种业是国家粮食安全和重要农产品有效供给的根基和保障。推动种业高质量发展，核心在品种，关键在技术。在猪、鸡等主要畜禽品种中，育种的价值实现在于终端杂交商品群的性能和生产效率。而以该需求为目标，需要整合杂种信息直接对杂交商品群进行选择，因此开发整合杂种信息的精准遗传评估模型一直是畜禽全产业链育种亟待解决的理论和技术问题。

　　近日，一项先进科研成果创新了我国畜禽遗传评估理论及技术算法，让畜禽全产业链联合育种成为可能。

　　今年1月，中国农业大学动物科学技术学院刘剑锋团队在生物信息学和计算生物学领域权威期刊《生物信息学》发表研究论文《MAGE：基于元建立者构建育繁推一体化育种体系基因组选择一步法加-显新模型》。该研究提出，基于不同亲本群体及其杂交后代群体信息育繁推一体化育种模式下优化遗传评估模型和计算技术，可同时实现纯种、杂种的育种值评估和杂种优势预测。

　　该项研究得到了国家生猪产业技术体系、国家自然科学基金、国家重点研发计划等项目资助。其研究成果不仅在遗传评估理论上具有显著创新，核心算法和软件具有完全自主知识产权，对实现《国家生猪遗传改良计划（2021-2035）》所提出的构建我国生猪育繁推一体化育种体系的目标任务提供了解决方案，有力支撑我国畜禽全产业链联合育种方案的顺利实施。

　　“这项研究成果是国际上早已应用的理念和方法，但在我国一直还没有实现。”论文通讯作者、中国农业大学动物科学技术学院教授、动物科学技术学院副院长刘剑锋表示，该项成果的应用将显著缩短育种周期，让育种工作更高效、更准确。在种业振兴行动全面推进的大背景下，这将对我国畜禽种业高质量发展具有积极推动作用。

　　刘剑锋介绍，虽然在遗传评估中整合纯种、杂种信息，可同时提高纯种遗传评估和杂种优势预测的准确性，并且基于杂种信息，可对纯种群体难以测定性状，如母畜使用年限、肉质、终身繁殖力等进行遗传评估，但由于杂交导致的遗传基础差异，目前常规选育的理论和方法大多仅针对纯种核心群性能选育。针对这一问题，该研究提出了一种全新的基因组选择一步法加-显算法（MAGE）。MAGE算法利用偏亲缘相关矩阵进行纯种群体和杂种群体的混合亲缘关系构建，利用元建立者进行不同纯种群体之间的跨品种背景亲缘关系评估。同时，MAGE算法首次提出杂种群体的显性亲缘关系矩阵构建方法，实现了对纯、杂混合群体显性效应的精准估计。

　　研究团队编写了相应评估软件，可以高效利用繁育体系的大规模杂种群体信息，从而对终端商品代目标性状直接进行选择，精准评估育繁推产业链中遗传进展的传递过程。在此基础上，与团队前期开发的PI-BLUP大型育种软件进行模块整合，同时实现硬件和软件计算平台国产化计算，有力支撑国家猪遗传评估中心的高效运行。

　　“这项成果对畜禽育种工作具有里程碑意义。”国家畜禽育种联合攻关专家指导委员会委员、地方猪种种质自主创新联合攻关首席科学家、浙江大学教授潘玉春表示，该研究创新发展了畜禽遗传评估理论，将纯种评估选留扩展到纯种及杂种遗传评估。其构建的遗传评估模型既可适用于常规育种，也可以应用于以基因组选择技术为主体的分子育种。“在育种工作中，我们经常提到大数据育种，而最重要的育种大数据在于表型组信息挖掘和分析，在于是否能有效、高效、科学使用不同来源表型信息。该研究成果使得育种上的全产业链联合育种成为可能，使得数量庞大的杂种个体可以参与到纯种种猪的遗传改良过程中。”

　　潘玉春测算，在生猪育种中，该方法的应用将使纯种种猪遗传评估准确性提高5%，在大规模的杂种种猪的数据得到有效利用的情况下，预期整体的遗传改良速度可以提高10%-20%以上。“这项研究成果的最大价值在于真正意义上实现了全产业链育种大数据的整合，使得育种兼顾育种群、扩繁群、商品群的遗传组成和环境差异，体现纯种选育是起点但杂种利用是目标的育种本义，从而更好地推进全产业链育种模式的快速实施。”