畜禽配套系中纯系对商品代性状影响大小的确定方法

技术领域

本发明涉及畜禽育种技术领域，具体涉及一种畜禽配套系中纯系对商品代性状影响大小的确定方法。

背景技术

现代家禽和猪的商业化育种两个最重要的手段是纯系选育和配套杂交，通常是在纯系内持续选育获得遗传进展，通过三级扩繁体系将核心群获得的遗传进展传递至商品代群体，从而实现在商品群内不断改良目标性状。为了满足终端消费者对畜禽商品群体和产品的多元化需求，育种者往往需要在父本和母本品系中对诸多性状进行选育。以蛋鸡为例，商业化育种需要考虑的性状至少涉及产蛋量、蛋重、体重、成活率、繁殖性能、蛋壳颜色、蛋壳强度、蛋壳光泽度、蛋白高度等。如果在不同品系内同时对所有性状进行选育，那么每个品系内各个性状的选择强度必然减小，根据遗传进展公式

发明内容

为解决已有技术存在的不足，本发明提供了一种畜禽配套系中纯系对商品代性状影响大小的确定方法，包括如下步骤：

步骤S1：获取商品代群体以及与该群体对应世代的各个纯系群体；

步骤S2：获取S1中不同群体在相同性状不同时间节点上的对应测定数据；

步骤S3：根据如下公式，建立多元线性回归模型：

y

其中，y

其中，所述步骤S3中，通过如下步骤确定评估回归模型：

步骤S31：通过所获取的所有时间点上纯系及商品代的性状值，构建多元线性回归模型矩阵：

Y＝Xβ+e；其中，Y表示商品代性状的测定值向量，β表示偏回归系数向量，X表示与β向量对应的设计矩阵，e表示随机误差向量；

步骤S32：针对公式SSE＝e′e＝(Y-Xβ)′(Y-Xβ)，求SSE关于β的偏导数，得出偏回归系数向量的估值

其中，还包括步骤S4：根据所确定的多元线性回归模型的偏回归系数，确定各纯系相对于所确定的性状对商品代影响大小的权重值。

其中，所述步骤S4中，通过对各偏回归系数取绝对值，并累加求和，分别计算绝对值化后的偏回归系数在总和中的相对比例，确定各个品系对商品代各性状的影响的相对大小。

本发明提供的畜禽配套系中纯系对商品代性状影响大小的确定方法，在各品系选择空间相对固定时，可剖分出配套系各个纯系对商品代性状的影响大小，从而将商品群体中需要改良的性状在不同纯系群体内进行有针对性的选育，可以提高选择强度及选择效果，能够加快遗传进展。

具体实施方式

为了对本发明的技术方案及有益效果有更进一步的了解，下面详细说明本发明的技术方案及其产生的有益效果。

本发明的目的在于提供一种剖分配套系中各纯系对商品代性状影响相对大小(权重)的方法，从而为针对性选育专门化品系提供参考。

为实现上述目的，本发明基于一个合理的假设，即对于大部分经济性状而言，如果配套系各品系对商品代性状有影响，那么该品系会影响商品代整个饲养期的表现，而不会只影响某一阶段的性能。以蛋鸡的蛋重性状为例，如果纯系A对商品代的蛋重有影响，那么A品系不会只影响商品代的开产蛋重，而是会影响开产至淘汰整个产蛋期的蛋重。基于上述假设，本发明通过最小二乘分析建立商品代对纯系的多元线性回归模型，通过模型参数的相对大小来确定各个品系对商品代性状的影响大小。具体步骤如下：

1、数据准备

确定要研究的性状，按照世代、测定时间点汇总配套系商品代的性状数据和组成配套系的各纯系在相同性状上的测定数据。如纯系为10世代，则需要获得10世代纯系扩繁得到的商品代在对应性状的观察数据。

2、建立多元线性回归模型

y

其中，y

x所表示的纯系，可以是不同品种的纯系，也表示不同世代的同一纯系。

3、确定模型参数

通过所获取的所有测定时间点上纯系及商品代的性状值，构建多元线性回归模型矩阵：Y＝Xβ+e；其中，Y表示商品代性状的测定值向量，β表示偏回归系数向量(由各纯系的偏回归系数以及模型的截距组成)，X表示各纯系的表型值矩阵，e表示随机误差向量；

针对公式SSE＝e′e＝(Y-Xβ)′(Y-Xβ)，求SSE关于β的偏导数，得出偏回归系数向量的估值

4、确定品系的相对权重

对于多元线性回归模型而言，偏回归系数反应的是当其它变量不变时，所研究的自变量发生变化时对因变量的影响，因此，可以使用偏回归系数反映各品系对商品代性状的影响大小。

本发明中，将各品系的偏回归系数取绝对值后累加求和，分别计算各个品系的偏回归系数绝对值在绝对值总和中所占的比例，即为各品系对商品代性状影响的相对权重。

5、划分各品系重点选择性状

通过1-4中的步骤，顺次获取各品系在各性状选育中的相对权重。实际育种中，各个品系的每个世代的留种率相对固定，因此在相对固定的选择空间下，可以根据各品系对商品代各性状的影响的相对大小，合理确定各品系的重点选育性状。

本发明方法适用于蛋鸡、肉鸡、猪和其他使用杂交配套生产的畜禽品种，以下以蛋鸡育种为例进行说明。

蛋鸡配套系JH1由A、C、D三系配套杂交组成，配套组合模式为A*(C*D)，即三系杂交。在纯系A、C、D内进行持续选育，同时在JH1群体中进行商品群体性能测定，在积累了一定量的纯系和商品代数据之后，即可分析A、C、D对商品群体JH1蛋重的相对影响大小。纯系A、C、D群体和JH1群体内均采集了21-80周龄的蛋重和产蛋数据，则可以确定A、C、D品系对商品代群体蛋重和产蛋影响的相对大小，具体步骤如下：

(1)数据整理，将蛋重和产蛋数据按照世代、周龄、代次整理好。

(2)建立多元回归模型，即JH1＝β

(3)利用最小二乘法获取模型参数，如表1。

表1利用最小二乘法建立各性状的多元回归模型参数

(4)针对每个性状，对A、C、D的偏回归系数进行累加求和，然后求得各个偏回归系数占总和的比例，即为各个品系对商品代性状的贡献率，如表2：

表2纯系各品系对商品代性状的贡献率(％)

(5)根据表2，可以确定A品系对商品代的产蛋率、体重和蛋重均存在重要影响，因此应该主选蛋重、产蛋率和体重性状；C品系对商品代的产蛋率和体重存在一定程度的影响，应该以选择产蛋率和体重为主；D品系对商品代性状的贡献大小依次是体重、蛋重和产蛋率，应该主选体重和蛋重。

本发明通过配套系纯系数据实现了对商品代性能的准确预测，同时剖分出各个纯系对商品代性状影响的相对大小，为在纯系内开展针对性的选育提供了理论支撑，有助于避免在配套系所有纯系内对所有性状进行选育，实现在有限的选择下，在不同品系内有针对性的选育，从而增大各个性状的选择强度，有效提高遗传进展。

本发明的有益效果如下：在各品系选择空间相对固定时，可剖分出配套系各个纯系品系对商品代性状的影响大小，从而将商品群体中需要改良的性状在不同纯系群体内进行有针对性的选育，提高了选择强度及选择效果，能够加快遗传进展。

虽然本发明已利用上述较佳实施例进行说明，然其并非用以限定本发明的保护范围，任何本领域技术人员在不脱离本发明的精神和范围之内，相对上述实施例进行各种变动与修改仍属本发明所保护的范围，因此本发明的保护范围以权利要求书所界定的为准。