收藏本站
《中国农业科学院》 2017年
收藏 | 手机打开
二维码
手机客户端打开本文

基于并行运算的肉牛全基因组选择技术研究

郭鹏  
【摘要】:全基因选择广泛地应用在复杂性状的畜禽育种中,肉牛经济性状全基因组估计结果决定着肉牛全基因组选择,这对于肉牛行业非常重要,有必要在肉牛中针对这些性状进行全基因组选择的育种值估计研究。首先,使用经BovineSNP770K Beadchip生物芯片进行基因分型的1217头中国西门塔尔肉牛群体研究背最长肌重和里脊重的全基因组估计育种值,研究的性状包括活重、胴体重、背最长肌重、里脊重、上脑重、外脊重、眼肌重以及腰背部肉重。使用随机分组策略构建训练集和验证集,利用GBLUP、BayesA、BayesB和BayesCπ估计全基因组育种值,使用校正表型值与估计育种值的相关系数作为估计准确度,经5倍交叉验证以后得到的全基因组估计的准确度范围是0.329(GBLUP估计上脑性状)到0.490(BayesB估计外脊性状),所有性状的平均估计准确性是 0.390(GBLUP),0.406(BayesA),0.432(BayesB)和 0.408(BayesCn)。对于本研究中的大多数性状来说,贝叶斯方法的估计准确性高于GBLUP。针对贝叶斯方法计算时间长的问题,利用并行计算缩短运行时间,具体:(1)提出了基于传统并行MCMC技术的多链并行贝叶斯方法,使用模拟数据集和西门塔尔肉牛群体的育肥日增重、活重、胴体重、屠宰率、净肉率和零售肉重6种性状进行全基因组估计研究。标记效应使用GBLUP和3种并行贝叶斯方法进行估计,并行贝叶斯方法包括多链并行 BayesA,BayesB 和 BayesCπ(PBayesA,PBayesB 和 PBayesCπ)。在模拟数据集上获得与串行贝叶斯方法相同估计准确性的情况下,并行贝叶斯方法极大地缩短了运行时间。真实数据集全基因组估计的准确性范围是0.195± 0.084(GBLUP估计净肉率性状)到0.424± 0.147(PBayesB估计胴体重性状)。6种性状的平均估计育种值为0.327±0.085(GBLUP),0.335±0.063(PBayesA),0.347±0.093(PBayesB)和 0.334±0.077(PBayesCπ)。(2)为了获得精确的全基因组估计结果,MCMC中的burn-in通常设置成很大的值,而进入平衡状态以后,更多的burn-in迭代都无助于MCMC运行结果的改善。针对这一问题提出了基于并行MCMC和多链收敛性诊断的自适应burn-in并行全基因组估计技术。在研究中将BayesA和BayesCπ应用到自适应burn-in并行全基因组估计中,使用模拟数据集对自适应多链并行 BayesA(TunBpBayesA),自适应多链并行 BayesCπ(TunBpBayesCπ)和固定 burn-in 多链并行 BayesA(FixBpBayesA),固定 burn-in 多链并行 BayesCπ(FixBpBayesCπ)以及 GBLUP 进行比较。TunBpBayesA(或 TunBpBayesCπ)与 FixBpBayesA(或 FixBpBayesCπ)的估计准确性相同,但是 TunBpBayesA(或 TunBpBayesCπ)的加速比远远高于 FixBpBayesA(或 FixBpBayesCπ)的加速比。使用真实数据进行全基因组估计,TunBpBayesCπ的全基因组估计准确性高于TunBpBayesA 和 GBLUP。研究结果表明:①贝叶斯方法和GBLUP在中国西门塔尔肉牛群体中估计背最长肌和里脊性状的全基因组选择是可行的;②并行全基因组估计方法对于中国西门塔尔肉牛也是可行的;③自适应burn-in多链并行BayesA(和BayesCπ)比固定burn-in多链并行BayesA(和BayesCπ)相比,估计结果可靠,加速比更高。自适应burn-in多链并行BayesA(和BayesCπ)在使用CPU内核上展示出极好的可扩展性,在应用到其他的贝叶斯方法表现出很好的灵活性。本研究中涉及到的贝叶斯方法、GBLUP和并行贝叶斯方法将在肉牛育种规划中帮助识别肉牛经济性状优异的候选个体。
【学位授予单位】:中国农业科学院
【学位级别】:博士后
【学位授予年份】:2017
【分类号】:S823

【参考文献】
中国期刊全文数据库 前3条
1 PLASTOW Graham;MOORE Stephen;;Developing a genome-wide selection model for genetic improvement of residual feed intake and carcass merit in a beef cattle breeding program[J];Chinese Science Bulletin;2012年21期
2 ;Evaluation of Breeding Programs Combining Genomic Information in Chinese Holstein[J];Agricultural Sciences in China;2011年12期
3 许尚忠;李俊雅;;我国肉牛遗传改良现状分析及发展策略探讨[J];现代畜牧兽医;2009年10期
【共引文献】
中国期刊全文数据库 前10条
1 张纯新;刘镜;;威宁牛及其杂交牛生产性能的比较研究[J];黑龙江动物繁殖;2015年06期
2 刘镜;焦仁刚;杨忠诚;龚俞;何光中;;不同饲养方式对三元杂交肉牛生产性能的影响[J];黑龙江畜牧兽医;2015年08期
3 朱波;王延晖;牛红;陈燕;张路培;高会江;高雪;李俊雅;孙少华;;畜禽基因组选择中贝叶斯方法及其参数优化策略[J];中国农业科学;2014年22期
4 刘镜;龚俞;何光中;焦仁刚;;不同杂交组合肉牛生长性能研究[J];饲料广角;2014年20期
5 龚俞;何光中;刘镜;杨忠诚;焦仁刚;;贵州不同三元杂交肉牛生长性能比较[J];贵州畜牧兽医;2014年04期
6 何光中;刘镜;杨忠诚;杨红文;龚余;;贵州省肉牛产业发展的现状、资源优势及技术需求分析[J];黑龙江畜牧兽医;2014年02期
7 何光中;刘镜;焦仁刚;罗启华;龚俞;;贵州地方品种肉牛遗传资源特点及研究利用[J];黑龙江畜牧兽医;2013年23期
8 刘镜;罗治华;张晓可;梁恩冬;罗启华;;贵州不同杂交肉牛生产性能的研究[J];贵州畜牧兽医;2013年05期
9 李光鹏;李俊龙;旭日干;;北方草原牧业发展现状与草原生态畜牧业发展研究初报[J];内蒙古大学学报(自然科学版);2013年04期
10 刘镜;何光中;杨红文;焦仁刚;;黎平黄牛遗传资源的特点及开发利用[J];黑龙江畜牧兽医;2013年11期
【相似文献】
中国期刊全文数据库 前9条
1 刘越畅;陈世文;冯进达;徐炫杰;朱同林;房宜汕;;基于贝叶斯网络的蔬菜质量安全溯源与预警[J];广东农业科学;2012年20期
2 金钊;金剑;;贝叶斯网在复烤润叶机加水控制系统中的应用[J];烟草科技;2009年07期
3 张荷观;;经验贝叶斯方法在苗木调查中的应用[J];八一农学院学报;1986年03期
4 桑燕芳;王中根;刘昌明;;水文频率线型选择与综合过程中贝叶斯因子求解新方法[J];自然资源学报;2013年04期
5 宋熠;柏超;;基于贝叶斯方法的NCD系统[J];中南林业科技大学学报;2009年01期
6 白顺果,王炜,郝文秀,李宏伟;场地土性分布参数的贝叶斯方法的估计[J];河北农业大学学报;2002年04期
7 李小蔚;刘金剑;朱韶洁;王亚民;;农业研究中非线性模型参数估计的贝叶斯方法[J];连云港师范高等专科学校学报;2012年04期
8 黄兴召;陈东升;孙晓梅;张守攻;;基于异速参数概率分布的立木地上生物量估算[J];林业科学;2014年06期
9 王改芳;贝叶斯方差组分估计法在畜禽育种中的应用[J];畜禽业;2003年10期
中国重要会议论文全文数据库 前10条
1 David Z.D'Argenio;;贝叶斯方法在实验室研究向临床的转化以及辨识隐含亚群体中的应用(英文)[A];中国药理学会临床药理学专业委员会会议暨第十次全国临床药理学学术会议论文集[C];2007年
2 姜峰;高文;姚鸿勋;;贝叶斯网络的推理和学习[A];全国网络与信息安全技术研讨会'2005论文集(下册)[C];2005年
3 丁东洋;刘希阳;;风险分析中的稳健贝叶斯方法[A];2011年全国电子信息技术与应用学术会议论文集[C];2011年
4 周桃庚;沙定国;;贝叶斯可靠性序贯验证试验方法[A];中国仪器仪表学会第三届青年学术会议论文集(下)[C];2001年
5 陈晓怀;程真英;刘春山;;动态测量误差的贝叶斯建模预报[A];第二届全国信息获取与处理学术会议论文集[C];2004年
6 杜鹏英;罗小平;何志明;;贝叶斯网络的发展及理论应用[A];第三届全国虚拟仪器大会论文集[C];2008年
7 杨丽;武海滨;李康;;无金标准诊断试验评价的贝叶斯方法及应用[A];2011年中国卫生统计学年会会议论文集[C];2011年
8 宁鹏达;;贝叶斯方法在风险投资项目决策中的应用[A];第四届中国科学学与科技政策研究会学术年会论文集(Ⅰ)[C];2008年
9 朱永生;;贝叶斯方法确定泊松变量的置信上限[A];中国物理学会高能物理分会第七届学术年会实验分会场论文集[C];2006年
10 王增忠;柳玉杰;施建刚;;建筑工程项目全寿命安全管理决策的贝叶斯方法[A];中国优选法统筹法与经济数学研究会第七届全国会员代表大会暨第七届中国管理科学学术年会论文集[C];2005年
中国博士学位论文全文数据库 前10条
1 郭鹏;基于并行运算的肉牛全基因组选择技术研究[D];中国农业科学院;2017年
2 翟胜;基于贝叶斯网络的复杂系统可靠分析方法研究与应用[D];天津工业大学;2016年
3 刘瑞;基于贝叶斯网络的洪水灾害风险评估与建模研究[D];华东师范大学;2016年
4 张润梅;基于贝叶斯网络的复杂系统因果关系研究[D];合肥工业大学;2015年
5 李艳颖;贝叶斯网络学习及数据分类研究[D];西安电子科技大学;2015年
6 赵建喆;具有认知特性的贝叶斯网络结构学习方法研究[D];东北大学;2015年
7 贾海洋;贝叶斯网学习若干问题研究[D];吉林大学;2008年
8 黄友平;贝叶斯网络研究[D];中国科学院研究生院(计算技术研究所);2005年
9 朱允刚;贝叶斯网学习中若干问题研究及其在信息融合中的应用[D];吉林大学;2012年
10 董立岩;贝叶斯网络应用基础研究[D];吉林大学;2007年
中国硕士学位论文全文数据库 前10条
1 张路路;贝叶斯网络系统可靠性分析及故障诊断方法研究[D];山东建筑大学;2015年
2 徐冰;基于贝叶斯网络的传染病时空预警模型研究[D];长安大学;2015年
3 李艳强;基于不确定理论的酸洗线和镀锌线的视情维修策略研究[D];河北工程大学;2015年
4 王芸;贝叶斯AGARCH模型在我国商业银行利率风险度量中的应用[D];南京财经大学;2015年
5 侯欢欢;基于贝叶斯网络城市埋地燃气管线风险评价研究[D];首都经济贸易大学;2015年
6 王宇;贝叶斯参数更新在可靠性分析中的应用[D];南京航空航天大学;2014年
7 李福伟;贝叶斯压缩感知理论与技术[D];电子科技大学;2015年
8 李景囡;基于依赖分析的贝叶斯网络结构学习算法研究[D];西安电子科技大学;2014年
9 杨祥睿;基于贝叶斯网络的船撞桥风险评估研究[D];重庆交通大学;2015年
10 汤玉利;贝叶斯反问题的MAP估计及其一致性[D];上海交通大学;2015年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026