随机回归模型用于研究Sandyno绵羊的生长情况。Sandyno是一种为印度南部尼尔吉里山区培育的合成品种

《Tropical Animal Health and Production》：Random regressions to model growth in Sandyno sheep, a synthetic breed developed for the Nilgiri hills of South India

随机回归模型（RRM）用于分析沙丁诺羊生长数据，通过混合模型包含当代组群、性别、产羔年龄等固定效应及直接加性、母系遗传等随机效应，控制体重记录年龄。第四阶模型（含9类异质性误差）拟合最佳，显示直接和母系遗传方差模式相似，永久环境方差随年龄至2年呈上升趋势。体重遗传力估计（3W:0.211,6W:0.397,9W:0.457,12W:0.432,18W:0.242,24W:0.172）与单变量分析部分一致，母系与直接遗传相关呈强正相关。特征值分析表明前两个特征函数（占遗传变异98.5%）随年龄呈稳定正相关， selections on these factors can improve weight, especially after 9 months。

　　

摘要

随机回归模型（RRM）已被认为是分析生长等纵向数据的合适工具。Sandyno羊是一种兼具肉用和羊毛生产双重用途的合成品种，它由南印度的Nilagiri品种通过与Merino和Rambouillet羊杂交培育而来。本研究使用RRM对该品种的生长情况进行建模，以估计遗传参数，并将所得结果与使用传统方法估计的值进行比较。模型中包含了出生年份和季节、性别、产羔时母羊的胎次大小以及母羊年龄等固定效应，同时将直接加性效应、母体遗传效应、母体永久性环境效应和个体永久性环境效应作为随机效应，采用了不同的拟合顺序。记录体重时的年龄被作为控制变量。最终发现，采用四阶直接遗传效应和九类异质误差方差的RRM模型具有最佳拟合效果。直接遗传方差和母体遗传方差随年龄的变化模式相似；表型方差和个体永久性环境方差也显示出随年龄增长的类似趋势，这种趋势持续到2岁为止。通过RRM得到的3个月（3W）、6个月（6W）、9个月（9W）、12个月（12W）、18个月（18W）和24个月（24W）体重的遗传力估计值分别为0.211、0.397、0.457、0.432、0.242和0.172。3W和18W的遗传力估计值与传统单变量分析的结果相近，而其他估计值则略高。RRM与传统方法得到的遗传力估计值随年龄的变化趋势一致。直接遗传相关性和母体遗传相关性的数值均为正值且较高。从遗传（协）方差矩阵估计的特征函数趋势中也可以看出不同年龄体重之间存在较高的正遗传相关性。第一和第二特征函数的轨迹解释了超过98.5%的遗传变异，显示出随年龄增长的均匀正趋势。对这些因素进行选择将有助于提高所有年龄段的体重，尤其是在9个月之后的年龄段效果更为显著。所得遗传力估计值在24个月龄之前具有较高的精度，表明通过选择有较大的改良潜力。RRM能够通过考虑测量值之间的协方差和基因-环境（GXE）交互作用来模拟生长过程，因此非常适合用于评估生长性能。