3.1 GBLUP法 |
| 1.3.2 Bayes法 |
| 1.4 阈性状概述 |
| 1.4.1 阈性状的度量 |
| 1.4.2 阈性状模型计算方法 |
| 1.5 基因组选择研究中数据模拟的方法 |
| 1.6 研究的目的和意义 |
| 第二章 材料和方法 |
| 2.1 阈模型贝叶斯模型 |
| 2.2 广义线性混合模型 |
| 2.3 模拟数据 |
| 2.3.1 历史群体的模拟 |
| 2.3.2 基础群体的模拟 |
| 2.3.3 参数设置 |
| 2.3.4 基因型和表型的模拟 |
| 2.4 西门塔尔牛真实数据 |
| 2.4.1 参考群体的创建 |
| 2.4.2 基因型质量控制 |
| 2.4.3 表型性状 |
| 2.5 准确性评价 |
| 第三章 结果与分析 |
| 3.1 模拟数据结果 |
| 3.1.1 标准模拟方案下GEBVs准确性评价 |
| 3.1.2 不同QTL数目下GEBVs准确性比较 |
| 3.1.3 不同遗传力下GEBVs准确性比较 |
| 3.1.4 不同分类个数下GEBVs准确性比较 |
| 3.1.5 不同发生率下GEBVs准确性比较 |
| 3.2 真实数据结果 |
| 3.2.1 表型数据频数表 |
| 3.2.2 GBLUP和 GLMM估计遗传力的比较 |
| 3.2.3 阈性状的效应值估计 |
| 3.2.4 各个性状基因组育种值准确性评价 |
| 3.2.5 Bayes THB分析位点筛选 |
| 第四章 讨论 |
| 4.1 基因组估计育种值准确性的影响因素 |
| 4.2 利用GLMM方法估计阈性状遗传参数及GEBVS准确性 |
| 4.3 利用贝叶斯方法估计阈性状GEBVS准确性 |
| 4.4 阈性状全基因组关联分析 |
| 第五章 全文结论 |
| 参考文献 |
| 致谢 |
| 作者简历 |
四、阈性状的选择理论和育种值估计方法(综述)（论文参考文献）
- [1]奶牛育种中关注的新性状[J]. 张海亮,常瑶,娄文琦,王凯,陈紫薇,米思远,温万,王雅春. 畜牧兽医学报, 2021(10)
- [2]国内外肉牛遗传评估体系概况[J]. 朱波,李宏伟,周姵诺,李倩,高翰,王泽昭,汪聪勇,蔡文涛,徐凌洋,陈燕,张路培,高雪,高会江,李俊雅. 畜牧兽医学报, 2021(06)
- [3]GWAS、CNV及ROH挖掘宁夏地区荷斯坦奶牛重要性状候选基因的研究[D]. 刘丽元. 宁夏大学, 2021
- [4]高山美利奴羊羊毛品质与红细胞性状基因组选择和全基因组关联分析研究[D]. 朱韶华. 甘肃农业大学, 2021
- [5]凡纳滨对虾生长和耐高盐性状遗传参数估计及基因型与环境互作效应分析[D]. 王崇懿. 广东海洋大学, 2021
- [6]基因组选择研究进展及其在林木中的发展趋势[J]. 杜庆章,战鹏宇,李鹏,李先义,廖晨翰,郭诗曼,张德强. 北京林业大学学报, 2020(11)
- [7]对虾选择育种研究进展[J]. 孔杰,栾生,谭建,隋娟,罗坤,李旭鹏,代平,孟宪红,卢霞,陈宝龙,曹家旺,曹宝祥. 中国海洋大学学报(自然科学版), 2020(09)
- [8]宁夏地区安格斯牛生长性状遗传参数估计及育种目标确定[D]. 冯小芳. 宁夏大学, 2020(03)
- [9]新疆褐牛繁殖性状遗传参数估计及全基因组关联分析[D]. 卢鑫. 宁夏大学, 2020(03)
- [10]肉用西门塔尔牛阈性状基因组选择研究[D]. 刘影. 中国农业科学院, 2020(01)