比較機器學(xué)習(xí)等算法對肉雞產(chǎn)蛋性狀育種值估計的準確性

丁紀強，李慶賀，張高猛，李 森，鄭麥青，文 杰，趙桂蘋

(中國農(nóng)業(yè)科學(xué)院北京畜牧獸醫(yī)研究所，北京 100193)

產(chǎn)蛋性狀是肉種雞重要的經(jīng)濟性狀，產(chǎn)蛋數(shù)的提高不僅直接增加產(chǎn)雛數(shù)，同時增加投入產(chǎn)出比，是育種中必須持續(xù)穩(wěn)定選育的指標之一。但產(chǎn)蛋數(shù)屬于低遺傳力性狀，在肉用品系中由于種雞體型大，傳統(tǒng)的家系選擇方法準確性低，急需應(yīng)用新技術(shù)提高遺傳進展。目前，利用基因組信息開展的產(chǎn)蛋性狀基因組選擇將有效提高選育準確性。

Henderson于上世紀60年代提出了基于混合模型方程組的最佳線性無偏預(yù)測(best linear unbiased prediction, BLUP)模型，利用個體以及親屬信息構(gòu)建親緣關(guān)系矩陣。傳統(tǒng)BLUP方法過度依賴于系譜和表型信息的記錄準確性，因此受到環(huán)境和其他因素的影響較大?；蚪M選擇技術(shù)在2001年被提出，其優(yōu)勢在于可以提高遺傳評定的準確性，縮短世代間隔，對表型不易測量和低遺傳力的性狀選擇具有較大的優(yōu)勢。在褐殼蛋雞中的研究發(fā)現(xiàn)，基于基因組選擇的后代測定的16個性狀，其性成熟年齡、產(chǎn)蛋量、產(chǎn)蛋率等都優(yōu)于進行常規(guī)選擇的群體。在雞的疾病抗性選擇中也表現(xiàn)出相同的結(jié)果。Yin等于2020年提出了一種機器學(xué)習(xí)方法KAML方法(Kinship-adjusted-multiple-loci，KAML)，其機器學(xué)習(xí)方法整合了交叉驗證、二分法迭代等算法，可以將較大標記效應(yīng)納入到混合線性模型協(xié)變量中，并同時根據(jù)標記貢獻賦予一定權(quán)重，從而提高估計準確性。

本研究的目的是比較不同算法基因組預(yù)測準確性，以白羽肉雞產(chǎn)蛋數(shù)為研究重點，對遺傳參數(shù)進行估計，并分析包括機器學(xué)習(xí)算法在內(nèi)的7個模型對白羽肉種雞產(chǎn)蛋性狀的預(yù)測準確性。為在白羽肉雞產(chǎn)蛋性狀中實施基因組選擇技術(shù)提供理論依據(jù)。

1 材料與方法

1.1 試驗群體

本研究使用的產(chǎn)蛋數(shù)和蛋重數(shù)據(jù)來源于彌勒新廣農(nóng)牧科技有限公司培育的快大型白羽肉雞的一個品系，共選擇了8個世代，本研究使用第6和7世代個體，共包含2 474個個體的系譜數(shù)據(jù)和基因型數(shù)據(jù)。其中包括公雞697只，母雞1 777只。每只雞單籠飼養(yǎng)，每個籠位附有條形碼。用條碼掃描器產(chǎn)蛋記錄系統(tǒng)記錄雞群每日產(chǎn)蛋數(shù)量，并標注畸形蛋和破蛋情況。統(tǒng)計43周齡、60周齡的合格蛋數(shù)、合格蛋率、總產(chǎn)蛋數(shù)等指標，其中只有第6世代有60周 產(chǎn)蛋數(shù)。在52周齡連續(xù)測定1周個體蛋重，剔除稱量蛋數(shù)少于3枚的蛋重，計算每個個體的平均蛋重。

1.2 基因分型、填充和質(zhì)量控制

在43周齡時翅下靜脈采血，EDTA抗凝后-20 ℃ 保存用于基因組DNA提取，通過苯酚-氯仿法提取血樣中的基因組DNA，利用“京芯一號” 55K SNP 芯片對2 474個個體進行基因型檢測。基因分型后共得到44 561個SNPs，使用PLINK(V1.9)軟件對數(shù)據(jù)進行質(zhì)量控制，質(zhì)控條件設(shè)為保留最小等位基因≥5%、基因分型率≥90%的位點，個體分型率≥90%的個體。質(zhì)控后使用Beagle 5.0軟件對缺失的SNP進行填充。最終保留個體2 474個，SNP位點個數(shù)是38 019個，保留個體和SNP用于后續(xù)研究。

1.3 基因組預(yù)測的統(tǒng)計模型

分別利用KAML、PBLUP、GBLUP、SSGBLUP、Bayes A、Bayes B和Bayes C7種模型進行分析。其中KAML算法的模型介紹同文獻[8]，通過R軟件包“KAML”進行計算。

Bayes方法使用R軟件包“BGLR”進行計算，迭代次數(shù)設(shè)置為5 000次。

基于系譜(PBLUP)、基因型(GBLUP)和兩者結(jié)合(SSGBLUP)的最佳線性無偏預(yù)測方法對有基因型和系譜的2 474只雞的群體進行育種值估計。統(tǒng)計模型如下：

=++

在逆矩陣中：

=(1-)+w

為加權(quán)系數(shù)，VanRaden將=0.05作為構(gòu)建矩陣的默認參數(shù)，對矩陣進行加權(quán)：=095+005。

本次試驗估計的方差組分和預(yù)測的育種值基于ASReml v4.1軟件進行計算。遺傳力和方差組分計算使用單性狀模型，產(chǎn)蛋性狀之間的相關(guān)性采用雙性狀模型進行估計。

1.4 不同算法基因組預(yù)測準確性比較

對43周總產(chǎn)蛋數(shù)和52周蛋重兩個性狀進行不同算法基因組預(yù)測準確性的比較。

育種值預(yù)測準確性評估方式為交叉驗證，育種值估計準確性用固定效應(yīng)校正后的表型與估計育種值的pearson 相關(guān)系數(shù)表示，秩相關(guān)用spearman相關(guān)系數(shù)表示。本研究利用5倍交叉驗證進行評估，將有表型個體隨機分為5組，其中4組為參考群，剩余1組為驗證群，重復(fù)5次。為了獲得更準確的結(jié)果，本研究進行了20次5倍交叉驗證進行準確性評估。

SSGBLUP對于不同的群體和性狀可能會有不同的加權(quán)值，為了提高SSGBLUP對基因組育種值預(yù)測的準確性，需要首先調(diào)整的參數(shù)確定對每個性狀的最佳預(yù)測能力。

2 結(jié) 果

2.1 群體數(shù)據(jù)的基本統(tǒng)計

表型數(shù)據(jù)通過利用箱線圖法剔除異常值，(Q1-1.5*IQR)～(Q3+1.5*IQR)以外的數(shù)值。式中：Q1指第一四分位數(shù)，Q3為第三四分位數(shù)；IQR為四分位距，指第三四分位數(shù)與第一四分位數(shù)的差值。描述性統(tǒng)計見表1。

表1 產(chǎn)蛋性狀描述性統(tǒng)計結(jié)果

2.2 不同模型遺傳力估計

使用PBLUP、GBLUP、SSGBLUP三種模型估計6個性狀的遺傳力估計值見表2。結(jié)果表明,GBLUP模型估計得到的遺傳力略低于其他兩個模型的估計值。4個產(chǎn)蛋數(shù)性狀屬于低遺傳力性狀，蛋重性狀屬于中等遺傳力性狀。

表2 PBLUP、GBLUP和SSGBLUP方法估計產(chǎn)蛋性狀的遺傳力

2.3 產(chǎn)蛋性狀遺傳相關(guān)分析

產(chǎn)蛋性狀之間的遺傳相關(guān)性結(jié)果見表3。產(chǎn)蛋數(shù)之間存在強的遺傳正相關(guān)，蛋重與43周產(chǎn)蛋數(shù)存在中等的遺傳負相關(guān)，與60周產(chǎn)蛋數(shù)存在中等偏低的遺傳負相關(guān)。采用矩陣和矩陣估計的遺傳相關(guān)與基于矩陣估計的結(jié)果相似，未存在顯著性差異。

表3 產(chǎn)蛋性狀之間的遺傳相關(guān)性

2.4 計算不同w加權(quán)系數(shù)SSGBLUP預(yù)測準確性

不同加權(quán)系數(shù)下SSGBLUP對43周產(chǎn)蛋數(shù)和52周蛋重的預(yù)測準確性和秩相關(guān)見圖1、2。當(dāng)=0.3時，對產(chǎn)蛋數(shù)和蛋重的基因組育種值估計的準確性和秩相關(guān)系數(shù)最高，當(dāng)=0.3時相較于默認值=0.05時構(gòu)建的矩陣，預(yù)測準確性略有提升，但是提升幅度較小，因此下面計算依然以=0.05為加權(quán)值。

圖1 不同w加權(quán)準確性比較

2.5 不同模型對產(chǎn)蛋數(shù)和蛋重性狀育種值估計準確性比較

本研究通過5倍交叉驗證將育種值估計的準確性用表型與估計育種值的pearson相關(guān)系數(shù)表示。準確性結(jié)果和秩相關(guān)結(jié)果見表4。1)使用基因組選擇方法估計基因組育種值的準確性高于基于系譜信息預(yù)測的結(jié)果。Bayes方法相對于KAML方法和BLUP方法均有更高的準確性。2)KAML與GB-LUP估計育種值的準確性相似，Bayes A、Bayes B和Bayes C的準確性接近。3)Bayes A方法對于蛋重有最高的準確性。4)Bayes C對產(chǎn)蛋數(shù)有最高的準確性。

表4 不同方法估計育種值的準確性和秩相關(guān)結(jié)果

3 討 論

白羽肉雞產(chǎn)業(yè)在畜牧業(yè)中貢獻顯著，其飼料轉(zhuǎn)化率高，溫室氣體排放量低。雞肉中蛋白質(zhì)含量高，是一種環(huán)境友好、營養(yǎng)健康的肉類。產(chǎn)肉和產(chǎn)蛋是雞產(chǎn)業(yè)的兩大重要經(jīng)濟性狀，由于肉雞和蛋雞在這兩大經(jīng)濟性狀中的選育方向不同，導(dǎo)致肉雞在產(chǎn)蛋方面與蛋雞相差甚遠，因此肉雞在產(chǎn)蛋性狀中還有很大的選育空間。

本研究采用系譜和基因組信息估計了白羽肉雞品系產(chǎn)蛋性狀遺傳參數(shù)，產(chǎn)蛋數(shù)遺傳力為0.061～0.16，屬于低遺傳力性狀，蛋重的遺傳力為0.28～0.39，屬于中等偏高遺傳力性狀。本文PBLUP和SSGBLUP估計遺傳力的結(jié)果與在洛島紅雞報道的遺傳力結(jié)果(蛋重遺傳力0.22～0.36，產(chǎn)蛋數(shù)0.07～0.39)基本一致，但是GBLUP計算的遺傳力相較于馬贊達蘭土雞和洛島紅雞的遺傳力報道較低。GBLUP估計得到的遺傳力低于PBLUP和SSGBLUP估計的遺傳力，該情況在雞、豬和奶牛報道中也有發(fā)現(xiàn)，可能的原因是：1)本研究用的基因組信息是55 K SNP芯片，并不能完全代表基因組，并且所用的模型只估計了加性遺傳效應(yīng)，導(dǎo)致估計出的加性遺傳方差偏低；2)由于矩陣沒有定義基礎(chǔ)群體，使得基因組遺傳力估計值很可能偏低。矩陣基于血緣一致性，根據(jù)系譜第一世代的公雞和母雞，合理地確定了一個定義基礎(chǔ)群體。矩陣基于狀態(tài)一致性，缺乏系譜信息，使用研究群體作為基礎(chǔ)群體。Niknafs 等對伊朗本地品種雞的研究表明，1、8和12周齡體重與產(chǎn)蛋數(shù)之間存在低的遺傳負相關(guān)關(guān)系，因此前期體重與產(chǎn)蛋數(shù)有可能實現(xiàn)共同選育提高。

圖2 不同 w 加權(quán)秩相關(guān)比較

本研究的相關(guān)性分析結(jié)果表明，60周產(chǎn)蛋數(shù)、合格蛋數(shù)和43周產(chǎn)蛋數(shù)、合格蛋數(shù)之間是強的正遺傳相關(guān)關(guān)系，表明在選育的過程中提高43周產(chǎn)蛋數(shù)、合格蛋數(shù)的同時就可以提高60周產(chǎn)蛋數(shù)、合格蛋數(shù)。在蛋雞中研究較多的有開產(chǎn)日齡、產(chǎn)蛋數(shù)、蛋重和開產(chǎn)體重之間的關(guān)系。本研究結(jié)果表明，蛋重和產(chǎn)蛋數(shù)之間是中等的遺傳負相關(guān)(平均是-0.41)的關(guān)系。本研究只用了52周的蛋重，而在洛島紅雞中有研究表明，28、36、56、66和72周的蛋重之間是強的遺傳正相關(guān)，相關(guān)性在0.85以上。有研究報道了開產(chǎn)體重與蛋重存在中等正相關(guān)的關(guān)系；開產(chǎn)日齡與產(chǎn)蛋數(shù)是較強的遺傳負相關(guān)，開產(chǎn)日齡早的比開產(chǎn)晚的雞傾向于產(chǎn)更多蛋，開產(chǎn)體重與產(chǎn)蛋數(shù)有中等負相關(guān)的關(guān)系。De Ketelaere 等報告稱，蛋重較大可能會降低蛋殼厚度；此外，蛋重與雞蛋內(nèi)部營養(yǎng)物質(zhì)之間也有很強的遺傳正相關(guān)。因此，對蛋雞產(chǎn)蛋數(shù)的選擇要考慮蛋重的影響，過度選擇產(chǎn)蛋數(shù)可能會導(dǎo)致蛋重減小，蛋重過小會影響孵化率和雛雞質(zhì)量。相反，肉種雞的體型較大，蛋重通常也較大，因此控制一定的蛋重對于提高產(chǎn)蛋數(shù)和保持蛋品質(zhì)是必要的。

本研究重點比較了KAML、PBLUP、GBLUP、SSGBLUP、Bayes A、Bayes B和Bayes C7種方法對白羽肉雞產(chǎn)蛋數(shù)和蛋重性狀的育種值預(yù)測準確性。Bayes方法比KAML和BLUP方法有更高的準確性，這與Wu等和Habier等在奶牛群體和模擬數(shù)據(jù)中的研究結(jié)果一致。其原因是，與BLUP模型相比，Bayes模型更好地利用了SNP的連鎖不平衡信息，并且更適合于標記密度增加的基因組預(yù)測以及參考群和候選群之間親緣關(guān)系較遠的情況。3種Bayes模型計算出來的準確性較一致，它們之間的區(qū)別在于:一是對每個SNP具有的效應(yīng)假設(shè)不同，Bayes A假設(shè)每個SNP都具有效應(yīng)，且效應(yīng)不同；Bayes B假設(shè)只有一部分SNP具有效應(yīng)，且效應(yīng)不同；Bayes C假設(shè)一部分SNP具有相同的效應(yīng)。二是Bayes C將 SNP 具有零影響的先驗概率視為未知，而Bayes A認為=0，Bayes B認為>0。計算效率是基因組選擇與基因組預(yù)測在實際應(yīng)用中的一個重要要求，這往往阻礙了Bayes方法的應(yīng)用，導(dǎo)致BLUP模型成為基因組選擇與基因組預(yù)測方法中應(yīng)用最廣泛的方法之一。

KAML方法與GBLUP和SSGBLUP方法估計育種值準確性相近，在Yin等的報道中表明,KAML方法預(yù)測準確性顯著高于GBLUP方法，與Bayes方法準確性相似，與本研究的結(jié)果不同。KAML方法提高預(yù)測準確性的方式是通過全基因組關(guān)聯(lián)分析找到目標性狀的顯著相關(guān)位點，然后根據(jù)這些位點的貢獻賦予更大權(quán)重后進行育種值估計。本研究使用的是55 K SNP芯片，并不能完全代表雞的整個基因組，全基因組關(guān)聯(lián)分析可能找不到準確的顯著相關(guān)位點；同時產(chǎn)蛋數(shù)和蛋重性狀是由微效多基因控制，顯著效應(yīng)位點較少。

基因組選擇中常用的BLUP方法有GBLUP和SSGBLUP，GBLUP是根據(jù)SNP標記信息構(gòu)建的基因組關(guān)系矩陣，GBLUP假設(shè)的是基因組中的每個SNP均具有效應(yīng)，且對總方差的效應(yīng)是相等的。由于GBLUP的計算要求所有個體具有基因型，而對于群體較大，個體價值小的經(jīng)濟動物，對全部個體基因分型成本較高，因此SSGBLUP方法的提出很快得到了應(yīng)用。該方法將基于系譜關(guān)系構(gòu)建的矩陣與標記信息構(gòu)建的矩陣結(jié)合構(gòu)成新的矩陣。通過兩方面信息的整合可以使用更多的記錄信息，減少基因分型成本，提高育種值估計的準確性。SSGBLUP受到芯片密度、群體系譜深度和完整性等因素的影響，不同群體、不同性狀矩陣的矩陣和矩陣加權(quán)系數(shù)可能會有不同影響，因此在使用SSGBLUP時檢驗矩陣中兩者的最佳權(quán)重是有必要的，本研究結(jié)果顯示在本群體中調(diào)整權(quán)重對準確性有小幅度的提升，但是提升不顯著，因此在實施SSGBLUP時依然以=005為加權(quán)值是可行的。

育種值估計準確性表明，SSGBLUP預(yù)測產(chǎn)蛋數(shù)的準確性高于GBLUP和PBLUP，其原因在于SSGBLUP結(jié)合了系譜信息和基因組信息，相比于GBLUP，加入系譜信息可以補充SNP無法解釋的遺傳方差，可以提高預(yù)測的準確性。本研究也表明，GBLUP的預(yù)測準確性高于PBLUP，可能的原因是PBLUP通過系譜估計親緣關(guān)系是一個經(jīng)驗值，無法準確識別半同胞和全同胞個體之間的親緣關(guān)系，得到的是一個期望的推斷值，略差于基因組信息估計的親緣關(guān)系。在其他物種中也表現(xiàn)出以上的結(jié)果，Habier等報道，GBLUP對于育種值的估計相較于傳統(tǒng)PBLUP方法更加準確。在豬中，基因組選擇技術(shù)對生長速度、飼料轉(zhuǎn)化率、產(chǎn)仔數(shù)、肉品質(zhì)、抗病力等指標普遍具有較高的育種值估計準確性。Yan等對1 344只雞進行基因分型，以28周體重、蛋重、產(chǎn)蛋量和哈氏單位4個性狀為研究對象，發(fā)現(xiàn)SSGBLUP比基于系譜的PBLUP的準確性提高了16%。

4 結(jié) 論

本研究以白羽肉雞作為研究群體，以產(chǎn)蛋性狀為研究對象，通過PBLUP、GBLUP、SSGBLUP估計不同時期產(chǎn)蛋數(shù)和蛋重的遺傳力與遺傳相關(guān)，表明產(chǎn)蛋數(shù)性狀是低遺傳力性狀，蛋重是中等遺傳力性狀，43周和60周產(chǎn)蛋數(shù)之間是強的遺傳正相關(guān)的關(guān)系，產(chǎn)蛋數(shù)與蛋重是中等遺傳負相關(guān)關(guān)系。比較7種方法的育種值估計準確性表明，機器學(xué)習(xí)方法KAML與GBLUP方法的準確性相似；Bayes方法預(yù)測準確性高于KAML和BLUP方法；BLUP方法中SSGBLUP方法預(yù)測產(chǎn)蛋數(shù)性狀準確性最高；GBLUP預(yù)測蛋重性狀準確性最高。研究結(jié)果顯示基因組選擇顯著優(yōu)于傳統(tǒng)的選擇方法。