Improving multibreed genomic prediction for breeds with small populations by modeling heterogeneous genetic (co)variance blockwise accounting for linkage disequilibrium

背景

多品种基因组预测（MBGP）对于提升小规模品种的预测准确性具有重要意义，这类品种通常可利用的数据有限。近期研究表明，在多性状模型中将基因组划分为互不重叠的区块，并对异质遗传（协）方差进行建模，可以获得更高的联合预测准确性。然而，作为影响模型性能关键因素的区块划分方法尚未得到系统研究。

结果

本研究提出了一种新的贝叶斯多品种基因组预测模型 mbBayesABLD。该模型基于连锁不平衡（LD）模式将每条染色体划分为互不重叠的区块，并假定每个区块内的标记效应服从具有区块特异参数的正态分布。通过模拟数据以及猪和菜豆的真实数据集，并结合交叉验证方法，系统评估了不同模型的基因组预测准确性。

结果表明，mbBayesABLD 显著优于传统的多品种基因组预测模型，如 GBLUP 和 BayesR。以猪的肌内脂肪评分性状为例，与未考虑异质遗传（协）方差的 GBLUP 相比，mbBayesABLD 将小群体品种长白猪的预测准确性提高了 15.6%。此外，研究发现，不同品种之间只需具有中等程度的 LD 模式相似性（平均相关系数约为 0.6），即可显著提升目标品种的预测准确性。

结论

本研究提出了一种基于 LD 区块划分的多品种基因组预测新方法，为畜禽育种实践提供了切实可行的工具，并为利用品种间遗传多样性提升基因组预测性能提供了新的思路。