摘要:全基因组选择(Genome Selection)是利用覆盖全基因组范围的分子标记进行标记辅助选择的新技术,在动物育种的应用中受到越来越多的关注.全基因组选择的计算方法大致分为两类:一类是以GBLUP为代表的直接法,通过构建个体间亲缘关系矩阵等一系列矩阵运算获得所有个体的基因组估计育种值,因其计算速度较快,在动物育种中应用最为广泛,然而动物数量性状遗传机制复杂,GBLUP假设所有标记都具有相同效应,且来源于同一分布,限制了GBLUP的预测准确度;另一类是以Bayes回归为代表的间接法,此类方法将标记进行分类,并赋予每类标记不同的效应分布,由于其假设灵活地符合不同性状的遗传结构,因此相比于GBLUP具有更高的准确性,但是参数求解过程中需要上万次的蒙特卡洛马尔科夫链迭代,且理论上该过程不可并行运算,庞大的计算时间制约了Bayes回归方法在育种生产中的应用.