此文章是Ben J. Hayes作为一作发表在GSE上。其提出的新模型可能非常有利于我国地方品种动物的遗传估计。所以进行翻译和分享。
背景
在多品种热带肉牛群体中实施基因组选择一直具有挑战性。如果可以在这些基因组评估的参考群体中使用商业（通常是杂交）动物，则可以允许非常大的参考群体。
在热带牛肉系统中，此类动物通常没有谱系信息。
方法
在这里，作者们使用标记杂合性（以模拟杂种优势）和源自遗传标记的品种组成作为模型中的协变量，研究此类数据的潜在模型。模型将品种效应视为固定或随机，并包括基因组最佳线性无偏预测 (GBLUP) 和 BayesR。
数据
使用包含 29,391 头纯种、杂交和复合商业动物的适应热带的肉牛数据集来评估模型。
结果
将品种效应视为随机，采用类似于遗传组的方法，可以将遗传方差划分为品种内和品种间成分（即使有大量品种），并估计品种内和跨品种基因组估计值育种值（GEBV）。
-
证明可以使用这些模型计算中等精度 (0.30–0.43) GEBV。
image.png 将品种效应视为随机 比 将品种视为固定 可以提供更准确的 GEBV。
没有拟合品种效应的简单 GBLUP 模型与包含品种内 GEBV 和（随机）跨品种效应 GEBV 的模型具有相同的准确性（并且 GEBV 的相关性非常接近 1）。
当对参考群体中没有数据的牛群进行 GEBV 预测时，BayesR 的准确度最高，各个性状的平均准确度提高了 3%，特别是当验证群体与参考群体相关性较低时。
作者们提出的模型对杂种优势的估计与之前对肉牛的估计一致。其提出了一种估计当代群体中积累的每个品种组合的有效品种比较数量的方法。
结论
当没有可用的谱系时，可以根据基因型估计用于多品种基因组评估的品种组成和杂种优势。当对参考群体中没有数据的牛群进行 GEBV 预测时，BayesR 的准确率最高。
自己感兴趣的观点
对牲畜进行多品种基因组评估是可取的，因为它们允许生产者跨品种、杂交和混合品种选择公畜和母畜，从而增加选择强度。多品种评估在提高基因组预测准确性方面的优势，特别是对于参考集大小较小的品种，
已经提出了几种多品种基因组预测的方法（参见 Misztal 等人 [9] 的全面综述）。
de Roos et al.[10]假设，如果单核苷酸多态性（SNP）足够密集，其效应将在各个品种之间共享。要发生这种情况，影响某个性状的致病突变在各个品种中必须相同，并且对于多品种预测，SNP 必须与突变足够 接近，以便 SNP 和致病突变之间的连锁不平衡相在整个品种中持续存在。
Goddard 和 Hayes [11] 将这种分析扩展到更多品种。 他们还得出结论，300,000 个 SNP 足以用于牛品种的多品种基因组预测
随着全基因组序列数据（包括 1000 个公牛基因组参考集 [12]）的广泛使用，如果假设致病突变具有相同的效果，则可以使用该数据将 SNP 数据集归因于全基因组序列 如果跨品种被调用，使用这些致病突变的基因组预测应该会从多品种评估中产生高精度的基因组预测。 然而，使用牛和羊的全基因组序列观察到多品种预测准确性仅略有提高
等位基因品种起源 (BOA) 模型可以指定不同品种间不同的 QTL 位置，该模型基于以下假设：“在杂交群体中：(1) SNP 的影响可能是品种特异性的，并且（2）连锁不平衡可能不限于与QTL紧密连锁的标记”。
参考文献
Hayes, B.J., Copley, J., Dodd, E. et al. Multi-breed genomic evaluation for tropical beef cattle when no pedigree information is available. Genet Sel Evol 55, 71 (2023). https://doi.org/10.1186/s12711-023-00847-6
