Whole-genome regression and prediction methods applied to plant and animal breeding.
Whole-genome regression and prediction methods applied to plant and animal breeding.
复制标题
DOI：
10.1534/genetics.112.143313
复制
发表时间：
2013-02
期刊：
影响因子：
3.3
通讯作者：
Calus MP
中科院分区：
文献类型：
--
作者：
de Los Campos G;Hickey JM;Pong-Wong R;Daetwyler HD;Calus MP
基因组预测在动植物育种中变得越来越重要，并且在人类遗传学中也受到关注。要对复杂性状进行准确预测，需要实施全基因组回归 (WGR) 模型，其中同时对数千个标记进行表型回归。现有的方法可以实现这些大 p 和小 n 回归，并且基因组选择（GS）正在多个植物和动物育种计划中实施。可用方法的列表很长，并且它们之间的关系尚未完全解决。在本文中，我们概述了用于实现参数化 WGR 模型的可用方法，讨论了应用中出现的选定主题，并对过去十年中从模拟和经验数据分析中吸取的经验教训进行了一般性讨论。
Genomic-enabled prediction is becoming increasingly important in animal and plant breeding and is also receiving attention in human genetics. Deriving accurate predictions of complex traits requires implementing whole-genome regression (WGR) models where phenotypes are regressed on thousands of markers concurrently. Methods exist that allow implementing these large-p with small-n regressions, and genome-enabled selection (GS) is being implemented in several plant and animal breeding programs. The list of available methods is long, and the relationships between them have not been fully addressed. In this article we provide an overview of available methods for implementing parametric WGR models, discuss selected topics that emerge in applications, and present a general discussion of lessons learned from simulation and empirical data analysis in the last decade.
登录
查看更多内容
影响因子：
3.3
作者：
de los Campos, Gustavo;Naya, Hugo;Cotes, Jose Miguel
通讯作者：
Cotes, Jose Miguel
影响因子：
4.1
作者：
Bastiaansen, John W. M.;Coster, Albart;Bovenhuis, Henk
通讯作者：
Bovenhuis, Henk
影响因子：
3.5
作者：
Aguilar, I.;Misztal, I.;Lawlor, T. J.
通讯作者：
Lawlor, T. J.
影响因子：
56.9
作者：
Buckler, Edward S.;Holland, James B.;McMullen, Michael D.
通讯作者：
McMullen, Michael D.
DOI：
10.1186/1297-9686-42-9
发表时间：
2010-03-22
期刊：
Genetics, selection, evolution : GSE
影响因子：
--
作者：
Coster A;Bastiaansen JW;Calus MP;van Arendonk JA;Bovenhuis H
通讯作者：
Bovenhuis H