動物育種中的統計計算 pdf epub mobi txt 電子書 下載 2025

簡體網頁||繁體網頁

☆☆☆☆☆

梅步俊 著

圖書標籤:

• 動物育種
• 統計學
• 遺傳育種
• 生物統計
• 育種技術
• 數量遺傳學
• 數據分析
• 統計計算
• 動物科學
• 遺傳分析

齣版社： 中國農業科學技術齣版社

ISBN：9787511627001

版次：1

商品編碼：12031130

包裝：平裝

開本：16開

齣版時間：2016-08-01

用紙：膠版紙

頁數：322

字數：490000

內容簡介

　　由梅步俊著的《動物育種中的統計計算--Julia語言應用》較為係統的闡述瞭動物育種學中新齣現的統計方法，主要對係譜數據處理方法，動物遺傳育種中的數據模擬，綫性模型的建立、求解及其擴展，多性狀模型，分子標記和多基因效應單性狀模型，MCMC算法，全基因組統計分析等問題進行瞭較為詳細的論述。為瞭便於讀者較為係統的掌握上述內容，本書附錄補充瞭必要的基礎知識。為瞭便於讀者理解抽象的統計學公式、算法，本書大部分內容均配有Julia語言代碼，這些代碼既有便於讀者理解，但運行效率較低的示意性代碼，也有經過一定優化的代碼，並盡可能為程序增加注釋，書中的許多代碼可以直接用於科學研究。

目錄

第一章 Julia語言使用說明
第一節 Julia語言簡介
第二節 Julia語言基礎
第二章 係譜數據處理方法
第一節 近交係數與親緣係數
第二節 分子血緣相關矩陣及其逆矩陣計算
第三節 計算實例
第三章 動物遺傳育種中的數據模擬
第一節 隨機數和隨機變量的産生
第二節 誤差計算
第二節 使用Julia語言模擬數據
第四節 計算實例
第五節 基因組模擬軟件XSim
第四章 綫性模型的建立和求解
第一節 單因子模型
第二節 二因子模型
第三節 建立Henderson混閤模型方程組
第五章 綫性模型的擴展
第一節 有重復記錄的動物模型
第二節 母體效應模型
第六章 多性狀模型
第一節 多性狀模型
第二節 Julia語言實現多性狀模型
第三節 帶有缺失數據的多性狀模型
第七章 分子標記和多基因效應單性狀模型
第一節 標記輔助選擇
第二節 混閤模型方程組的儲存技術
第三節 Julia語言示例
第八章 MCMC算法
第一節 貝葉斯統計
第二節 Julia語言的實現
第三節 貝葉斯統計在多元綫性模型中的應用
第四節 貝葉斯統計示例
第五節 多性狀模型的Gibbs抽樣
第六節 思考題解答
第九章 全基因組統計分析
第一節 基於Haseman．Elston迴歸的全基因組連鎖分析
第二節 多元混閤綫性模型
第三節 貝葉斯GWAS
第四節 單步全基因組分析方法
第五節 GBI+UP的準確性
第六節 Julia語言示例
第十章 附錄
第一節 綫性模型簡介
第二節 基於係譜的混閤綫性模型
第三節 預測SNP效應的固定效應模型
第四節 結閤有基因型和無基因型傢畜數據
第五節 貝葉斯GWAS基礎
第六節 統計基因組學基礎

動物育種中的統計計算：一本麵嚮實踐的指南 《動物育種中的統計計算》是一本旨在為動物育種從業者、研究人員和學生提供堅實統計學基礎的著作。本書深入淺齣地講解瞭在現代動物育種實踐中至關重要的統計概念和計算方法，強調理論與實際應用的緊密結閤。本書並非一部枯燥的統計學教科書，而是專注於如何將復雜的統計模型和工具應用於解決真實的育種問題，以期最大化遺傳增益，提高生産性能，並改善動物的健康和福利。 本書的核心目標： 本書旨在幫助讀者理解並掌握以下關鍵領域： 量化遺傳學的基本原理： 深入闡釋性狀的遺傳基礎，包括加性效應、顯性效應、上位效應等，以及它們如何影響群體中的錶型變異。 選擇理論與育種值評估： 詳細介紹各種選擇方法，如指數選擇、傢係選擇、MAS（標記輔助選擇）等，並重點講解如何準確估計個體的育種值，這是所有現代育種計劃的基石。 動物模型與BLUP（最佳綫性無偏預測）： 詳細介紹動物模型在育種值評估中的重要性，以及BLUP方法的原理、實現步驟和優勢，使其成為評估復雜遺傳結構的性狀和管理數據的首選方法。 方差分量估計： 講解如何利用實際數據來估計遺傳方差、環境方差以及其他來源的變異，這是準確評估遺傳參數和製定有效育種策略的前提。 試驗設計與數據分析： 介紹在育種研究和生産實踐中常用到的各種試驗設計，如隨機區組設計、裂區設計等，並講解如何對試驗數據進行有效的統計分析，以得齣可靠的結論。 基因組選擇（GS）與高通量育種： 探討基因組信息如何在育種決策中發揮越來越重要的作用，介紹基因組選擇的基本原理、模型以及在實際應用中的挑戰與機遇。 特定育種場景的應用： 針對不同畜種（如牛、豬、禽、羊等）和不同生産目標（如生長速度、繁殖性能、抗病性、肉品質等），闡述統計計算在具體育種問題中的應用案例。 軟件工具的使用： 穿插介紹常用的統計軟件（如 R、SAS、ASREML 等）在實現復雜計算和模型分析中的應用，指導讀者如何利用這些工具來解決實際問題。 內容詳盡，覆蓋廣泛： 本書的結構嚴謹，內容詳實，循序漸進，確保讀者能夠逐步掌握核心概念。 第一部分：量化遺傳學基礎與數據準備 在進入復雜的模型之前，本書首先為讀者構建堅實的理論基礎。 第一章：緒論：動物育種的統計視角 簡要迴顧動物育種的曆史和發展趨勢。 強調統計學在現代動物育種中的核心地位，例如提高效率、精準決策、風險管理等。 介紹本書的整體框架和學習目標。 第二章：性狀的變異與遺傳基礎 錶型變異的分解： 詳細介紹錶型（P）等於基因型（G）加上環境（E）的經典模型，並進一步分解基因型的影響，包括加性遺傳（A）、顯性（D）和上位效應（I）。 遺傳力： 深入講解狹義遺傳力（h²，隻考慮加性效應）和廣義遺傳力（H²，考慮所有遺傳效應）的概念、計算方法和解釋，以及它們在預測選擇反應中的重要性。 遺傳相關性： 解釋不同性狀之間遺傳聯係的含義，如何計算和利用遺傳相關性來優化多性狀選擇。 同質性與異質性： 探討不同環境或群體下性狀錶現的變異是否存在差異，以及這對育種決策的影響。 第三章：育種數據的收集、整理與質量控製 數據來源與類型： 討論常見的育種數據來源（如性能測定、傢譜信息、基因組數據等）以及數據的類型（如連續性、分類性、二元性等）。 數據清洗與預處理： 講解如何識彆和處理異常值、缺失值，如何進行數據轉換以滿足統計模型的要求。 傢譜數據的構建與管理： 詳細介紹傢譜數據的結構、建立方法，以及傢譜信息在育種值計算中的重要作用。 數據管理係統： 簡要介紹育種數據管理係統的設計和應用，以保證數據的準確性和可追溯性。 第二部分：選擇理論與育種值評估 本部分是本書的核心，重點在於如何根據收集到的數據來評估動物的遺傳潛力。 第四章：選擇的基本原理 選擇差： 定義和計算選擇差，理解其與平均性狀值之間的關係。 育種值（BV）： 詳細解釋育種值的概念——個體基因型的平均效應。 反應選擇（RS）： 講解選擇差、世代間隔、群體方差與遺傳力之間的關係，以及如何預測長期遺傳增益。 選擇指數： 介紹綫性組閤選擇指數的構建原理，如何為多個性狀賦予不同的經濟權重，以實現最優的綜閤選擇。 第五章：近交與近交衰退 近交係數（F）： 講解近交係數的定義、計算方法（包括傢譜法和基因組法）以及其對個體和群體遺傳變異的影響。 近交衰退： 闡述近交可能導緻的生産性能下降、繁殖能力降低、抗病性減弱等負麵效應，以及如何監測和控製近交水平。 雜交與雜種優勢： 介紹雜交在利用顯性效應和上位效應産生雜種優勢方麵的作用，以及在不同育種目標下的雜交策略。 第六章：BLUP（最佳綫性無偏預測）與動物模型 BLUP的原理： 詳細介紹BLUP作為一種先進的育種值估計方法，如何結閤個體自身信息、親屬信息和傢係信息，同時考慮固定效應和隨機效應，實現最優預測。 動物模型： 深入講解動物模型的構成，包括固定效應（如性彆、年、季節等）、隨機效應（如加性遺傳效應、殘差效應等）以及它們之間的關係。 係譜矩陣（A矩陣）： 解釋A矩陣如何編碼個體之間的親緣關係，以及它在動物模型中的應用。 BLUP方程組的求解： 介紹求解BLUP方程組的步驟和常用方法（如迭代法、直接法），以及如何利用軟件實現。 BLUP育種值的解釋與應用： 強調BLUP育種值相較於傳統育種值的優勢，以及在實際育種計劃中的應用。 第七章：方差分量估計 最大似然法（ML）與限製性最大似然法（REML）： 詳細介紹這兩種常用的方差分量估計方法，以及它們在估計遺傳參數（如遺傳力、遺傳相關性）中的應用。 EM算法： 介紹EM算法在REML中的應用，以及如何逐步優化方差分量估計。 方差分量估計的準確性： 討論影響方差分量估計準確性的因素，如數據量、數據結構、模型設定等。 方差分量在育種決策中的作用： 強調準確的方差分量估計對於優化選擇強度、製定育種計劃的重要性。 第三部分：高級育種方法與現代技術 本部分將目光投嚮更前沿的育種技術，以及如何在實際生産中應用這些先進的統計工具。 第八章：試驗設計在育種研究中的應用 完全隨機設計（CRD）： 適用於處理條件均一的情況。 隨機區組設計（RBD）： 考慮局部環境因素的影響，提高試驗精度。 裂區設計（Split-Plot Design）： 適用於兩個以上處理因子，一個因子難以重新試驗的情況。 拉丁方設計（Latin Square Design）： 適用於三個以上處理因子，考慮兩個方嚮的環境效應。 試驗數據分析： 講解ANOVA（方差分析）在分析試驗結果中的應用，以及如何解釋主效應和交互效應。 第九章：多性狀選擇 多性狀選擇的挑戰： 解釋在同時選擇多個性狀時，各性狀之間可能存在的負相關性，以及如何平衡不同性狀的改良目標。 指標選擇（Index Selection）： 詳細介紹如何構建綜閤選擇指數，如Tandem Selection, Independent Culling Levels, Selection Index, Goal Selection。 經濟權重： 講解如何確定每個性狀在選擇指數中的經濟權重，以及其對選擇方嚮的影響。 優選模型： 介紹一些更先進的多性狀選擇模型，如基因組信息結閤的多性狀選擇。 第十章：基因組選擇（GS） 基因組學在育種中的興起： 介紹基因芯片和測序技術的發展如何推動瞭基因組選擇。 基因組育種值（GEBV）： 講解如何利用大量的SNP（單核苷酸多態性）標記來預測個體的基因組育種值。 GS模型： 介紹幾種主流的GS模型，如GBLUP（基因組BLUP）、BayesA、BayesB、BayesC等。 參考群體： 強調建立高質量參考群體的關鍵性，以及參考群體大小和世代間隔對GEBV準確性的影響。 GS的應用與挑戰： 討論基因組選擇在提高選擇效率、縮短世代間隔、改良難以測定的性狀等方麵的優勢，以及基因組信息獲取成本、數據處理復雜度等挑戰。 第十一章：特定動物品種的育種應用 牛： 奶牛（産奶量、乳成分、體型、繁殖、健康），肉牛（生長速度、胴體性狀、肉質、繁殖）。 豬： 生産性能（生長速度、飼料利用率、産仔數、瘦肉率），抗病性。 禽： 蛋雞（産蛋率、蛋重、蛋品質），肉雞（生長速度、飼料利用率、胴體性狀）。 羊： 綿羊（産毛量、産肉量、繁殖性能），山羊（産奶量、産肉量）。 水産動物： 魚類、甲殼類等。 伴侶動物： 狗、貓等的特定性狀改良。 第十二章：育種軟件與實踐 常用統計軟件介紹： 詳細介紹SAS、R、ASREML、BLUPF90等在動物育種領域常用的統計軟件及其功能。 實例分析： 通過具體案例演示如何使用這些軟件來執行BLUP育種值評估、方差分量估計、基因組選擇等復雜計算。 數據輸齣與報告： 講解如何解讀軟件輸齣的結果，並撰寫專業的育種報告。 本書的特色： 強調實踐性： 每章都配有豐富的實例和練習題，幫助讀者鞏固所學知識，並能直接應用於實際工作。 循序漸進的教學方法： 從基礎概念到高級模型，層層遞進，確保讀者能夠逐步理解並掌握復雜的統計方法。 模型與軟件結閤： 不僅講解統計模型的理論，更注重介紹如何利用現代統計軟件來實現這些模型，實現理論與實踐的無縫對接。 麵嚮讀者群體廣泛： 無論是初學者還是有一定經驗的育種工作者，都能從本書中受益。 語言清晰易懂： 盡管涉及復雜的統計概念，本書力求使用清晰、簡潔的語言進行闡述，避免過多的專業術語堆砌。 總結： 《動物育種中的統計計算》將是一本不可多得的工具書，它為讀者提供瞭一套完整的統計學知識體係，以應對現代動物育種所麵臨的挑戰。通過對本書的學習，讀者將能夠更科學、更高效地進行育種決策，從而推動動物遺傳改良的進程，為畜牧業的可持續發展貢獻力量。無論是追求遺傳性能的提升，還是注重動物的健康與福利，本書都將成為您手中不可或缺的指南。

評分☆☆☆☆☆

我必須承認，閱讀這本書的過程更像是一場智力上的探險，而不是輕鬆的知識吸收。它的語言風格非常凝練，充滿瞭專業術語，對於沒有紮實數理背景的人來說，每一頁都需要投入大量的精力去消化。特彆是涉及到高維數據分析和貝葉斯方法論的應用部分，作者的行文邏輯跳躍性較大，經常在論證過程中省略掉中間的推導步驟，直接給齣結論或特定的R語言代碼片段。這使得這本書更像是為那些已經有一定統計基礎、希望拓展知識邊界的專業人士量身定製的。我注意到書中對“生物學解釋”的重視程度相對低於“數學模型描述”，很多時候，復雜的統計檢驗結果被直接轉化為一個錶格，而缺乏深入的、情景化的解讀。例如，在處理數量性狀的遺傳力估計時，它詳細展示瞭REML算法的迭代過程，但對如何判斷模型是否“恰當擬閤”某一特定作物品種的遺傳背景，討論得比較簡略。這本書的價值在於其作為一本“高級參考手冊”的地位，它提供瞭最新的算法綜述和嚴謹的數學證明，但如果作為獨立學習的教材，讀者可能需要同時輔以大量的網絡教程和基礎統計學讀物來填補知識上的空白。

評分☆☆☆☆☆

這本書的封麵設計得相當樸實，色彩搭配上選擇瞭一種低飽和度的米白和深藍，給人一種沉穩、專業的印象。初次翻閱時，我注意到它在章節編排上的用心。雖然書名聽起來偏嚮技術性，但前幾章的引言部分卻采用瞭非常親切的筆調，試圖拉近與初學者的距離，這對於我這種半路齣傢、對統計學概念有些畏懼的讀者來說，無疑是一個巨大的福音。作者在開篇就強調瞭“理解”而非“死記硬背”的重要性，並用瞭一些生活化的例子來解釋復雜的數據分布概念，比如，他將方差的計算類比成衡量一個班級學生身高差異的程度，而不是直接拋齣公式。這種教學方法讓原本晦澀的理論變得觸手可及。更令人欣賞的是，書中對不同統計軟件的使用技巧做瞭詳盡的圖文說明，從數據導入到結果解讀，每一步都配有清晰的截圖和注釋，這在很大程度上降低瞭實際操作的門檻。我特彆喜歡其中一個關於“假設檢驗”的案例，作者沒有僅僅停留在P值的討論上，而是深入分析瞭如何根據生物學背景來選擇閤適的檢驗方法，以及結果的實際意義，這顯示瞭作者深厚的專業素養和對教學藝術的精妙把握。總體而言，這本教材在保持學術嚴謹性的同時，成功地做到瞭知識的“平民化”普及。

評分☆☆☆☆☆

這本書最讓我感到驚喜的是它在整閤前沿研究成果方麵的能力。我發現它並沒有停留在教科書式的經典理論上，而是非常及時地引入瞭近年來在動物育種領域中引起轟動的幾項關鍵技術。比如，關於深度學習在錶型預測中的應用章節，作者沒有僅僅停留在簡單的神經網絡結構介紹上，而是深入探討瞭如何設計能有效處理遺傳異質性的網絡層，以及如何將傳統育種指標與高通量錶型數據進行有效融閤。這種前瞻性思維，使得這本書即便在相對快速發展的科學領域中，也能保持較高的時效性。我特彆欣賞作者在討論“基因組選擇”時，對不同預測模型（如BLUP、GBLUP、BGLP等）的效率和魯棒性進行的細緻對比實驗。這些對比不僅基於理論推導，還引用瞭真實的商業育種案例數據，使得抽象的預測準確率指標有瞭直觀的參照係。對我來說，這本書就像是一個高水平的“研究綜述+應用指南”的結閤體，它幫助我快速瞭解瞭當前領域的研究熱點，並提供瞭實踐這些技術所需的具體指導，極大地拓寬瞭我對未來育種策略的思考維度。

評分☆☆☆☆☆

這本書的排版和裝幀質量，說實話，給我留下瞭一種非常紮實的工業感。紙張的厚度適中，墨水濃鬱，即便是長時間閱讀也不會覺得眼睛疲勞，這對於需要反復查閱公式和圖錶的讀者來說至關重要。當我深入到探討基因組數據分析的部分時，我發現作者對於算法的描述達到瞭令人稱贊的深度。他並沒有簡單地羅列現有的模型，而是追溯瞭這些統計模型背後的數學邏輯和它們在特定育種場景下被選擇的原因。例如，在討論綫性混閤模型（LMM）的迭代求解過程時，書中詳細闡述瞭收斂標準的設定，以及在麵對大規模數據時如何權衡計算效率與估計精度。我尤其關注到其中關於“近交係數估計”的一節，作者對比瞭不同的矩陣分解方法在處理群體結構不一緻性時的錶現差異，並通過模擬數據清晰地展示瞭每種方法的優勢和局限。這種層層遞進、由淺入深的剖析，完全超越瞭我之前接觸過的大部分入門級教材。它不再滿足於告訴你“怎麼做”，而是讓你明白“為什麼必須這麼做”。對於那些希望從使用者晉升為方法開發者的讀者來說，這本書提供瞭堅實的理論基石和批判性思考的框架，其內容的密度和深度絕對值得反復研讀，是一部能經受住時間考驗的工具書。

評分☆☆☆☆☆

從整體閱讀體驗來看，這本書的結構布局充滿瞭古典學術著作的嚴謹氣息，但也因此帶來瞭一些閱讀上的“阻力”。章節之間的過渡略顯生硬，似乎更側重於知識點的堆砌而非敘事的流暢性。當我試圖將其作為工具書隨時查閱時，目錄和索引的設計顯得有些不夠人性化，查找特定的公式或特定物種的案例時，需要花費較長時間在書頁間穿梭。不過，一旦找到目標內容，其內容的準確性和詳盡性是毋庸置疑的。作者在每一個關鍵概念之後，都會附帶一個非常簡潔的“思考題”或“延伸閱讀建議”，這雖然沒有直接給齣答案，卻巧妙地引導讀者去主動探索相關聯的更深層次的問題，這無疑是對培養獨立研究能力的一種潛移默化的訓練。我發現，這本書最適閤的讀者群體可能是在校的博士生或已經工作多年的科研人員，他們已經習慣瞭從高度結構化的信息中提取所需知識，並能容忍相對不那麼“友好的”閱讀界麵。它更像是一份等待被雕琢的、含金量極高的礦石，而非一塊即食的成品麵包。