[发明专利]一种筛选最佳动物模型的方法

说明书

技术领域

本发明涉及动物育种和动物数量遗传学领域，具体涉及一种筛选最佳动物模型的方法。

背景技术

遗传参数估计是家畜育种中的一项基础工作，准确可靠的遗传参数估计对于制定育种方案和个体遗传评定是必不可少的，而遗传参数估计的可靠与否主要取决数据资料的质量和估计方法。家畜育种研究人员经常面临的问题是，对于给定的数据资料如何获得最可靠的遗传参数估计值。目前，约束最大似然法是世界各国采用遗传参数估计较多的方法，《草与畜》2008年04期刊登的《畜禽遗传参数估计的DF-REML法》也曾提出相关的计算方法，但是不论何种方法，都需要一个统计分析模型。既使在同一种方法下，用不同的模型所得到的估计值是不同的，因此首先要构建一个合适的统计分析模型。一个好的模型要在有实际可操作性的基础上尽可能准确地反映各种遗传和环境因素对性状的影响，但在很多情况下，我们对影响某性状的各种因素缺乏充分的了解，因而需要对多种可能的模型进行比较，从中找出一个最合适的模型。目前，对于最佳动物模型的筛选没有确切科学的方法，有研究生者只根据模型中误差方差组分的大小，此种方法有一定的片面性。

发明内容

    本发明的目的在于提供一种方便、灵活、科学的筛选最佳动物模型的方法。

为了实现以上目的，本发明的技术方案是采用了似然比检验来筛选最佳的动物模型，包括以下步骤：

（1）设定动物模型中的系统环境效应；

（2）设定动物模型中的随机效应；

（3）建立不同的动物模型；

（4）方差组分估计；

（5）最佳动物模型的筛选。

步骤(1)中的系统环境效应为场-年-季系统环境效应、性别系统环境效应和/或年龄系统环境效应。

步骤(2)中的随机效应为个体加性遗传效应、母体遗传效应和/或母体环境效应。

所述的建立的所有动物模型中都包含相同的系统环境效应，不同动物模型中包含的随机效应不同。

方差组分估计中，计算中的迭代收敛标准为10^-9，利用不同的初值进行计算，比较各估计值在收敛后的似然函数值，取其中似然函数值最大的一次结果作为遗传参数估计值。

最佳动物模型的筛选用似然比检验对不同动物模型进行比较，检验统计量为：LR=[-2ln(LMAX|模型I)]-[-2ln(LMAX|模型II)]，如果LR>                                                ，即差异显著(P<0.05)，则模型II是最佳模型，反之则模型I为最佳模型。

LR为似然比值，LMAX|模型I和LMAX|模型II分别是两个不同动物模型下的最大似然函数值。

模型I是模型II的子模型。

所述的统计量服从卡方()分布，自由度为模型II中估计的参数个数与模型I中估计的参数个数之差。

本发明的方法依据似然函数值、模型中的参数估计个数、模型中的随机效应为基础进行筛选，并采用卡方检验来判断其模型的优劣，其筛选方法操作方便、灵活、科学。

具体实施方式

实施例1

    本实施例的一种筛选最佳动物模型的方法包括以下步骤：

（1）建立2个动物模型：

2个模型中包含的系统环境效应是一样的，但是随机效应不同；

模型I：个体加性遗传效应

模型II：个体加性遗传效应、母体遗传效应

模型I是模型II的子模型

（2）方差组分估计：利用MTDFREML软件对各性状分别采用以上2种模型进行方差组分估计，计算中的迭代收敛标准为10^-9,分别获得2个模型的似然函数值记为LMAX|模型I，LMAX|模型II；

（3）最佳动物模型的筛选方法

LR = [-2ln(LMAX|模型Ⅰ)]-[-2ln(LMAX|模型Ⅱ)]

模型I下计算出来的参数个数为2个：遗传力（）、环境遗传力（），其中为性状的表型方差

模型II下计算出来的方差组分个数为4个：遗传力（）、母体遗传力（）、环境遗传力（）、加性遗传效应与母体遗传效应间的相关（），其中为性状的表型方差