Modelowanie danych hodowlanych
1. Wykład wstępny 2. Algebra macierzowa 3. Wykorzystanie różnych źródeł informacji w predykcji wartości hodowlanej 4. Kowariancja genetyczna pomiędzy spokrewnionymi osobnikami 5. Best Linear Unbiased Prediction (BLUP): model jednocechowy z pojedynczym efektem losowym 6. Best Linear Unbiased Prediction (BLUP): model wielocechowy 7. Metody redukcji wymiarów modeli wielocechowych BLUP 8. Analiza danych powtarzalnych w czasie 9. Predykcja genomowej wartości hodowlanej 10. Rozwiązywanie układu równań liniowych 11. Analiza przeżycia 12. Estymacja parametrów genetycznych 13. Spotkanie z osobą praktycznie zaangażowaną w prowadzenie rutynowej oceny wartości hodowlanej bydła 14. Podsumowanie tematyki przedmiotu. Dyskusja.
1. Model predykcji 2. Rutynowa ocena genomowej wartości hodowlanej w Polsce 3. Ocena genomowej wartości hodowlane na świecie 4. Literatura egzamin Copyright 2016, Joanna Szyda
Model predykcji
Genotypy SNP [Header] BSGT Version 3.2.32 Processing Date 11/24/2008 10:14 AM Content BovineSNP50_A.bpm Num SNPs 54001 Total SNPs 54001 Num Samples 32 Total Samples 1054 [Data] SNP Name Sample ID SNP GC Score Index Allele1 - AB Allele2 - AB Chr Position GT Score ARS-BFGL-BAC-10172 4408169492_K 0.883 1B B 14 4736993 0.849 ARS-BFGL-BAC-1020 4408169492_K 0.899 2B B 14 6339014 0.8626 ARS-BFGL-BAC-10245 4408169492_K 0.6582 3B B 14 30073020 0.71 ARS-BFGL-BAC-10345 4408169492_K 0.9092 4A B 14 4497877 0.8721 ARS-BFGL-BAC-10365 4408169492_K 0.8021 5B B 14 25140301 0.833 ARS-BFGL-BAC-10375 4408169492_K 0.8858 6A B 14 4983527 0.8513 ARS-BFGL-BAC-10591 4408169492_K 0.867 7A B 14 15446975 0.8363 ARS-BFGL-BAC-10793 4408169492_K 0.8722 8B B 14 27452258 0.8403 ARS-BFGL-BAC-10867 4408169492_K 0.9316 9A B 14 32700054 0.8949 ARS-BFGL-BAC-10919 4408169492_K 0.7805 10A B 14 29520816 0.778 ARS-BFGL-BAC-10952 4408169492_K 0.9314 11B B 10 19315327 0.8947 ARS-BFGL-BAC-10960 4408169492_K 0.6543 12B B 10 21056606 0.7079 ARS-BFGL-BAC-10975 4408169492_K 0.8622 13A B 10 21682679 0.8358 ARS-BFGL-BAC-10986 4408169492_K 0.8687 14A B 10 25897020 0.8376 ARS-BFGL-BAC-10993 4408169492_K 0.8146 15A B 10 80403647 0.7993 ARS-BFGL-BAC-11000 4408169492_K 0.9135 16A A 10 81191638 0.8762 Copyright 2016, Joanna Szyda
Model predykcji efektów SNP Ocena efektów SNP ( zbiór referencyjny) y = Xβ + Z q q + Z a a + e y wartości hodowlane po deregresji β efekty stałe q efekt SNP q ~ N 0, G 1 "0" 1 w σ2 G = a N SNP "0" 1 Z q { -1, 0, 1 } Copyright 2019, Joanna Szyda
Model predykcji efektów SNP Ocena efektów SNP ( zbiór referencyjny) y = Xβ + Z q q + Z a a + e a resztkowy efekt poligeniczny a ~ N 0, A a ii a ij a ij A = a ji a ji a ii a ji a ij a ii 2 wσ a w { 0, 0.05, 0.10, etc. } Z a { 0, 1 } Copyright 2019, Joanna Szyda
Model predykcji efektów SNP Ocena efektów SNP ( zbiór referencyjny) y = Xβ + Z q q + Z a a + e e błąd e ~ N 0, R R = 1 EDC i "0" "0" 1 EDC i 1 EDC i σ e 2 Copyright 2019, Joanna Szyda
Model predykcji efektów SNP Ocena efektów SNP ( zbiór referencyjny) iteration on data with residual update Legarra i Misztal, 2008 Copyright 2016, Joanna Szyda
Obliczanie bezpośredniej wartości hodowlanej Obliczanie genomowej wartości hodowlanej DGV Direct Genomic Value Wszystkie i DGV = Xβ + Z q q + e Copyright 2019, Joanna Szyda
Obliczanie bezpośredniej wartości hodowlanej Obliczanie dokładności genomowej wartości hodowlanej Stranden i Garrick, 2009 y wartości hodowlane po deregresji µ średnia g DGV g ~ N 0, A g VanRaden, 2008 Z macierz wystąpień e błąd e ~ N(0,R) Copyright 2019 Joanna Szyda
Obliczanie bezpośredniej wartości hodowlanej Obliczanie dokładności genomowej wartości hodowlanej dokładność DGV Copyright 2019, Joanna Szyda
Obliczanie bezpośredniej wartości hodowlanej Aproksymacja dokładności genomowej wartości hodowlanej y = b 0 +b 1 d + e y debv b 0 wyraz wolny b 1 współczynnik regresji d DGV e błąd R 2 dokładność DGV Jednakowa dokładność dla każdego osobnika Copyright 2017, Joanna Szyda
Obliczanie genomowej wartości hodowlanej Obliczanie kombinowanej wartości hodowlanej GEBV Genomically enhanced breeding value zbiór referencyjny i zbiór testowy Copyright 2019, Joanna Szyda
Rutynowa ocena genomowej wartości hodowlanej w Polsce
Wyniki oceny rutynowej Rutynowa ocena genomowa Instytut Zootechniki Copyright 2019, Joanna Szyda
Genomowa ocena rutynowa - serwer Baza danych genotypów w IZ Dedykowany serwer obliczeniowy IZ Oprogramowanie bash shell Fortran SAS Findhap Copyright 2019, Joanna Szyda
Genomowa ocena rutynowa baza danych SNP 35,000 Liczba zgenotypowanych osobników 12/2018 98 411 30,000 25,000 20,000 15,000 10,000 5,000 0 EuroGen LD 13674 GeneSeek HD 76883 GeneSeek LD 8762 Illumina LD 6909 Illumina 54Kv1 54001 Illumina 54Kv2 54609 Illumina 54Kv3 53218 Copyright 2019, Joanna Szyda
Genomowa ocena rutynowa baza danych SNP 3,500 Liczba nowozgenotypowanych osobników 12/2018 3 550 3,000 2,500 2,000 1,500 1,000 500 0 EuroGen LD 13674 GeneSeek HD 76883 GeneSeek LD 8762 Illumina LD 6909 Illumina 54Kv1 54001 Illumina 54Kv2 54609 Illumina 54Kv3 53218 Copyright 2019, Joanna Szyda
Genomowa ocena rutynowa baza danych SNP Łatwy, szybki eksport/import danych dla populacji referencyjnej Łatwy, szybki eksport/import danych dla młodych osobników Rutynowy backup Automatyczna imputacja: wszystkie chipy 50K Statystyki podsumowujące jakość genotypowania i imputacji Weryfikacja pochodzenia SNP + standardy ICAR Porównywanie genotypów Copyright 2017, Joanna Szyda
ANG BDE CR1 CR2 CRC CWI DLO FAN FAT FTL FTP FUA INT MIL OCS OFL OUS PRO RAN RLR RLS RTP RUH RWI SCS SIZ STA TYP UDE USU UWI Genomowa ocena rutynowa populacja referencyjna 35,000.00 Liczba osobników referencyjnych 12/2018 30,000.00 25,000.00 20,000.00 15,000.00 10,000.00 5,000.00 0.00 Copyright 2019, Joanna Szyda
Genomowa ocena rutynowa populacja referencyjna ANG BDE CR1 CR2 CRC CWI DLO FAN FAT FTL FTP FUA INT MIL OCS OFL OUS PRO RAN RLR RLS RTP RUH RWI SCS SIZ STA TYP UDE USU UWI 90,000.00 Liczba osobników testowych 12/2018 80,000.00 70,000.00 60,000.00 50,000.00 40,000.00 30,000.00 20,000.00 10,000.00 0.00 Copyright 2019, Joanna Szyda
Genomowa ocena rutynowa obliczenia rutynowe Ocena rutynowa wszystkich buhajów o 6 razy w roku o Przygotowanie i weryfikacja danych o Obliczanie efektów SNP o Obliczanie DGV, GEBV, dokładności o Przygotowanie danych do Interbull o Przygotowanie plików wynikowych dla hodowców Copyright 2019, Joanna Szyda
Genomowa ocena rutynowa obliczenia rutynowe Oceny dodatkowe dla młodych buhajów o na życzenie o Przygotowanie i weryfikacja danych o Obliczanie efektów SNP o Obliczanie DGV, GEBV, dokładności o Przygotowanie danych do Interbull o Przygotowanie plików wynikowych dla hodowców Copyright 2017, Joanna Szyda
Genomowa ocena rutynowa obliczenia nierutynowe Modyfikacje modelu oceny Walidacja Interbull Selekcja genomowa dla nowych cech Badania naukowe Copyright 2017, Joanna Szyda
Genomowa ocena rutynowa Estymacja efektów SNP ~ 4 godziny / cecha Pełny przebieg oceny ~ 10 godzin / cecha Copyright 2016, Joanna Szyda
Ocena genomowej wartości hodowlane na świecie
Selekcja genomowa na świecie - kraje Australia Belgia Czechy Kanada kraje skandynawskie Francja Niemcy + Austria Wielka Brytania Węgry Irlandia Włochy Japonia Nowa Zelandia Polska Słowienia Hiszpania Szwajcaria USA Holandia Copyright 2019, Joanna Szyda
Selekcja genomowa na świecie - rasy Holsztyńsko-Fryzyjska 19/19 Jersey 5/19 Brown swiss 7/19 Red 3/19 Montbéliarde 1/19 Normande 1/19 Simmental 2/19 Guernsey 2/19 Copyright 2019, Joanna Szyda
Selekcja genomowa na świecie - cechy Produkcja 19/19 Pokrój i typ 13/19 Zdrowotność wymienia 13/19 Długowieczność 10/19 Płodność 12/19 Łatwość wycieleń 9/19 Workability 5/19 Copyright 2019, Joanna Szyda
Polska selekcja genomowa na świecie Warszawa, 2012 R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright 2016, Joanna Szyda
Polska selekcja genomowa na świecie Warszawa, 2012 R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright 2016, Joanna Szyda
Polska selekcja genomowa na świecie Pierwsza walidacja GEBV przez Interbull, 08.2010 R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright 2016, Joanna Szyda
Literatura
Literatura 1. Schaeffer 2006 http://onlinelibrary.wiley.com/doi/10.1111/j.1439-0388.2006.00595.x/pdf R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright 2016, Joanna Szyda
Literatura 2. Legarra i Misztal 2008 http://download.journals.elsevierhealth.com/pdfs/journals/0022-0302/piis0022030208714711.pdf R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright 2016, Joanna Szyda
Literatura 3. vanraden 2008 http://download.journals.elsevierhealth.com/pdfs/journals/0022-0302/piis0022030208709901.pdf R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright 2016, Joanna Szyda
Literatura 4. Stranden i Garrick 2009 http://download.journals.elsevierhealth.com/pdfs/journals/0022-0302/piis0022030209706137.pdf R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright 2016, Joanna Szyda
Literatura 5. Szyda, Żarnecki, Suchocki, Kamiński 2011 http://nce.ads.uga.edu/~ignacy/genomic-blupf90/papers/ignacio_g_compute_jabg.pdf R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright 2016, Joanna Szyda
Literatura 6. Aguilar, Misztal, Legarra i Tsuruta 2011 http://nce.ads.uga.edu/~ignacy/genomic-blupf90/papers/ignacio_g_compute_jabg.pdf R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright 2016, Joanna Szyda
Literatura 7. Liu, Goddard, Reinhardt, Reents 2014 http://www.journalofdairyscience.org/article/s0022-0302(14)00489-5/pdf R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright 2016, Joanna Szyda
Literatura 7. Misztal & Legarra 2017 https://doi.org/10.1017/s1751731116002366 R.A. Mrode 2005 Linear Models for the Prediction of Animal Breeding Values Copyright 2019, Joanna Szyda
1. Model predykcji 2. Rutynowa ocena genomowej wartości hodowlanej w Polsce 3. Ocena genomowej wartości hodowlane na świecie 4. Literatura egzamin