如何使用GWAS+GS的方法提升基因组选择预测的准确性

GWAS+GS

如果SNP位点解释百分比比较高，为主效QTL，可以使用分子标记辅助MAS进行育种选择。

对于育种群体，常用的GWAS方法有MLM和GLM模型，而很多育种群体有多年多点的数据（植物、林木），需要考虑G by E。对于动物育种群体，有重复力模型、窝别模型等GWAS模型，挖掘位点更准确。

ASRgwas软件包，是一个以asreml为核心的GWAS分析R包，它支持多年多点、多个随机因子（母体效益、重复力效益、窝别效益），支持地点异质残差（多年多点数据），支持阈值性状的MLM模型，是挖掘育种群体GWAS分析，获得显著性位点的非常好用并且实用的工具。

对于显著性的SNP位点，可以使用asreml软件，进行MAS分析，可以利用系谱信息，使用MAS-blup方法进行育种选择。

如果SNP位点解释度比较低，可以将这些SNP放到GS模型中，asreml支持两种形式：

第一种：将SNP位点作为固定因子协变量，将估计个体的BLUP值，另外估计SNP的效应值，然后BLUP+snp效应值作为最终的育种值进行筛选。

第二种：将SNP位点构建亲缘关系G矩阵，与其它位点构建G矩阵，然后都作为随机因子，计算个体的BLUP1和BLUP2，最后将两者相加，作为最终的育种值进行筛选。

上面就是GWAS+ GS 提升预测准确性的方法，这些方法都可以在asrmel中实现。

如果您对这一块感兴趣，还请参加我们5月10-11日举办的ASReml培训班。