主基因-多基因混合遗传：数量性状选择新模型

"该研究旨在为育种工作者提供一种用于主基因-多基因混合遗传数量性状的单性状选择方法，通过估计不同基因型间的主基因效应、多基因效应及环境效应的方差，进而计算遗传参数。" 本文详细探讨了在主基因-多基因混合遗传背景下，如何有效地对数量性状进行单性状选择。研究人员采用了正态分布的极限误差理论，将混合正态分布的数据拆分为多个单一正态分布的区间，每个区间对应一个主基因型。这种方法允许更精确地估算不同基因型间的遗传效应和环境效应的协方差阵。 在实际操作中，他们运用有重复观测数据的单因素多元方差分析，估计了主基因效应协方差阵、多基因效应协方差阵和环境协方差阵。接着，结合混合正态分布中各成分的分布比例，计算出数量性状的表型方差、遗传方差和环境方差，以及关键的遗传力参数。这一模型的建立旨在提高选择效率，使育种工作更为精准。 通过实例分析，研究发现，在相同的选取强度下，使用此模型的遗传效率相较于传统方法提高了约10.3760%。当选择强度设定为0.5时，遗传增益达到28.41，显示出该模型在实践中能显著提升遗传效率，具有较高的实用价值。 关键词涵盖了数量性状、主基因-多基因混合遗传、AIC准则（Akaike Information Criterion，一种统计模型选择的标准）、EM算法（Expectation-Maximization，用于处理不完整数据的迭代计算方法）、遗传增益以及单性状选择模型。这些关键词揭示了研究的核心内容和方法。 这项研究提供了一种创新的统计模型，用于解析主基因与多基因共同作用于数量性状的情况，对于遗传育种领域具有重要的理论和实践意义。通过改进选择策略，可以更高效地挖掘和利用有利基因，促进作物或其它生物品种的改良。