Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε

Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε

GENOMSKA SELEKCIJA Oddelek za zootehniko

Παρόμοιες παρουσιάσεις


Παρουσίαση με θέμα: "GENOMSKA SELEKCIJA Oddelek za zootehniko"— Μεταγράφημα παρουσίασης:

1 GENOMSKA SELEKCIJA Oddelek za zootehniko
Katedra za znanosti o rejah živali dr. Klemen Potočnik, dr. Gregor Gorjanc

2 Teme Selekcija F → PV → GV Razvoj genomske selekcije
Aplikacija v selekcijo domačih živali Genomska selekcija v govedoreji Mendarodni nivo Nacionalni nivo Razvoj Uporaba v praksi Izzivi, ki nas čakajo

3 CILJ = Napredek – spreminjanje populacije!!
Selekcija “Izbor (odbira) najboljših posameznikov z namenom, da izboljšamo populacijo” Merimo fenotip  fenotipska vrednost CILJ = Napredek – spreminjanje populacije!!

4 Fenotip = Genotip + Okolje

5 Genotipska vrednost PV GPV, DGV Odstopanja - razlike zaradi okolja
V praksi poznamo le … Okolje Okolje Genotip Genotipska vrednost PV GPV, DGV Odstopanja - razlike zaradi okolja Fenotip Fenotipska vrednost

6 Plemenska vrednost (PV)
Skupni učinek genov, ki se prenaša na potomce Ocenjujemo na podlagi podobnosti med sorodniki

7 Preizkus na potomcih C . . .

8 Točnost h2 Točnost (r) Število potomcev
rfun <- function(n, h2) sqrt(n / (n + (4 - h2) / h2)) n <- seq(1, 100) h2 <- seq(0.1, 0.8, 0.1) pdf(file="R.pdf", width=25.5/2.54, height=17/2.54, pointsize=24) par(bty="l", mar=c(4, 4, 1, 1) + 0.1, pty="m") plot(rfun(n=n, h2=h2[1]), type="l", xlim=range(n), ylim=c(0, 1), xlab="n", ylab="r", lwd=4) lines(rfun(n=n, h2=h2[2]), type="l", lwd=4) lines(rfun(n=n, h2=h2[3]), type="l", lwd=4) lines(rfun(n=n, h2=h2[4]), type="l", lwd=4) lines(rfun(n=n, h2=h2[5]), type="l", lwd=4) lines(rfun(n=n, h2=h2[6]), type="l", lwd=4) lines(rfun(n=n, h2=h2[7]), type="l", lwd=4) lines(rfun(n=n, h2=h2[8]), type="l", lwd=4) dev.off()

9 Poenostavljena shema SP
POPULACIJA KRAV BIKO. MATI Spremljanje lastnosti - kontrola: Poreklo, Prireja, Telesne lastnosti, PV(Prireja, …, Agregatni genotip) Biki v direktnem testu: Dnevni prirast, Telesne lastnosti, PV Prednikov PROGENI TEST AI → OC Izločitev Biološki test: ♂♀ C.E.,Con., Gen. Def. Pitovne in kla. l.: ♂ Kom. & Mes. p. Telesne lastnosti:♀ prvesnice Prireja & Repro.: ♀ Kom. & Mle. p. Naravni pripust PV – Rejski cilji Elitni biki AI biki

10 Dosedanji dosežki – SVN-LS

11 Genetski napredek ΔG = (i × r × σa) / g i – intenzivnost selekcije
50 % odbranih  i ≈ 0,8 5 % odbranih  i ≈ 2,0 r – točnost plemenskih vrednosti povprečje staršev  r ≈ 60 % za mlečnost preizkus na potomcih  r ≈ 95 % za mlečnost σa – standardni odklon plemenskih vrednosti g – generacijski interval ≈ 6 let – bik progeni test ≈ 1 leto – genomsko testiran

12 Genomska selekcija

13 Genom goveda 30 parov kromosomov ≈3 milijarde baznih parov
≈ genov (≈ skupnih s človekom)

14 SNP čipi 12 AB 12 AA BB

15 Genomski podatki Genom ≈ 3 milijarde baznih parov SNP označevalci
SNP genotipizacija (LD) (LD) (50K) (HD) Sekvenca 1: 1: 1:55.000 1:4.000 1:1

16 Kromosom od očeta Kromosom od mame Gen - Gen + Označevalci (markerji)

17 V praksi poznamo le … Okolje Okolje Genotip
Genotipska vr. QTL + ocena učinka SNP + ocena učinka Odstopanje zaradi okolja Fenotip Fenotipska vrednost

18 Pregled po vrstah Rodica, 2009

19 Stanje pri psih Že vrsto let v uporabi 60 k čip
V praksi se izvaja selekcija za pse vodnike slepih Lastnosti obnašanja in dolgoživosti Dobri rezultati, validacija na telesnih lastnostih Ekonomsko upravičeno, 2 leti šolanja, nato ustvarjanje vezi pes-človek

20 Stanje pri konjih 60 k čip, morda oz. verjetno že več Osteohondroza
Velike razlike med pasmami Dirkalni ‘enostavne’ lastnosti Športni ‘kompleksne’ lastnosti Konjerejci ne želijo jasne slike (-) Relativno majhne populacije, slabo definirani cilji Ekonomska učinkovitost vsaj pri športnih in dirkalnih konjih verjetno ni vprašljiva

21 Stanje pri perutnini - kokoši
Od leta 2007 15 k čip Predrago za brojlerje V uporabi pri nesnicah Zaradi inbridinga in velikosti-majhnosti genoma, zadošča manjši čip – a razlike med linijami Lastnosti so dobro oz. enostavne za definicijo Zelo dobri rezultati, visoka zanesljivost ocene Vse financira največja selekcijska hiša na svetu

22 Stanje pri prašičih Od januarja 2009 60 k čip
Lastnosti so dobro definirane Verjetno bodo dobri rezultati, kako bo z gospodarsko učinkovitostjo?

23 Stanje pri govedu Rodica, 2009

24 Leto 2009 – IB TW SLU NE povezovanje - sodelovanje
Diktiranje tempa dežel z velikimi populacijimi Vprašljiv obstoj Interbull-a Nima rešitve NLD, ZDA, NZL, AUS Skepsa v uspešnost implementacije Detekcija možnosti za InterGenomics RJ ICAR pravila, G PV ≠ testiran bik (N hčera)

25 Leto 2010 InterGenomics A, D, F, I, Ch, Si, ZDA Ideja IGenoP
Testni obračun 3392 bikov Ideja IGenoP Razmišljanje o povezovanju Implementacija GS na nacionalnem nivoju

26 Interbull GMACE test YEAR DATA SUBMISSION RESULTS RELEASE 2010 July 12
August 9 November 2 November 30 2011 May 9 June 6 July 4 August 1 October 31 November 28 2012 January 23 February 13 April 12 May 7 July 16 August 6 October 29 November 19

27 Leto 2011 LD 6k čip Optimizem glede izmenjave podatkov InterGenomics
Manjša napaka pri imputaciji glede na 3k Rutina za ♀ tudi v Evropi Optimizem glede izmenjave podatkov InterGenomics Zaključek projekta Rutina na Interbullu Nadaljevanje razvoja

28 Metode - postopki GS Odvzem vzorca tkiva Izolacija DNK Genotipizacija
Izračun G PV Objava in interpretacija rezultatov Odbira

29 Odvzem – pridobitev vzorca

30 Odvzem – pridobitev vzorca

31 Genotipizacija

32 Genotipizacija - rezultati

33 a = (α1,i + α1,j ) + (α2,i + α2,j ) + … + (αk,i + αk,j )
Izračun G PV Ideja: ocenimo učinke SNP na referenčni populaciji (poznan fenotip ali PV in genotip)  SNP enačba SNP enačbo lahko uporabimo tudi na osebkih brez fenotipa, npr. novorojenih teletih SNP enačba a = (α1,i + α1,j ) + (α2,i + α2,j ) + … + (αk,i + αk,j ) SNP praviloma niso v genih, so pa mogoče blizu genov!!!  potrebno obdržati kontrolo prireje!!!

34 Točnost (R2) skozi čas - biki
Mlečnost Dolgoživost r ~ 0,8 Točnost (R2) Točnost (R2) r ~ 0,6 Starost (leta) Starost (leta) Reents (2010)

35 Točnost (R2) skozi čas - krave
Mlečnost Dolgoživost r ~ 0,8 Točnost (R2) Točnost (R2) r ~ 0,6 Starost (leta) Starost (leta) Reents (2010)

36 Poenostavljena shema SP
POPULACIJA KRAV BIKO. MATI Spremljanje lastnosti - kontrola: Poreklo, Prireja, Telesne lastnosti, PV(Prireja, …, Agregatni genotip) Biki v direktnem testu: Dnevni prirast, Telesne lastnosti, PV Prednikov PROGENI TEST AI → OC Izločitev Biološki test: ♂♀ C.E.,Con., Gen. Def. Pitovne in kla. l.: ♂ Kom. & Mes. p. Telesne lastnosti:♀ prvesnice Prireja & Repro.: ♀ Kom. & Mle. p. Naravni pripust PV – Rejski cilji Elitni biki AI biki

37 Genetski napredek - govedo
Večji genetski napredek Mladi biki – povprečje staršev ΔG = (2 × 0,60 + ~ 0) / (2 + 2) = 0,30  90 kg? Preizkus na potomcih ΔG = (2 × 0,95 + ~ 0) / (6 + 2) = 0,24  72 kg GS mladi biki ΔG = (2 × 0,80 + ~ 0) / (2 + 2) = 0,40  120 kg GS mladi biki + “bikovske” matere ΔG=(2 × 0,80 + 0,8 × 0,80) / (2 + 2) = 0,56  168 kg

38 Implementacija v Sloveniji
Premajhno število za lasten genomski program! Rjava pasma 191 bikov Črno bela pasma 192 bikov - ??? konzorcij Lisasta pasma ???

39 InterBull - InterGenomics
Durr in Philipsson (2012)

40 Rezultati InterGenomics

41 Rezultati InterGenomics

42 Korelacije Mleko N Pov SD Min Max PV 319 33.2 131.19 -362.2 453.7 DGV
254 41.8 121.14 -347.6 382.2 GEBV 53.2 129.87 -366.6 437.1 DGV GEBV PV

43 Točnost - validacija  Potrditev teoretičnih pričakovanj
Celotni set podatkov (preizkus na potomcih) Kalibracija Validacija Količina mlečnih beljakovin povprečje staršev (klasično): 0,56 genomika (novo): 0,79  Potrditev teoretičnih pričakovanj Povprečje staršev: Korelacije med PV (povprečje staršev) na kalibracijskem setu in PV (progeni test) na celotnem setu Genomika: Korelacije med PV (GEBV=f(povprečje staršev, DGV)) na kalibracijskem setu in PV (progeni test) na celotnem setu

44 Pomen nacionalne selekcije v globalizaciji?

45 PRO, +3 SCS, -0.8 CC1, -0.6 DLO, +0.2

46 CRP projekt - zadnji rezultati
Simulacija več lastnostnega model Združevanje informaciji npr. kontrole mlečnosti in DGV InterGenomics Imputacija narejena v okviru InterGenomics Sprememba pri mladih bikih (35) Točnost napovedi PV na osnovi: rodovnika ≈0.35 Kombinacije informacij ≈ 0.85. Točnost GEBV - InterBull je

47 InterGenomics „Optimalen koncept“ Trenutno stanje
GEBV za bike vključene v mednarodno primerjavo na nacionalni skali Enačba DGV za vsako lastnost, vključeno v mednarodno primerjavo Trenutno stanje Rutinski obračun Pogodba o izmenjavi genotipov – imputacija Vseh bikov ≈ 6500, od teh 191 SLO Uporabni rezultati za ML, MA, BE

48 Nadaljnje delo Statistični del Strokovno delo
Testni obračun za dodatne(o) lastnost Interbull Maj in junij nacionalni obračun September in oktober IB testni obračun Strokovno delo Protokol od odvzema vzorca do genomske PV Predodbira živali Odvzem vzorcev Zbiranje vzorcev Izmenjava – korespodenca z vzorci in podatki Organizacija podatkov in ocena DGV, GEBV

49 Strategije dela z vidika:
Nacionalno Izdelava protokola 6k SNP genotipizacije Genotipizacija: PBM, bikci pred vhlevitvijo Rejci pred vzrejo Mednarodno Ponudba mladih bikov – semena Prodaja + nakup Bikovske matere: Potencialno tudi za tujino Tuje bodo v naboru predodbire rejskih programov SpremembE

50 Mednarodna konkurenčnost
Klasičen obračun PV V Sloveniji vse črede (majhne) V tujini pogodbene reje (preferenca) Konvencionalen rejski program Obračun G*PV Izenačitev metodologije (management – čreda) Prek Interbulla Realno Povsem primerljiva ocena na skalah vseh članic

51 Aplikacija genomske selekcije
Nacionalno z mednarodno povezavo Zaščita dosedanjega selekcijskega dela Možnost zaščite genetskega materiala Ohraniti možnost selekcije za naše okolje - razmere S strani tujcev Izguba genetskega materiala Dolgoročna odvisnost Izguba vpliva na selekcijo, zgolj reja…

52 Možnosti-priložnosti
Ocena pred odločitvijo o načinu reje teličke Predpogoj za vključitev v performance test za bikce Biki-bikci z dobrim DGV, bodo tržno zanimivi Sprememba na trgu semena: Novi- genomsko testirani, prej na 3 ali manj kontrolah Varni- progeno testirani N čred, hčera, prej se je bolj ‚mudilo‘

53 Ali bomo izkoristili priložnost, ki se nam ponuja?

54 Hvala za pozornost


Κατέβασμα ppt "GENOMSKA SELEKCIJA Oddelek za zootehniko"

Παρόμοιες παρουσιάσεις


Διαφημίσεις Google