克隆自InDel片段的与猪毛色性状相关的分子标记

    公开(公告)号:CN110408707A

    公开(公告)日:2019-11-05

    申请号:CN201910680292.0

    申请日:2019-07-23

    IPC分类号: C12Q1/6888 C12N15/11

    摘要: 本发明属于猪分子标记筛选技术领域,具体涉及克隆自InDel片段的与猪毛色性状相关的分子标记。该分子标记通过整合NCBI数据库和欧洲生物信息研究所中公开的包含58个品种的469头猪的重测序数据,对比猪参考基因组序列获得基因分型数据,根据全基因组关联分析(GWAS)得到一种与猪毛色性状相关的分子标记,即发生在Chr 11:50076946bp处的缺失,由原片段CTGGGAACTT缺失为C,具体核苷酸序列如SEQ ID NO:1所示。当个体基因型为CC时,有利于个体拥有渐变带毛色。本发明公开了筛选猪毛色性状相关分子标记的方法及其关联分析的应用,为猪毛色性状的标记辅助选择提供了新的InDel分子标记。

    克隆自CNV片段的与猪耳形性状相关的分子标记

    公开(公告)号:CN110373477A

    公开(公告)日:2019-10-25

    申请号:CN201910680683.2

    申请日:2019-07-23

    IPC分类号: C12Q1/6888 C12N15/11

    摘要: 本发明属于猪分子标记筛选技术领域,具体涉及克隆自CNV片段的与猪耳形性状相关的分子标记。该分子标记为通过整合NCBI数据库和欧洲生物信息研究所公开的包含58个品种的469头猪的重测序数据,对比猪参考基因组序列获得基因分型数据,根据全基因组关联分析(GWAS)技术得到一种与猪耳形性状关联的拷贝数变异分子标记(CNV),当个体拥有该片段的多拷贝(拷贝数>3)时,则有利于猪拥有非直立的耳形,该片段的核苷酸序列如序列表中所示。公开了筛选与猪耳形相关分子标记的方法及其关联分析方法的应用。本发明为猪耳形的标记辅助选择提供了遗传标记资源。

    克隆自CNV片段的与猪耳形性状相关的分子标记

    公开(公告)号:CN110373477B

    公开(公告)日:2021-05-07

    申请号:CN201910680683.2

    申请日:2019-07-23

    IPC分类号: C12Q1/6888 C12N15/11

    摘要: 本发明属于猪分子标记筛选技术领域,具体涉及克隆自CNV片段的与猪耳形性状相关的分子标记。该分子标记为通过整合NCBI数据库和欧洲生物信息研究所公开的包含58个品种的469头猪的重测序数据,对比猪参考基因组序列获得基因分型数据,根据全基因组关联分析(GWAS)技术得到一种与猪耳形性状关联的拷贝数变异分子标记(CNV),当个体拥有该片段的多拷贝(拷贝数>3)时,则有利于猪拥有非直立的耳形,该片段的核苷酸序列如序列表中所示。公开了筛选与猪耳形相关分子标记的方法及其关联分析方法的应用。本发明为猪耳形的标记辅助选择提供了遗传标记资源。

    克隆自InDel片段的与猪毛色性状相关的分子标记

    公开(公告)号:CN110408707B

    公开(公告)日:2021-02-12

    申请号:CN201910680292.0

    申请日:2019-07-23

    IPC分类号: C12Q1/6888 C12N15/11

    摘要: 本发明属于猪分子标记筛选技术领域,具体涉及克隆自InDel片段的与猪毛色性状相关的分子标记。该分子标记通过整合NCBI数据库和欧洲生物信息研究所中公开的包含58个品种的469头猪的重测序数据,对比猪参考基因组序列获得基因分型数据,根据全基因组关联分析(GWAS)得到一种与猪毛色性状相关的分子标记,即发生在Chr 11:50076946bp处的缺失,由原片段CTGGGAACTT缺失为C,具体核苷酸序列如SEQ ID NO:1所示。当个体基因型为CC时,有利于个体拥有渐变带毛色。本发明公开了筛选猪毛色性状相关分子标记的方法及其关联分析的应用,为猪毛色性状的标记辅助选择提供了新的InDel分子标记。

    一种高效可并行运算且高准确性的全基因组选择方法

    公开(公告)号:CN110610744B

    公开(公告)日:2020-10-23

    申请号:CN201910858021.X

    申请日:2019-09-11

    IPC分类号: G16B50/30 G16B20/20 G16B25/00

    摘要: 本发明涉及动植物育种及人类疾病预测技术领域,提供一种高效可并行运算且高准确性的全基因组选择方法。首先读取原始基因型文件和表型文件,构建新的基因型文件和表型文件,计算所有个体间的亲缘关系矩阵;然后提取新的表型文件中所有个体作为参考群,提取原始基因型文件中无表型数据的所有个体作为预测群;接着利用参考群数据进行全基因组关联分析,提取全基因组关联分析的结果特征;构建性状特异的模型库,采用交叉验证策略,依次优化最佳固定效应、最佳随机效应,从模型库中选取最优预测模型;最后,利用最优预测模型,计算预测群的基因组估计育种值。本发明能够快速准确且稳定地预测出个体基因组育种值,提升全基因组选择的准确性及效率。

    一种高效可并行运算且高准确性的全基因组选择方法

    公开(公告)号:CN110610744A

    公开(公告)日:2019-12-24

    申请号:CN201910858021.X

    申请日:2019-09-11

    IPC分类号: G16B50/30 G16B20/20 G16B25/00

    摘要: 本发明涉及动植物育种及人类疾病预测技术领域,提供一种高效可并行运算且高准确性的全基因组选择方法。首先读取原始基因型文件和表型文件,构建新的基因型文件和表型文件,计算所有个体间的亲缘关系矩阵;然后提取新的表型文件中所有个体作为参考群,提取原始基因型文件中无表型数据的所有个体作为预测群;接着利用参考群数据进行全基因组关联分析,提取全基因组关联分析的结果特征;构建性状特异的模型库,采用交叉验证策略,依次优化最佳固定效应、最佳随机效应,从模型库中选取最优预测模型;最后,利用最优预测模型,计算预测群的基因组估计育种值。本发明能够快速准确且稳定地预测出个体基因组育种值,提升全基因组选择的准确性及效率。