Sissejuhatus

Selektsiooniindeksite rakendamine loomade geneetilise potentsiaali hindamiseks suurtes reaalsetes populatsioonides on sageli pärsitud mitmel põhjusel.

• Esiteks on keerulisemate põlvnemisskeemide puhul tülikas ja vägagi töömahukas kõikvõimalikke sugulussidemeid arvestavate indeksite välja töötamine.
   
• Teiseks eeldab selektsiooniindeksite teooria kõigi mitte aditiivgeneetiliste faktorite mõjude täpset teadmist ja mõõtmistulemuste nende suhtes korrigeerimist, mida on aga suuremamahuliste, mitmeid aastaid ja loomakasvatusettevõtteid hõlmavate uuringute korral pea võimatu teostada. Seetõttu võivad selektsiooniindeksite abil saadud aretusväärtuste hinnangud küll rahuldada parima lineaarse prognoosi (BLP) tingimusi, aga olla kokkuvõttes ikkagi positiivselt kallutatud paremais ettevõtteis või aastatel mõõdetud loomade suhtes (tulemuseks on nihkega hinnangud).
   
• Kolmandaks ei saa siiski alati lugeda selektsiooniindeksites kasutatavaid populatsiooni iseloomustavaid geneetilisi parameetreid (päritavuskoefitsient, korduvus, geneetilised korrelatsioonikordajad jne) teadaolevaiks, nende väärtuste hindamiseks selektsiooniindeksid aga enamasti ei sobi.

Kõigi kolme probleemi lahendus on kasutada üldisi lineaarseid segamudeleid (inglise keeles general linear mixed models, GLMM). Nende mudelite olemuses on nii tundmatute keskkonnamõjude kui ka aretusväärtuste samaaegne üksteise mõju arvesse võttev hindamine, mistõttu on tulemuseks nihketa hinnangud -- nii keskkonnamõjude parimad lineaarsed nihketa hinnangud (best linear unbiased estimate, BLUE) kui ka aretusväärtuste parimad lineaarsed nihketa prognoosid (best linear unbiased predictor, BLUP). Samuti võimaldavad need mudelid sobivalt valitud kovariatsioonistruktuuri abil arvesse võtta kõikvõimalikke sugulussidemeid ning hinnata polügeensete tunnuste geneetilist determineeritust ja omavahelist seotust populatsioonis iseloomustavaid parameetrid.

Mitmetel populatsioonigeneetikas ja aretusteoorias kasutatavatel üldiste lineaarsete segamudelite erijuhtudel on peatutud pikemalt teistes materjalides. Käesolev materjal esitab üldiste lineaarsete mudelite ja üldiste lineaarsete segamudelite korrektseks rakendamiseks ja tulemuste tõlgendamiseks vajalikud põhiteadmised.

Järgnevates punktides kirjeldatavad mudelid kuuluvad ka teistes ülikoolides loetavate aretusväärtuste hindamise ja aretusprogrammide kursuste juurde. Vt näiteks

• Dr. L. R. Schaeffer'i Guelphi Ülikoolis loetavate loengukursuste põhjalikud html- ja pdf-formaadis konspektid ("Quantitative Genetics and Animal Models", "Estimation of Genetic Parameters") -- http://www.aps.uoguelph.ca/~lrs/Animals/;
   
• Stephen D. Kachman, Associate Professor Department of Biometry, Institute of Agriculture and Natural Resources, University of Nebraska -- põhjalikud loengumaterjalid lineaarsetest (sega)mudelitest, statistilisest genoomikast, statistikameetoditest bioinformaatikas jne. -- http://statistics.unl.edu/faculty/steve/index.shtml;
   
• Genetics and Analysis of Quantitative Traits (M. Lynch'i ja B. Walsh'i suurepärasele raamatule lisaks koostatud lehekülg, sisaldab loengumaterjale, ülesandeid, linke -- http://nitro.biosci.arizona.edu/zbook/book.html;
   
• Identifying and incorporating genetic markers and major genes in animal breeding programs (B. Kinghorn'i ja J. van der Werf'i 2000.a. Brasiilia-kursuse loengumaterjalid pdf-formaadis) -- http://www-personal.une.edu.au/~jvanderw/brazilcourse.html (autorite kodulehtedelt võib leida veel hulga antud kursuse kontekstiga ühtivaid loengumaterjale).
   
• Genetic Evaluation and Breeding program design - Lecture notes 2005 (Julius van der Werf, Kathryn Theiss; University of New England) -- http://www-personal.une.edu.au/~jvanderw/422TOC.htm.
   
• Design and Economics of Animal Breeding Strategies (John P Gibson, Jack C M Dekkers; University of New England) -- http://www.une.edu.au/ers/animal-genetics/Gibson-book/.