论文部分内容阅读
本研究利用1269只考力代绵羊初生、断奶、8月龄、周岁和18月龄等5个月龄的体重，共3332个生长发育记录，采用以下步骤进行分析：①利用SPSS?软件的GLM过程对固定效应进行分析，以筛选遗传分析模型中应包括的固定效应。其中被筛选的固定效应为性别、出生年份、出生月份、出生日期和出生类型等5个非遗传因素的主效应和它们间所有二级互作效应；②配合9个包含不同随机效应的混合模型进行单性状遗传分析，根据似然比检验（LRT）筛选出用于多性状遗传分析和协方差函数估计的最宜模型，并将所得的方差组分估值作为多性状遗传分析和协方差函数估计的初值；③在最宜模型下，用多性状分析估计协方差组分和遗传相关，并将协方差组分作为协方差函数估计的初值；④在最宜模型下，用协方差函数忙（CF）模型，配合阶数为3～5阶，估计协方差函数，然后用似然比检验（LRT）、Araike信息标准（AIC）和贝叶斯信息标准（BIC）筛选最宜配合阶数，并得到由协方差函数估计所得的遗传参数。此外，在单性状分析中，探讨了固定效应的筛选与否对参数估值的影响。结果表明： 1、出生年份和出生类型对初生重影响显著，出生年份、出生类型、出生月份和性别对断奶重、8月龄重、周岁重和18月龄重的影响都显著。 2、无论是否对固定效应进行筛选，用单性状遗传分析选出的最宜模型都为模型3，即y=Xb+Z1a+W2c+e。 3、对固定效应不用GLM过程的方差分析进行筛选，遗传参数估值差异不大，但包含固定效应数多时，涉及的方程组大，计算时间长，效率较低。表明分析前应进行固定效应的选择，尤其是大数据集，包含固定效应多或固定效应的水平数多时，更应筛选固定效应。 4、多性状遗传分析中，若考虑误差间的协方差，则由此所得遗传力估值与单性状分析的估计结果基本一致，中等高，且以前者微佳。其初生重、断奶重、8月龄重、周岁重和18月龄重的遗传力估值依次为0.28、0.33、0.30、0.23和0.21;遗传相关的估值范围为0.37一0.%。若不考虑误差间的协方差，其遗传力估值和遗传相关佑值与CF估计所得的遗传力佑值和遗传相关枯值一致，都偏高. 5、在最宜模型下，对加性遗传效应配合5阶，即全阶配合，对母体永久环境效应配合4阶，即降阶配合，能较好地模拟考力代绵羊生长曲线的遗传变异和表型变异. 6、加性遗传CF为:，!.l.weeeee.J︸日阿阿阿阿 夕J，‘︸Jl﹄少a口ar..eseelesL，..les..we.eeJ !15一 ‘、仁，，，砧一，‘·42A妙‘，“，)一P“‘“广“厂“厂J}一1，一37 }’5·O9 L 0.26母体永久环境CF为: f 9.10- z、r，，1!一5.41尺ta‘.a卜l一aa尹a子l}“‘’‘ 、一，，‘·‘’J}一6.77 L 7.57一1 1.42 95.95138.06一75.，9一107.41一1 1.37138.06 210.6一106.51一168.69 15.09一75.79一106.51625879.340.26一107.一168.l46979.34140.86一6.774.045.22一5.527.57一4.96一5.526.69