全基因组选择分析（GS）
产品介绍
全基因组选择（Genomic Selection，GS）基于覆盖全基因组的高密度分子标记，通过构建预测模型来进行育种值(Genomic
Estimated Breeding Value, GEBV)的估算，利用基因组水平的遗传信息能对个体进行更加准确的遗传评估，以加速实现早期个体的预测和选择。
技术路线
应用场景
(1) GS全基因组选择育种：非生物胁迫耐受、产量、病害水平抗性。
(2) MAS分子标记辅助选择育种：生理小种特异的抗病性、生物型特异的抗虫性。
适用范围：依赖于基因型、受环境影响较大、受微效多基因控制的复杂数量的选择。
技术优势
| 1 | 只要获得个体 DNA 就能进行育种值评估，大大缩短世代间隔，加速遗传进展。 |
| 2 | 全基因组范围内的标记能够解释尽可能多的遗传变异，可以对遗传效应 进行较为准确的检测和估计。 |
| 3 | 能够较准确的评估遗传力较低、难测定的性状或测定费用较高的性状。 |
| 4 | 通过基因组选择的方式，即使单个标记的效应很微小，导致遗传变异的所有遗传效应也都能够被 SNP标记捕获，比传统的基于系谱和表型数据的最佳线性无偏模型得到更高的可靠性 |
| 5 | 能对传统育种选择方法受限的性状或无法早期进行度量的性状或难操作成本高的性状进行选择，如家畜宰杀后才能度量的性状。 |
分析内容
| 1 | 测序数据质控 |
| 2 | 参考基因组比对分析 |
| 3 | SNP/InDel/CNV/SV检测和注释 |
| 4 | 连锁不平衡分析（LD） |
| 5 | 群体主成分分析（PCA） |
| 6 | GWAS分析 |
| 7 | GS分析 |
数据展示
格致博雅全基因组选择平台对两种表型预测的GEBV正态分布图示例，模型准确度分别为0.9931364（左侧）和0.9987053（右侧）。
