「育种值的准确性是什么呢？为何要计算育种值的准确性呢？」育种值的准确性的大小可以反应育种值计算的准确性如何，如果准确性高，就说明计算育种值时依赖的信息多（比如亲子关系、同胞关系等），结果就可靠。

❝

育种值也可以计算可靠性，它是准确性的平方

❞

另外，对于不同性状或者不同试验的BLUP值的准确性进行比较时，因为方差组分、标准误、BLUP值都不一样，没有一个标准，可以用准确性（accuracy）这个指标进行比较。

数据及结果来源

❝

书籍：王金玉, 陈国宏. 《数量遗传与动物育种》. 东南大学出版社, 2004，P200，第四节：单性状BLUP育种值估计

❞

dat = data.frame(id=c(4,5,6),sire = c(1,3,3),dam=c(2,2,4),y=c(200,170,180))
dat

书中标准差为100，遗传力为1/3，可以计算出：加性方差组分：Va=100^2*(1/3)=3333.33，误差方差组分为：V3=6666.67，因为这里遗传力已知，我们可以设置方差组分固定，进行混合线性求解。

将数据因子：

for( i in 1:3) dat[,i] = as.factor(dat[,i]) # 转化为因子
str(dat)

计算公式

上面公式中： 标准误的计算方法是：标准误se（BLUP） = sqrt(CiiVe)，这里面dVe就是个体BLUP值的标准误，现在遗传评估软件可以直接得出se。所以准确性的公式为：r = sqrt(1 - (Cii*Ve)/Va) = sqrt( 1 - se^2/Va)，可靠性是准确性的平方，所以可靠性的计算为1 - se**2/Va

注意，上面没有考虑近交系数的影响，完整的公式为：

这里的PEV是标准误的平方。

使用asreml软件演示

这里，我们固定方差组分：

va = 3333.33
ve = 6666.66
ped = dat[,1:3]
ainv  = ainverse(ped)

inbreeding = attr(ainv,"inbreeding")
inbreeding

mode = asreml(y ~ 1, random=~ vm(id,ainv),residual = ~ idv(units), start.values = T,data=dat)
vc = mode$vparameters.table
vc[c(1,3),2] = c(va,ve)
vc[c(1,3),3] = c("F","F")
vc

这里，我们可以看到，方差组分设置好了，状态为F，Fixed固定。「进行混合线性模型求解」

mod1 = asreml(y ~ 1, random=~ vm(id,ainv),residual = ~ idv(units), G.param = vc, R.param = vc,data=dat)
summary(mod1)$varcomp

「进行BLUP值计算：」

summary(mod1,coef=T)$coef.random

inbreeding = attr(ainv,"inbreeding")
inbreeding

这里的：

• solution: 为BLUP值
• std.error：为标准误，sqrt(PVE)
• inbreeding：为近交系数
• va：为加性方差组分 所以根据公式：「计算准确性：」

library(tidyverse)
library(learnasreml)
blup = tiqu_blup(summary(mod1,coef=T)$coef.random)
head(blup)
blup %>% mutate(accur = sqrt(1 - std.error^2/((1+inbreeding)*va)),reli = accur^2)

上面，计算了每个个体的BLUP值、准确性和可靠性，结果和书中结果一致。