袁泽湖，葛 玲，李发弟，乐祥鹏*，孙 伟1,*

(1.扬州大学 教育部农业与农产品安全国际合作联合实验室，扬州 225000；2.兰州大学草地农业科技学院 草地农业生态系统国家重点实验室/农业农村部草牧业创新重点实验室/教育部草地农业工程研究中心，兰州 730020；3.扬州大学动物科学与技术学院，扬州 225000)

全基因组选择(genomic selection，GS)[1]利用覆盖全基因组的标记信息计算全基因组育种值(genomic estimated breeding value，GEBV)。相较于传统的育种方法，GS通过对拟留种的个体进行早期选择和增加选择的准确性进而加快育种的遗传进展[2]。通过改进GS方法无法再缩短育种的世代间隔，因而如何提高GS的准确性以获得额外的遗传进展一直是GS研究的核心问题。

全基因组测序(whole genome sequencing，WGS)技术逐渐成熟，测序成本不断降低，对家畜进行大规模测序已成为可能。GS从基于标记与因果突变连锁的GS0.0时代(如利用50K芯片进行GS)发展到基于全基因组变异的GS2.0时代[3]。WGS检测的变异已包含了所有因果突变位点，因此GS2.0不再受标记与因果突变连锁不平衡(linkage disequilibrium，LD)的限制。理论上，基于全基因组变异的GS准确性应高于芯片(如50K)GS的准确性。然而，有研究结果显示当不考虑生物学先验信息时，基于全基因组变异的GS准确性并不比基于芯片的GS准确性高[4-6]。当前，各种组学技术不断成熟，从公开的资料或前期的研究积累获取生物学先验信息已比较容易。因而，如何在GS模型中整合已知的先验信息，进而通过提高GS的准确性获得额外的遗传进展成为当前动物育种研究的一个重要的课题。……