旨在比较结合全基因组关联分析(genome-wide association study,GWAS)先验标记信息的基因组育种值(genomic estimated breeding value,GEBV)估计与基因组最佳线性无偏预测(genomic best linear unbiased prediction,GBLUP)方法对鸡剩余...旨在比较结合全基因组关联分析(genome-wide association study,GWAS)先验标记信息的基因组育种值(genomic estimated breeding value,GEBV)估计与基因组最佳线性无偏预测(genomic best linear unbiased prediction,GBLUP)方法对鸡剩余采食量性状育种值估计的准确性,为提高基因组选择准确性提供理论与技术支持。本研究选用广西金陵花鸡3个世代共2510个个体作为素材,其中公鸡1648只,母鸡862只,以42~56日龄期间的剩余采食量(residual feed intake,RFI)为目标性状,将试验群体随机分为两组,其中一组作为先验标记信息发现群体,用于GWAS分析并筛选最显著的top5%、top10%、top15%和top20%的位点作为先验标记信息;另外一组分别结合不同的先验标记信息进行遗传参数估计并比较基因组育种值的预测准确性,使用重复10次的五倍交叉验证法获取准确性,随后两组群体再进行交叉验证。研究结果表明,GBLUP计算RFI的遗传力为0.153,预测准确性为0.387~0.429,结合GWAS先验标记信息的基因组选择方法计算RFI的遗传力为0.139~0.157,预测准确性为0.401~0.448。将GWAS结果中P值最显著的top10%~top15%的SNPs作为先验信息整合至基因组选择模型中可以将RFI的预测准确性提升2.10%~5.17%。展开更多
文摘旨在比较结合全基因组关联分析(genome-wide association study,GWAS)先验标记信息的基因组育种值(genomic estimated breeding value,GEBV)估计与基因组最佳线性无偏预测(genomic best linear unbiased prediction,GBLUP)方法对鸡剩余采食量性状育种值估计的准确性,为提高基因组选择准确性提供理论与技术支持。本研究选用广西金陵花鸡3个世代共2510个个体作为素材,其中公鸡1648只,母鸡862只,以42~56日龄期间的剩余采食量(residual feed intake,RFI)为目标性状,将试验群体随机分为两组,其中一组作为先验标记信息发现群体,用于GWAS分析并筛选最显著的top5%、top10%、top15%和top20%的位点作为先验标记信息;另外一组分别结合不同的先验标记信息进行遗传参数估计并比较基因组育种值的预测准确性,使用重复10次的五倍交叉验证法获取准确性,随后两组群体再进行交叉验证。研究结果表明,GBLUP计算RFI的遗传力为0.153,预测准确性为0.387~0.429,结合GWAS先验标记信息的基因组选择方法计算RFI的遗传力为0.139~0.157,预测准确性为0.401~0.448。将GWAS结果中P值最显著的top10%~top15%的SNPs作为先验信息整合至基因组选择模型中可以将RFI的预测准确性提升2.10%~5.17%。
文摘针对由于快递物流快件跟踪信息的数据异构所导致数据信息共享、服务互操作实现难度增加的问题,建立了快递物流跟踪信息数据字典和数据模型,基于可扩展标记语言(extensible markup language,XML)提出了一种易于扩展的快递物流跟踪信息标记语言(markup language for express logistics tracing information,ELTIML),并设计了ELTIML的模式schmea;最后,对四家快递公司快件跟踪信息查询系统提供的跟踪信息异构问题,以快递物流跟踪信息标记语言描述数据交换文档建立应用框架。结果表明,以ELTIML语言为基础的数据交换模式能屏蔽数据源的异构,是实现数据交换的有效手段。
