分享美国农业部动物基因组学和改进实验室的著名统计遗传学家Paul VanRaden发表在J. Dairy Sci.上的一篇文章：How to implenment genomic selection？
关于VanRaden，不必过多介绍，其名已经是构建G矩阵的一种最常见的方法。
如何实施基因组选择（GS）？
建立基因组选择的基础设施：
DNA样本库建设： 收集动物的DNA样本，并建立一个集中的存储库，用于后续的基因分型和分析。 技术发展： 利用先进的基因组学方法，如全基因组关联研究（GWAS），以识别影响经济性状的遗传标记。
数据质量控制：
基因型验证： 通过比较基因组和谱系关系，验证基因型数据的准确性，纠正亲子鉴定错误。 祖先发现： 利用基因组数据揭示未知的祖先关系，增强谱系数据库的完整性。
基因型和表型数据的整合：
数据融合： 结合动物的基因型数据和表型记录，如生产性能、健康状况等，以提高育种值估计的准确性。 数据库管理： 建立和维护包含数百万动物记录的大型数据库，确保数据的可访问性和安全性。
预测模型的发展：
模型选择： 根据数据特点和育种目标，选择合适的统计模型，如单步模型（ssGBLUP），以提高预测的准确性。 模型验证： 通过交叉验证等方法，评估不同预测模型的性能，确保模型的可靠性。
基因组预测的国际合作：
数据共享： 与国际合作伙伴共享参考群体和基因组预测结果，以提高预测的泛化能力。 合作项目： 参与或发起国际合作项目，如1000 Bull Genomes Project，以共享资源和加速基因组研究。
基因分型的经济考量：
成本效益分析： 评估建立参考群体和基因分型的成本，与预期的遗传进展和经济效益进行比较。 投资回报： 计算基因组选择的长期投资回报，包括提高的遗传进展和降低的育种成本。
基因组选择的应用：
多性状选择： 将基因组选择应用于多个经济性状，如产奶量、繁殖效率和健康状况。 跨品种应用： 探索基因组选择在家畜不同品种中的应用，以及在杂交育种中的潜力。
法律和伦理考量：
专利策略： 评估和规划基因组发现的专利申请，保护知识产权，同时促进科学发现的共享。 伦理审查： 确保基因组选择的实施符合伦理标准，尊重动物福利和生物多样性。
持续的技术创新：
测序技术： 跟踪和采用新的测序技术，如下一代测序（NGS），以降低成本并提高数据质量。 数据分析工具： 开发和优化数据分析工具，以处理大规模基因组数据，并提高计算效率。
应对挑战和误区：
偏差校正： 识别和校正基因组预测中的偏差，如由于样本选择偏差或环境因素引起的偏差。 错误处理： 建立严格的质量控制流程，以减少实验室和数据处理中的错误。
通过这些细化的步骤，可以更清晰地理解实施基因组选择所需的具体行动和策略，从而更有效地将基因组选择技术应用于动物育种实践中。
参考：VanRaden P. M. (2020). Symposium review: How to implement genomic selection. Journal of dairy science, 103(6), 5291–5301. https://doi.org/10.3168/jds.2019-17684
