Evaluando el Impacto de Diferentes Estrategias de Mezcla en la Precisión de Predicción Genómica para los Valores de Cría de Ganado Vacuno en la Predicción Genómica Multirraza
Autores: Zhou, Le; Zhu, Lin; Ma, Fengying; Gu, Mingjuan; Na, Risu; Zhang, Wenguang
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Evaluando el Impacto de Diferentes Estrategias de Mezcla en la Precisión de Predicción Genómica para los Valores de Cría de Ganado Vacuno en la Predicción Genómica Multirraza
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Zootecnia
Palabras clave
Selección genómica
Cría de ganado
Poblaciones de referencia
Predicción genómica multi-raza
GBLUP
WGBLUP
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 7
Citaciones: Sin citaciones
La selección genómica (SG) acelera la cría de ganado, pero está limitada por pequeñas poblaciones de referencia en muchos países. Este estudio evaluó el impacto de construir poblaciones de referencia mixtas a diferentes distancias genéticas en la precisión de la predicción genómica multi-raza en ganado de carne utilizando los métodos GBLUP, ssGBLUP y wGBLUP. Se consideraron seis escenarios con diferentes proporciones de mezcla. Los resultados mostraron que el modelo wGBLUP tenía mayor precisión cuando la proporción de mezcla era del 15%, especialmente para poblaciones con diferentes patrones de decaimiento de LD. Sin embargo, con proporciones de mezcla del 10% y 20%, wGBLUP y ssGBLUP tuvieron una precisión más baja pero estable. Este estudio destaca la importancia de optimizar las proporciones de mezcla para una predicción genética precisa en poblaciones de ganado de carne multi-raza con recursos limitados.
Descripción
La selección genómica (SG) acelera la cría de ganado, pero está limitada por pequeñas poblaciones de referencia en muchos países. Este estudio evaluó el impacto de construir poblaciones de referencia mixtas a diferentes distancias genéticas en la precisión de la predicción genómica multi-raza en ganado de carne utilizando los métodos GBLUP, ssGBLUP y wGBLUP. Se consideraron seis escenarios con diferentes proporciones de mezcla. Los resultados mostraron que el modelo wGBLUP tenía mayor precisión cuando la proporción de mezcla era del 15%, especialmente para poblaciones con diferentes patrones de decaimiento de LD. Sin embargo, con proporciones de mezcla del 10% y 20%, wGBLUP y ssGBLUP tuvieron una precisión más baja pero estable. Este estudio destaca la importancia de optimizar las proporciones de mezcla para una predicción genética precisa en poblaciones de ganado de carne multi-raza con recursos limitados.