Mejorando la Precisión de la Predicción Genómica con un Modelo de Predicción Lineal No Sesgado de Mejor Genómico de Un Solo Paso que Integra Resultados de Estudios de Asociación de Todo el Genoma
Autores: Pang, Zhixu; Wang, Wannian; Huang, Pu; Zhang, Hongzhi; Zhang, Siying; Yang, Pengkun; Qiao, Liying; Liu, Jianhua; Pan, Yangyang; Yang, Kaijie; Liu, Wenzhong
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Mejorando la Precisión de la Predicción Genómica con un Modelo de Predicción Lineal No Sesgado de Mejor Genómico de Un Solo Paso que Integra Resultados de Estudios de Asociación de Todo el Genoma
Categoría
Ciencias Agrícolas y Biológicas
Subcategoría
Zootecnia
Palabras clave
Selección genómica
SsGWABLUP
Marcadores genéticos
GWAS
PQTNs
Predicciones genéticas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 10
Citaciones: Sin citaciones
La selección genómica (GS) es una herramienta poderosa para mejorar la precisión de las predicciones genéticas en la cría de animales. El modelo de GBLUP de un solo paso (ssGBLUP) integra datos genómicos, de pedigrí y fenotípicos, pero asume que todos los marcadores genéticos contribuyen de manera equitativa, lo que puede limitar su poder predictivo. Para abordar esto, desarrollamos un modelo mejorado, ssGWABLUP, que incorpora resultados de estudios de asociación del genoma completo (GWAS) para asignar pesos diferenciales a los marcadores. Además, introdujimos el modelo ssGWABLUP_pQTNs que integra nucleótidos de rasgo cuantitativo pseudo (pQTNs) identificados a partir de GWAS en el marco ponderado. Utilizando tanto conjuntos de datos simulados como reales, demostramos que ssGWABLUP_pQTNs supera consistentemente a ssGBLUP y otros modelos, particularmente para rasgos influenciados por un pequeño número de genes principales. Estos hallazgos sugieren que integrar información derivada de GWAS en ssGBLUP puede mejorar la precisión de la predicción genómica, proporcionando un enfoque prometedor para mejorar las evaluaciones genéticas en programas de cría de ganado.
Descripción
La selección genómica (GS) es una herramienta poderosa para mejorar la precisión de las predicciones genéticas en la cría de animales. El modelo de GBLUP de un solo paso (ssGBLUP) integra datos genómicos, de pedigrí y fenotípicos, pero asume que todos los marcadores genéticos contribuyen de manera equitativa, lo que puede limitar su poder predictivo. Para abordar esto, desarrollamos un modelo mejorado, ssGWABLUP, que incorpora resultados de estudios de asociación del genoma completo (GWAS) para asignar pesos diferenciales a los marcadores. Además, introdujimos el modelo ssGWABLUP_pQTNs que integra nucleótidos de rasgo cuantitativo pseudo (pQTNs) identificados a partir de GWAS en el marco ponderado. Utilizando tanto conjuntos de datos simulados como reales, demostramos que ssGWABLUP_pQTNs supera consistentemente a ssGBLUP y otros modelos, particularmente para rasgos influenciados por un pequeño número de genes principales. Estos hallazgos sugieren que integrar información derivada de GWAS en ssGBLUP puede mejorar la precisión de la predicción genómica, proporcionando un enfoque prometedor para mejorar las evaluaciones genéticas en programas de cría de ganado.