《Poultry Science》：Accuracy of Single-Step Genomic Selection for Egg Production in Yellow-Feathered Broilers Using a Random Regression Model
编辑推荐：
本研究针对蛋鸡产蛋量这一重要经济性状，针对传统单性状模型(STM)和多性状模型(MTM)无法捕捉连续时间动态变化的局限，开展了随机回归模型(RRM)结合单步基因组最佳线性无偏预测(ssGBLUP)的研究。结果表明，RRM显著提高了育种值估计的准确性和无偏性，准确度较MTM和STM分别提高3%和7%，无偏性提升26%和14.5。该研究为畜禽纵向性状的遗传分析提供了新方法，对基因组选择育种具有重要指导意义。
在畜禽育种领域，蛋鸡产蛋量是直接影响养殖效益的核心经济性状。然而，传统的遗传评估方法如单性状模型(STM)将整个产蛋期的累计产蛋量作为一个静态性状进行分析，而多性状模型(MTM)虽然将产蛋期划分为若干阶段，但仍无法捕捉产蛋过程中连续的动态变化规律。这些方法的局限性促使研究人员寻求更先进的建模策略。
针对这一挑战，广东农业科学院动物科学研究所的贾少严、刘天飞等研究人员在《Poultry Science》上发表了最新研究成果。他们创新性地将随机回归模型(RRM)与单步基因组选择(ssGBLUP)相结合，对黄羽肉鸡20-43周龄的产蛋量数据进行深入分析。该研究涵盖了18,221只鸡的168,596条记录，其中17,619只个体具有基因型数据，系谱信息涵盖78,449只个体。
研究采用了三种不同的建模策略：STM分析20-43周龄的累计产蛋量(EN)；MTM将产蛋期分为三个阶段(20-26周、27-34周、35-43周)；RRM则通过Legendre多项式对每两周的产蛋量进行连续建模。通过比较不同模型的拟合优度和预测性能，研究人员确定了最优的RRM配置：固定回归采用2阶Legendre多项式，加性遗传效应采用1阶，永久环境效应采用4阶。
在技术方法上，研究主要运用了随机回归模型(RRM)分析、单步基因组最佳线性无偏预测(ssGBLUP)和遗传参数估计等关键技术。研究人员利用DMU-v5.2软件包构建模型，采用平均信息限制性最大似然法(AI-REML)估计遗传参数，并通过交叉验证评估模型预测性能。
模型选择结果表明，LP214模型（固定回归2阶、加性遗传效应1阶、永久环境效应4阶）在保持较好拟合优度的同时，具有最优的预测性能。该模型需要估计19个方差-协方差分量，在模型复杂度和预测能力之间取得了良好平衡。
遗传参数估计结果显示，RRM估计的产蛋量遗传力在0.01-0.19之间，呈现先上升后下降再上升的"N"型变化趋势。这与MTM估计的三个阶段遗传力(0.128、0.267、0.300)和STM估计的累计产蛋量遗传力(0.329)形成鲜明对比。值得注意的是，20-23周龄的遗传力估计值较低(<0.05)，这主要是由于模型中将开产日龄(AFE)作为协变量进行校正所致。
遗传和表型相关分析表明，在MTM中，不同产蛋阶段间的遗传和表型相关系数随着时间间隔的增加而减小。EP20-26与EP27-34的遗传相关(0.455)高于EP20-26与EP35-43的相关(0.328)。在RRM中，不同时间点产蛋量之间的遗传相关范围为-0.51到1.00，且随着时间间隔的增加而减小。特别重要的是，30-33周龄产蛋量与累计产蛋量(EN)的遗传相关达到0.99，表明这一阶段是进行遗传选择的理想时间窗口。
模型预测性能比较显示，RRM在育种值估计的准确性和无偏性方面均显著优于MTM和STM。具体而言，基于系谱信息的RRM准确度较MTM和STM分别提高3%和7%；基于基因组信息的准确度分别提高2.9%和6.8%。在无偏性方面，RRM较MTM和STM分别提高26%和14.5%。值得注意的是，基因组信息的引入使所有模型的预测准确度最高提升84%，无偏性提升26%-28.5%，充分体现了基因组数据在遗传评估中的重要作用。
该研究的创新之处在于首次在黄羽肉鸡中系统验证了"RRM+ssGBLUP"这一组合策略的有效性。研究结果表明，RRM能够更好地解析产蛋量的动态遗传结构，而ssGBLUP则通过整合基因组信息显著提高了预测精度。这一方法不仅适用于蛋鸡产蛋量性状，还可推广到其他具有纵向特征的经济性状的遗传分析中。
然而，研究也发现RRM的计算复杂度明显高于传统方法。在仅使用系谱信息时，RRM运行时间为47分钟，而STM仅需3分钟；当引入基因组信息后，RRM运行时间延长至12小时20分钟。这一计算负担可能限制其在大型育种项目中的实时应用，需要进一步优化算法和提高计算效率。
这项研究为畜禽纵向性状的遗传分析提供了重要方法论创新。通过揭示产蛋量性状的动态遗传架构，并确定30-33周龄这一关键选择窗口，研究为蛋鸡育种实践提供了科学依据。未来研究可进一步探索多性状随机回归模型，同时分析开产日龄和产蛋量等相关性状，从而更全面地解析蛋鸡繁殖性能的遗传基础。随着计算技术的进步和基因组数据的积累，RRM结合ssGBLUP的方法有望在畜禽育种中发挥越来越重要的作用。
