| 在现代农业生物技术领域，全基因组选择(GS)技术通过利用基因组信息预测植物或动物的未来表现，显著加速了育种进程，而无需对所有个体进行广泛的表型分析。这种预测方法，即全基因组预测(GP)，基于一个融合了表型与基因组信息的数据集（建模群体）构建，旨在建立基因组序列变异与表型变异间的相关性模型。 分子标记辅助选择(MAS)作为一种避免繁琐表型分析的技术，已被广泛应用于育种者中。然而，MAS在实施中主要关注主效基因，未能充分考虑到低效应值基因的重要性。MAS方法通过显著性检验来选择含有数量性状位点(QTL)的优势品系，可以大幅降低标记数量，却忽视了具有小到中等影响力的QTL（无法超过阈值）对全基因组变异的贡献。尽管单个微效QTL对表型的直接贡献可能微乎其微，但全基因组范围内这些微效QTL的累积效应可能对复杂性状变异的解释至关重要。与MAS不同，GS不依赖于显著性检验进行选择，而是基于交叉验证评估模型的效果，从而克服了估计不确定性的限制，为育种提供了一种更为全面和高效的选择策略。 |
手机版|全基因组选择育种文献分享 ( 辽ICP备20010899号-3 )
GMT+8, 2026-2-20 08:53 , Processed in 0.041031 second(s), 19 queries .
Powered by Discuz! X3.5
© 2001-2025 Discuz! Team.
