HFA350 Fra fenotyper til avlsverdier

Dette emnet har som mål å gi studentene alle ferdighetene som trengs for å arbeide innen avls- og genetikkbransjen, fra moderne fenomikkmetoder til avanserte kvantitative genetiske modeller. Emnet legger vekt på analyse og problemløsning fra virkeligheten basert på datasett levert i samarbeid med norske avlsselskaper og organisasjoner. Denne praktiske erfaringen gir studentene mulighet til å anvende sine ferdigheter på et komplekst, tverrfaglig problem, som kulminerer i utarbeidelsen av en rapport som presenterer en avlsstrategi eller et produktforslag tilpasset studentenes valgte datasett.

Emnet gir studentene både teoretiske og praktiske ferdigheter til å drive genetisk innovasjon gjennom integrering av de nyeste verktøyene og modellene innen fenomikk og lineære blandede modeller for estimering av avlsverdier, inkludert genomisk seleksjon. Med utgangspunkt i generering av nye fenotyper vil studentene arbeide med ulike digitale datastrømmer, som bilder, sensordata og vibrasjonsspektroskopi, for å utvikle nye og presise målinger av egenskaper som er kritiske for moderne avlsprogrammer. Gjennom praktiske øvelser i R vil studentene opparbeide seg kompetanse i dataanalyse og tolkning for praktiske anvendelser innen presisjonsavl.

The course then moves on to advanced techniques in linear mixed modeling, variance component estimation, and breeding value prediction to enable effective selection decisions. Students will explore various statistical models, including univariate animal models, multivariate models, and models incorporating genotype-environment interactions. Prediction errors and model comparisons will be reviewed to enhance understanding and application of these statistical methods.

Students then extend their understanding of linear mixed models to modern genomic selection models, kinship matrices, and genome-wide association studies.

Knowledge:

Students will gain a theoretical understanding of how to evaluate:

• The value of new phenotypes from different digital technologies.
• Model fitting of linear mixed models including BLUP, SNPBLUP, GBLUP, GWAS and multitrait, variance components.
• How traits can be included in a selection index for genetic progress.

Skills:

• Data analysis skills to include various data types such as image/video, vibration spectroscopy and sensors.
• Construct mixed model equations for models with random and fixed effects.
• The ability to estimate variance components and predict breeding values ​​​​with commercial software (ASReml).
• Simulate a breeding program with the introduction of new strategies.
• Contribute in a team to present an interdisciplinary project.
• Write, report, discuss and defend points of view in an individually produced report.

Competence:

Students will be confident when exposed to new data sets and interdisciplinary breeding problems, and have the ability to find optimal solutions for genetic progress and socially responsible animal breeding.