publ-mit-podpubl-mit-podBennewitz, JörnPlieschke, Laura Isabel2024-04-082024-04-082018-03-282018https://hohpublica.uni-hohenheim.de/handle/123456789/6250In Chapter one a method was developed to separate the genomic relationship matrix into two independent covariance matrices. Here, the base group component describes the covariance that results from systematic differences in allele frequencies between groups at the pedigree base. The remaining segregation component describes the genomic relationship that is corrected for the differences between base populations. To investigate the proposed decomposition three different models were tested on six traits, where the covariance between animals was described either only by the segregation component or by a combination of the two components. An additional variant examining the effect of a fixed modeling of the group effects was included. In total, 7965 genotyped Fleckvieh and 4257 genotyped Brown Swiss and 143 genotyped Original Braunvieh bulls were available for this study. The proposed decomposition of the genomic relationship matrix helped to examine the relative importance of the effects of base groups and segregation component in a given population. It was possible to estimate significant differences between the means of base groups in most cases for both breeds and for the traits analyzed. Analysis of the matrix of base group contributions to the populations investigated revealed several general breed-specific aspects. Comparing the three models, it was concluded that the segregation component is not sufficient to describe the covariance completely. However, it also was found that the model applied has no strong impact on predictive power if the animals used for validation show no differences in their genetic composition with respect to the base groups and if the majority of them have complete pedigrees of sufficient depth. The subject of the chapter two was investigation to systematically increase the reliability of genomic breeding values by integrating cows into the reference population of genomic breeding value estimation. For this purpose a dataset was generated by simulation resembling the German-Austrian dual-purpose Fleckvieh population.. The concept investigated is based on genotyping a fixed number of daughters of each AI bull of the last or last two generation of the reference population and, together with their phenotypic performance, to integrate them into the reference population of the genomic evaluation. Different scenarios with different numbers of daughters per bull were compared. In the base scenario the reference population was made up of 4200 bulls. In the extended scenarios, more and more daughters were gradually integrated in the reference population. The reference population of the most extended scenario contained 4200 bulls and 420,000 cows. It was found that the inclusion of genotypes and phenotypes of female animals can increase the reliabilities genomic breeding values considerably. Changes in validation reliability of 6-54% for a trait with a heritability of 0.4 depending on scenario were found. As the number of daughters increased, the validation reliability increased as well. It should be noted that the composition of the daughter samples had a very great influence on whether the additional genotyped and phenotyped animals in the reference population can have a positive effect on the reliability of genomic breeding values. If pre-selected daughter samples were genotyped, the mean validation reliability decreased significantly compared to a correspondingly large unselected daughter sample. In addition, a higher bias was observable in these cases. Chapter three expands the investigations of chapter two by a low-heritability trait, as well as the aspect of so called new traits. The results found in chapter two were confirmed in chapter three for a low-heritability trait. Changes in validation reliability of 5-21% for a heritability of 0.05 depending on scenario were found. The negative effects of pre-selected daughter samples were even more pronounced in chapter three. In the case of an ‘old’ trait, the number of phenotypes is expected to be (nearly) unlimited, since a recording system is well established. In the case of a new trait recording of phenotypes just started, therefore the number of phenotypes is limited. Two different genotyping strategies were compared for new traits. On the one hand, the sires of the phenotyped cows were genotyped and on the other hand the phenotyped cows were genotyped themselves. It was found in all compared scenarios that it is more sensible to genotype cows themselves instead of the genotyping their sires. However, if usual strategy of phenotyping female animals and genotyping of males is applied, it is at least important to ensure that many daughters are phenotyped in a balanced system. If different numbers of daughters per bull are phenotyped and unbalancedness becomes severe, the average validation reliability decreased significantly.In Kapitel 1 wurde eine Methode entwickelt, die die Verwandtschaftsmatrix in zwei unabhängige Kovarianzmatrizen trennt. Dabei beschreibt die eine Matrix die Basisgruppenkomponente, eine Kovarianzkomponente die auf Allelfrequenzunterschiede zwischen Gruppen der Basispopulation zurückzuführen ist. Die Segregationskomponente beschreibt die genomische Verwandtschaft, welche um diese Unterschiede zwischen verschiedenen Basispopulationen korrigiert wurde. Die Zerlegung wurde anhand drei verschiedener Modelle für sechs Merkmale untersucht. Dabei wurde die Kovarianz zwischen Tieren entweder nur durch die Segregationskomponente oder über eine Kombination beider Komponenten beschrieben. Eine zusätzliche Variante untersuchte den Effekt einer fixen Modellierung der Gruppeneffekte. Zur Verfügung standen für diese Studie die Genotypen von 7965 Fleckviehbullen sowie von 4257 Braunvieh- und 143 Original Braunviehbullen. Mit dieser Methode war es möglich, den Umfang der Basisgruppeneffekte und der Segregationskomponente in den beiden untersuchten Populationen sichtbar zu machen. Es konnten signifikante Unterschiede zwischen den mittleren Basisgruppeneffekten in den meisten Fällen für beide Rassen und für die sechs Merkmale gefunden werden. Die Analyse der Genanteile der diversen Basisgruppen an den untersuchten Populationen machte zudem einige rassetypische Aspekte sichtbar. Es wurde festgestellt, dass die Segregationskomponente nicht ausreicht die Kovarianz vollständig zu beschreiben. Allerdings wurde auch festgestellt, dass das verwendete Modell keinen starken Einfluss auf die Vorhersagekraft hat, wenn die Validierungstiere in ihrer genetischen Zusammensetzung weitgehend homogen sind und die Mehrheit von ihnen ein vollständiges und tiefes Pedigree aufweist. Kapitel 2 umfasst Berechnungen zur systematischen Steigerung der Sicherheiten genomischer Zuchtwerte durch die Aufnahme von Kühen in die Lernstichprobe der genomischen Zuchtwertschätzung. Hierfür wurde eine Simulationsstudie durchgeführt, durch die die deutsch-österreichische Fleckviehpopulation widergespiegelt werden sollte. Das in der Simulation untersuchte Konzept beruht darauf, eine fixe Anzahl erstlaktierender Töchter eines jeden Besamungsbullen aus der jeweils letzten bzw. der letzten beiden Generationen der Lernstichprobe zusätzlich zu genotypisieren und zusammen mit ihren phänotypischen Leistungen in die Lernstichprobe zu integrieren. Verglichen wurden verschiedene Szenarien mit unterschiedlicher Anzahl an Töchtern je Bulle. Im Basisszenario bestand die Lernstichprobe aus 4200 Bullen, in den erweiterten Szenarien wurden schrittweise immer mehr Töchter integriert. Wobei die Lernstichprobe im letzten Szenario zusätzliche 420.000 Kühe umfasste. Es konnte gezeigt werden, dass durch Aufnahme von Genotypen und Phänotypen von Kühen die Sicherheiten der Zuchtwerte erheblich gesteigert werden können. Die gefundenen Zuwächse betrugen dabei 6-54 % bei einem Merkmal mit einer Heritabilität von 0,4, wobei die Zuwächse mit zunehmender Anzahl an Töchter weiter anstiegen. Die Zusammensetzung der Töchtergruppen hatte einen großen Einfluss darauf, ob die zusätzlichen Tiere in der Lernstichprobe einen positiven Effekt auf die Sicherheiten genomischen Zuchtwerte haben können und wie hoch dieser ist. Genotypisierte man ausschließlich vorselektierte Töchtergruppen, sank die mittlere Sicherheit erheblich im Vergleich zu einer entsprechend großen unselektierten Töchtergruppe. Außerdem waren Effekte einer deutlichen Verzerrung der Zuchtwerte beobachtbar. Kapitel 3 erweiterte die Untersuchungen aus Kapitel 2 um ein niedrig-erbliches Merkmal sowie um den Aspekt der so genannten neuen Merkmale. Die in Kapitel zwei gefundenen Ergebnisse konnten für ein niedrig-erbliches Merkmal bestätigt werden. Bei einer Heritabilität von 0,05 konnten die Sicherheiten in den verschiedenen Szenarien um 5- 21 % gesteigert werden. Eine gezielte Auswahl der genotypisierten Töchtergruppen führte auch hier zu negativen Effekten auf die erzielbaren Sicherheiten und führte zu einer Verzerrtheit der Zuchtwerte. Im Falle eines Merkmals mit etablierter Leistungsprüfung kann davon ausgegangen werden, dass die Anzahl der Phänotypen (nahezu) unbegrenzt ist. Im Falle der neuen Merkmale trifft dies nicht zu. Hierfür wurden zwei verschiedene Strategien der Genotypisierung verglichen. Zum einen wurden die Väter der phänotypisierten Kühe genotypisiert und zum anderen wurden die begrenzte Anzahl phänotypisierter Kühe selber genotypisiert. Es konnte in allen verglichenen Szenarien gezeigt werden, dass es sinnvoller ist, die Kühe selbst zu Genotypisieren statt deren Väter. Sollte dies nicht möglich sein und man nutzt die neuen Phänotypen wie bisher nur über die Väter, ist zumindest darauf zu achten, dass Töchter in balancierter Weise phänotypisiert werden. Bei niedrig erblichen Merkmalen und stark begrenzter Verfügbarkeit von Phänotypen kann Unbalanciertheit deutlich negative Effekte auf die mittlere Sicherheit haben.engCattle breedingAnimal breedingGenomic selectionGenomic evaluationGenomische SelektionGenomische Zuchtwertschätzung630RinderzuchtTierzuchtDoctoralThesis501515798urn:nbn:de:bsz:100-opus-14671