# GS

**Repository Path**: antcoding/gs

## Basic Information

- **Project Name**: GS
- **Description**: 全基因组选择（Genomic selection, GS）是一种利用覆盖全基因组的高密度标记进行选择育种的新方法，可通过早期选择缩短世代间隔，提高育种值（Genomic Estimated Breeding Value, GEBV）估计准确性等加快遗传进展，尤其对低遗传力、难测定的复杂性状具有较好的预测效果，真正实现了基因组技术指导育种实践。
- **Primary Language**: R
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 2
- **Forks**: 3
- **Created**: 2021-05-18
- **Last Updated**: 2023-10-20

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# GS

#### 介绍
全基因组选择（Genomic selection, GS）是一种利用覆盖全基因组的高密度标记进行选择育种的新方法，可通过早期选择缩短世代间隔，提高育种值（Genomic Estimated Breeding Value, GEBV）估计准确性等加快遗传进展，尤其对低遗传力、难测定的复杂性状具有较好的预测效果，真正实现了基因组技术指导育种实践。

包括："gBLUP","cBLUP","sBLUP"三种方法

###### gBLUP：

SNP构建G矩阵，放到混线性模型中，基于SUPER方法SUPER BLUP（sBLUP）命名BLUP。sBLUP的亲属关系与GWAS的亲属关系之间的一个细微差别是sBLUP没有排除过程，该过程被排除为将LD中与GWAS的测试标记物相关的标记物排除在外。所有使特定性状的可能性最大化的标记均用于推导sBLUP的亲属关系。

###### sBLUP：

sBLUP使用关联的标记来推导公式中的亲属关系。在sBLUP中，所有相关的标记都基于它们在染色体上的位置被分组到bin中。在所有标记上执行GWAS之后，将整个基因组分为具有s个碱基对大小的条带。每个垃圾箱由垃圾箱内的最高有效标记表示。使用公式将顶部的*t个*重要区间选择为*W*矩阵，以计算亲缘关系。

###### cBLUP：

用个体对应组的随机效应代替了个体的随机效应。根据个体之间的亲属关系将个体压缩（分组）成组。我们将这种方法用于GWAS，并证明它提高了基因定位的统计能力。对于这项当前研究中的基因组预测，我们首先将个体分为几类，无论这些个体是否具有表型。然后，我们确定给出最佳可能性的最佳分组基于具有表型的个体。我们将这种新的BLUP变体压缩BLUP命名为cBLUP