基因组选择

🎓 研究生 📚 核心技术 🌾 智慧农业

基因组选择 基因组选择是利用覆盖全基因组的高密度分子标记，结合表型数据建立预测模型，对候选个体的育种值进行估计，从而实现早期精准选择的技术。 权威解读

📌 学名：—  |  🌍 主产区：—  |  📅 生育期：—

🧭 核心原理与技术逻辑

基本原理
科学机制 → 关键技术
实施要点 → 实践应用
增产增效

⬆️ 从原理到实践，完整知识链条。

📖 深度解析

  1. 原理机制 —— 基于连锁不平衡，将全基因组标记效应累加得到基因组估计育种值（GEBV）。通过训练群体建立模型，预测仅有基因型的待选个体表型。可显著缩短世代间隔。
    💡 核心要点：理解内在规律。
  2. 应用案例 —— 奶牛育种应用基因组选择使世代间隔从5.5年缩至1.8年，年遗传进展提高50%~100%。玉米、小麦等作物中也开始应用。
    💡 实际效果：量化数据支撑。
  3. 关键数据 —— 基因组选择预测准确性可达0.5~0.8（取决于性状遗传力和训练群体规模）。训练群体需1000~5000个体。
    💡 效益指标：可验证的增产比例。
💡 学习贴士： 掌握核心逻辑后，结合本地条件灵活调整，切忌生搬硬套。

🤔 深度思考题

某玉米育种公司欲对产量进行基因组选择，请设计训练群体与预测流程。

提示： 考虑训练群体构成、表型测定环境、模型选择。

👉 点击查看参考思路

1.选用500个代表性自交系组成训练群体，多年多点测定产量。2.基因分型（如50K SNP芯片）。3.用GBLUP模型估计标记效应。4.对候选自交系仅需基因分型，计算GEBV并排序选择。5.每2~3年更新训练群体。- ❌ 误区：基因组选择可完全替代田间试验。 ✅ 事实：仍需田间验证，且模型需定期更新。- ❌ 误区：标记越多预测越准。 ✅ 事实：标记密度达到一定阈值后准确性不再显著提升。- ❌ 误区：任何性状都适用。 ✅ 事实：需建立在大规模训练群体基础上，且性状遗传结构不能太复杂。

⚠️ 常见误区

误区： 基因组选择可完全替代田间试验。
事实： 仍需田间验证，且模型需定期更新。

误区： 标记越多预测越准。
事实： 标记密度达到一定阈值后准确性不再显著提升。

误区： 任何性状都适用。
事实： 需建立在大规模训练群体基础上，且性状遗传结构不能太复杂。

❓ 常见问题 (FAQ)

问： 基因组选择与MAS区别？

答： MAS针对少数主效基因；基因组选择利用全基因组标记估计多基因累加效应，适合复杂数量性状。

问： 训练群体如何构建？

答： 应有足够遗传多样性，包含育种目标中可能出现的主要遗传背景，表型测定需准确可靠。

🧠 认知导航

前置依赖： 数量遗传学、生物统计学

后续延伸： 智能育种、大数据育种

📚 完整技术全景

🔵 已开放 · 可随时探索 🟠 生长中 · 内容持续丰富 🟣 探索级 · 深度拓展

🌱 为了包容与博爱的传递，为了知识平权，善智导航正在陆续深化每一个知识点页面。
下方所有知识点均已预留链接，可随时点击探索。

🏙️ 实际产业应用

🍎 奶牛：基因组选择提高遗传进展。

- 玉米：产量性状预测。

🌐 探索更多

🔗 权威参考与延伸阅读

🤖 AI陪练指令

我是学习育种方法的学生，请结合具体案例详细讲解基因组选择的核心原理、关键技术及实际应用效果，并指出常见误区。

📁 更多农学AI指令 →