Precisión de la predicción genómica en poblaciones de cerdos de raza pura

Este estudio investigó cómo la información sobre el genotipo y el fenotipo que se había adquirido de generaciones anteriores influye en la precisión de la predicción de ssGBLUP y, por lo tanto, buscamos un equilibrio óptimo entre la información genotípica y fenotípica para lograr una evaluación genómica rentable y computacionalmente eficiente.

Método y materiales 

La estructura de los datos utilizados en este estudio se simuló imitando las poblaciones de cerdos como se describe de manera similar en Yang y Su ( 2016 ). Para simplificar el procedimiento de simulación pero sin pérdida de generalidad, los datos se generaron en un procedimiento relativamente simple con generaciones no superpuestas.

Realizamos una serie de simulaciones utilizando el software de simulación genómica de rasgos múltiples GPOPSIM (Zhang et al. , 2015 ). Generamos dos rasgos genéticamente correlacionados ( h ² = 0.35 para el rasgo A, h ²= 0,10 para el rasgo B y la correlación genética 0,20), así como dos poblaciones distintas que imitan a los cerdos de raza pura.

Se estableció información fenotípica y genotípica en diferentes números de generaciones anteriores y diferentes tasas de genotipado para cada camada para generar diferentes conjuntos de datos. La precisión de la predicción se evaluó correlacionando los valores genómicos estimados de reproducción con los valores genéticos reales para los animales genotipados en la última generación.

Resultados

Los resultados revelaron un impacto insignificante de las generaciones anteriores que carecían de animales genotipados en la precisión de la predicción. Los datos fenotípicos y genotípicos, incluidas las tres o cuatro generaciones más recientes con una tasa de genotipado del 40% o 50% para cada camada, podrían llevar a una precisión máxima de predicción asintótica para animales genotipados en la última generación.

Conclusión 

Los estudios han demostrado que ssGBLUP puede producir una mayor precisión de predicción que GBLUP para animales genotipados, así como una mayor precisión de predicción que BLUP para animales no genotipados en datos de ganado y porcino debido a la capacidad de integrar información genotípica y pedigrí (Christensen et al. , 2012 ; Gao et al. , 2012 ; Su et al. , 2012 ; Guo et al. , 2015). Nuestros resultados confirmaron el hecho de que ssGBLUP podría producir una mayor precisión de predicción que BLUP.

Fuente: https://www.sciencedirect.com/science/article/pii/S1751731118003567