Auf unserer Webseite verwenden wir Cookies, die unter „Cookie-Einstellungen anpassen“ näher beschrieben werden. Notwendige Cookies werden für grundlegende Funktionen der Webseite benötigt, um eine optimale Nutzung zu ermöglichen. Dadurch ist gewährleistet, dass die Webseite einwandfrei funktioniert. Darüber hinaus können Sie Cookies für Statistikzwecke zulassen. Diese ermöglichen es uns, die Webseite stetig zu verbessern und Ihr Nutzererlebnis zu optimieren. Ihre Einwilligung zur Nutzung der Statistik-Cookies ist freiwillig und kann in der Datenschutzerklärung dieser Webseite unter „Cookie-Einstellungen“ jederzeit widerrufen werden.
SYNBREED A1: Statistische Methoden zur genomischen Zuchtwertschätzung, Klassifizierung und Leistungsvorhersage
Projekt
Förderkennzeichen: 0315526
Laufzeit: 01.01.2009
- 31.12.2014
Forschungszweck: Grundlagenforschung
Um neue Möglichkeiten, welche Hochdurchsatztechniken bieten, für die Tier- und Pflanzenzüchtung nutzbar zu machen, bedarf es der Entwicklung neuer und effizienter statistischer Analysemethoden. Besonders vielversprechend ist hierbei der Einsatz moderner Markertechniken (SNPs), welche eine sehr dichte Abdeckung des Genoms erlauben, für die genomische Selektion und Zuchtwertschätzung. Dieser Ansatz unterscheidet sich von bisherigen Ansätzen der QTL- und Assoziationskartierung dadurch, dass auf eine Kartierung einzelner Gene verzichtet wird und stattdessen eine möglichst effiziente Schätzung des Zuchtwertes unter Einbeziehung aller Marker angestrebt wird. In A1 werden parametrische und nicht-parametrische statistische Verfahren zur genomischen Selektion und Zuchtwertschätzung entwickelt und für die bei Huhn, Rind und Mais spezifischen Anwendungsbedingungen adaptiert. Besonderen Raum in A1 nehmen semi- und nichtparametrische sowie Machine Learning Methoden ein. Diese haben gegenüber parametrischen Verfahren wie BLUP und Ridge Regression sowie Bayesschen Verfahren den Vorteil, dass nicht-additive Geneffekte berücksichtigt werden können, ohne spezifische und in vielen Fällen schwer validierbare quantitativ-genetische Modellannahmen treffen zu müssen. Basierend auf gemischten Modellansätzen werden Erweiterungen vorgeschlagen, welche es erlauben, nicht-genetische Streuungsursachen adäquat zu berücksichtigen und so die Vorhersagegenauigkeit der genomischen Zuchtwertschätzung zu verbessern. Zur Bewertung alternativer Verfahren werden Simulations- und Kreuzvalidierungsmethoden entwickelt und den Verbundpartnern zur Verfügung gestellt. Unterprojekte:
A1.1: Genomische Zuchtwertschätzung und Klassifizierung
A1.2: Erweiterte Modellierung für die genomische Zuchtwertschätzung
A1.3: Kreuzvalidierung und Kalibrierung
Abschnittsübersicht
Fachgebiete
- Pflanzenzüchtung
- Tierzucht
- Informatik