基因组选择（GS）的原理

1. 基本概念
基因组选择的理论基础是：全基因组标记可以捕获个体间的大部分遗传变异，通过统计模型可以利用标记信息预测个体的基因组育种值（Genomic Estimated Breeding Value, GEBV）。
假设个体的表型值P可以分解为：
P = μ + g + e
其中，μ为群体均值，g为遗传效应（加性+显性+上位性），e为环境误差。
GS的目标是利用标记基因型X来预测遗传效应g：
g = Xβ + ε
其中，β为标记效应向量。
2. 统计模型
基因组选择的核心是估计每个标记的效应。由于标记数（p，通常为数千至数百万）远大于个体数（n，数百至数千），传统的最小二乘法无法直接使用，需要借助特殊统计方法：
- 岭回归最佳线性无偏预测（RR-BLUP）：假设所有标记效应服从正态分布，通过L2正则化（岭回归）解决过拟合问题。计算速度快，是GS的基准方法。
- 贝叶斯方法（BayesA、BayesB、Bayesian LASSO等）：假设标记效应服从不同的先验分布。BayesB假设只有少数标记具有大效应（大部分标记效应为0），更符合真实遗传架构。
- GBLUP（Genomic BLUP）：利用标记信息构建基因组关系矩阵G，替代传统的系谱关系矩阵A，进行最佳线性无偏预测。
- 机器学习算法：随机森林（RF）、支持向量机（SVM）、神经网络等也被用于GS，在处理非加性遗传效应时可能优于线性模型。
3. 实施流程
(1) 训练群体构建：选择具有代表性的群体，测定高密度SNP基因型和目标性状表型。
(2) 统计模型训练：利用训练数据估计标记效应。
(3) 育种值预测：对候选个体（仅有基因型）计算GEBV。
(4) 选择决策：根据GEBV排名，选择最优个体进入下一代。
(5) 模型更新：定期用新收集的表型数据更新预测模型，保持预测准确性。
4. 影响预测准确性的因素
- 训练群体大小：一般而言，训练群体越大，预测准确性越高。
- 训练群体与候选群体的亲缘关系：关系越近，预测越准确。
- 性状遗传力：遗传力越高，GS效果越好。
- 标记密度：需要足够密度的标记覆盖全基因组，捕获LD信息。
- 性状遗传架构：由大量微效基因控制的性状更适合GS。