Nellore

利用人工神经网络提高内洛尔牛肉嫩度的基因组预测准确性

摘要 本研究的目的是比较人工神经网络 (ANN) 与贝叶斯岭回归、贝叶斯套索、贝叶斯 A、贝叶斯 B 和贝叶斯 Cπ 在估计内洛尔牛肉嫩度的基因组育种值方面的预测性能。使用 Illumina Bovine HD Bead Chip（HD，来自 90 个样本的 777K）和 GeneSeek Genomic Profiler（GGP Indicus HD，来自 485 个样本的 77K）对动物进行基因分型。对每个芯片应用基因型的质量控制，包括去除位于非常染色体上的 SNP，其次要等位基因频率 <5%、与 HWE 的偏差（p < 10 –6）以及连锁不平衡 >0.8。使用 FImpute 程序进行基因型估算。基于谱系的分析表明，肉质嫩度具有中等遗传性（0.35），这表明可以通过直接选择来改善肉质嫩度。贝叶斯回归模型的预测准确度非常相似，加性效应和显性效应分别从 0.20（贝叶斯 A）到 0.22（贝叶斯 B）和 0.14（贝叶斯 Cπ）到 0.19（贝叶斯 A）不等。ANN 对遗传价值的基因组预测准确度最高（0.33）。尽管人们认识到深度神经网络可以提供更准确的预测，但在我们的研究中，具有一个隐藏层、105 个神经元和整流线性单元 (ReLU) 激活函数的 ANN 足以提高对肉质嫩度遗传价值的预测。这些结果表明，具有相对简单架构的 ANN 可以为 Nellore 牛肉质嫩度提供卓越的基因组预测。