程的截距a即是遗传力的倒数，通过求该方程的截距的倒数，求出遗传力的估计值。
[0015] 对所有个体基因组进行测序，获得SNP信息，所有个体的SNP位点对应，缺失数据通 过imputation方法补齐;为防止单次估计误差较大，采用多次杂交验证的方法，反复从总体 中随机抽取参考群体和估计群体，来获得接近真实值的估计结果;使用不同的参考群数目 结合GBLUP算法来计算基因组各个标记的效应值，以得到估计群的育种值，通过对估计群的 育种值和表型值进行分析得到估计准确度，解决了系谱记录工作繁琐甚至很难完成的问 题，同时准确捕获等位基因在传递过程中的孟德尔抽样误差。
[0016] 实施例1 1.试验对象为500条大黄鱼，采用人工催卵技术，所有的大黄鱼在同一天出生，即年龄 全部相同；试验时间为大黄鱼两年龄时，测量性状为所有大黄鱼的体重和体长。
[0017] 2.采用GBS(geno typing-by-sequencing)测序技术对所有要研究的个体进行基因 组测序，筛选合格的SNP位点，参数控制如下：将MAF>0.05，哈代-温伯格平衡检验P-value >0.001，单个位点的缺失率低于20%的标记位点留下；最终一共筛选出29748个合格的SNP 标记，对于缺失的位点，通过软件Beagle 3.3.2版本的imputation程序补齐。
[0018] 3.在所有500个体中，随机抽样抽出20 %即100个体作为估计群体，剩下的按照个 体数100、200、300、400分成四个等级，观察四个不同级别的参考群个体数对应于估计准确 度的变化趋势;使用GBLUP算法估计每个等级下的所有标记效应，得到估计群的每个个体的 育种值GEBV，通过计算估计群的GEBV和表型值的相关系数，得到估计准确度，即r (GEBV, Y)。
[0019] 为了降低单次抽样误差过大的影响，将步骤3重复操作20次，由于每次估计群和参 考群的个体都是随机抽样而来，因此每次重复的结果会略有不同，但20次结果的平均值会 更加接近真实结果，20次平均值的结果附图2所示。
[0020] 4.对每个等级的参考群大小（即NP)取倒数，对每个等级的估计准确度（即r( GEBV,Y)) 的20次结果的平均值取平方的倒数，二者之间的关系如附图3所示，根据公式(4)来拟合最 终的回归方程，如下表所示：
根据上表结果，可求得体重的遗传力估计值为0.227，体长为0.196。
[0021] 上面对本专利的较佳实施方式作了详细说明，但是本专利并不限于上述实施方 式，在本领域的普通技术人员所具备的知识范围内，还可以在不脱离本专利宗旨的前提下 做出各种变化。
【主权项】
1. 一种通过基因组数据对遗传力进行评估的算法，对于某一数量性状，通过使用不同 数量的参考群个体进行全基因组的标记效应的估计，进而得到估计群的育种值，并计算出 估计准确度;通过基因组估计准确度与参考群体大小进行曲线直线化拟合，拟合出的回归 方程的截距的倒数为遗传力的估计值;其特征在于:基因组选择的具体过程采用GBLUP作为 计算标记效应的算法，基因组所有标记位点的效应方差是相等的，标记效应通过W下公式 计算得出：a)其中，薦为总体平均值;I为所有标记位点的效应向量;基因组估计育种值(GEBV)通过 将所有标记位点的效应相加获得，即GEBV= I： Xigi; GEBV估计准确性通过计算GEBV与真实育 种值(TBV)的相关系数，即r仰BV TBV)得出；在GBLUP算法估计育种值的情况下，r仰BV TBV)的另 一计算公式为： (I) 其中，Np为参考群的个体数量;h2为所研究的性状的遗传力;M为决定该性状的有效基因 组片段的数目；在实际生产中，无法得知TBV的具体数值，因此用表型值(Y)替代TBV，推导出 GEBV与Y的关系为：(凌} 在公式（3)中，通过调整Np的大小可获得不同的r他BV, Y)的值，拟合该曲线方程，拟合的 方式采用曲线直线化，对公式(3)进行整理，得到线性方程：(4) 该方程相当于线性回归模型y = a+bx，其中y为r他BV,Y)的平方的倒数，X为Np的倒数，方 程的截距a即是遗传力的倒数，通过求该方程的截距的倒数，求出遗传力的估计值。2. 根据权利要求1所述的通过基因组数据对遗传力进行评估的算法，其特征在于，对所 有个体基因组进行测序，获得SNP信息，所有个体的SNP位点对应，缺失数据通过imputation 方法补齐。3. 根据权利要求1所述的通过基因组数据对遗传力进行评估的算法，其特征在于，为防 止单次估计误差较大，采用多次杂交验证的方法，反复从总体中随机抽取参考群体和估计 群体，来获得接近真实值的估计结果。4. 根据权利要求1所述的通过基因组数据对遗传力进行评估的算法，其特征在于，使用 不同的参考群数目结合GBLUP算法来计算基因组各个标记的效应值，W得到估计群的育种 值，通过对估计群的育种值和表型值进行相关分析得到估计准确度。
【专利摘要】本发明公开了一种通过基因组数据对遗传力进行评估的算法，对于某一数量性状，通过使用不同数量的参考群个体利用GBLUP算法进行全基因组的标记效应的估计，进而得到估计群的育种值，并计算出估计准确度；通过基因组估计准确度与参考群体大小进行曲线直线化拟合，拟合出的回归方程的截距的倒数为遗传力的估计值；本发明通过基因组的数据对数量性状的遗传力进行评估，所研究的成果可直接应用于动植物数量性状育种中，本发明的算法不对个体进行系谱记录而是对个体基因组进行测序，通过全基因组标记来预测性状的遗传力，遗传力估计结果主要用于将来的育种工作中，另外，测序可以捕获到孟德尔抽样误差，相对记录系谱数据能够获得更准确的系谱信息。
【IPC分类】G06F19/18
【公开号】CN105512510
【申请号】CN201510873172
【发明人】肖世俊, 董林松, 王志勇
【申请人】集美大学
【公开日】2016年4月20日
【申请日】2015年12月3日