Note for IGE on harvest body weight in Nile tilapia

2.1 实验材料

实验用到了G7-G9三个世代 (2009-2011) 的三批鱼。

2.2 实验设计

作者采用block design(区块设计) 来测试IGE。每个区块包括11个家系，家系间通过一种不完全双列杂交方式，两个组合在一起。每个区块产生55个组合，每个家系参与10个组合。每个组合 (1个网箱) 包括16条鱼，每个家系贡献8条。三个批次，总共设计了505个组，实际收获493个组，使用的家系数量为167个。

每天的饲料投喂量大约为鱼体重的3-5%。为了能够产生竞争，把饲料放在网箱的一个角落里 (In order to allow competition take place among the fish, the feed was administered at a corner of the net-cage, instead of spreading it all over the surface of the netcage)。

2.3 记录

罗非鱼在网箱中养殖大约5-8个月，体重达到200-250g时收获。收获需要1-2天时间。记录生长和存活性状测定值。共计获得6330尾鱼的表型信息，利用包括37670尾鱼的系谱信息进行遗传评估。在水产上，这可能是数据量最大的一次IGE测试实验。与对虾相比，组的数量多，但是获得的个体数差不多

2.4 表型和遗传参数估计

数据分析通过REML方法，利用ASReml软件完成。作者认为，收获体重仅在存活个体中获得，这其实是全部个体的一个子集 (不包括死亡个体)，用来估计遗传参数是不准确的。因此需要利用收获体重和存活两性状模型来估计。注：这样说是很牵强的。因为死亡个体并没有收获体重记录，加入存活性状，并不能改变什么？本文的一个结果是存活DGE跟收获体重DGE之间存在正相关，与收获体重IGE之间存在负相关。作者的意思可能是说，加入存活率，可能估计收获体重的DGE和IGE更加准确？在本文中，作者对收获体中进行了log转换。

作者设计了5种模型，用来分析收获体重的DGE和IGE遗传参数。

• 模型1：包括DGE效应、随机组效应，以及组与家系的随机交互效应。随机组效应，也就是网箱效应，指的是个体间非遗传的间接效应；组与家系的随机交互效应，也称作非遗传的亲缘效应 (non-genetic kin effect) ，它的目的是分析鱼类能否识别亲缘个体，如自己的同胞兄妹，它们之间不产生竞争。
• 模型2：模型1+IGE效应，但是不包括非遗传的亲缘效应。
• 模型3：模型1+IGE效应+非遗传的亲缘效应。
• 模型4：在模型3的基础上，进一步加入母性共同环境效应，那么会导致收获体重DGE效应剖分不出来，因此模型4在模型3的基础上，包括的母性共同环境效应，但是去除了DGE和IGE效应。
• 模型5：在模型4的基础上，进一步加入IGE效应。

就模型4和模型5的比较分析表明，IGE效应显著。

固定效应主要是批次 (年份) 、性别、池塘效应。

协变量包括日龄，以及同伴的日龄 (social age)。同伴的日龄也很重要，因为同伴的日龄大，通常意味着会影响该个体的生长。个体规格差异是会造成竞争的一个重要原因。这个因素在对虾模型中没有考虑，从结果部分来看，影响并不大。

3.1 总体情况

测试群体的变异系数36%，要小于其他已经发表的文献。测试群体存活率为77%，跟大部分已发表的文献类似。群体中部分不能识别家系编号的个体，放弃掉，大约占全部存活个体数的6%左右。

尽管social age的回归系数达到显著性水平，但是值非常低，对于收获体重的影响非常有限。

为了测试估计结果的健壮性，本文剔除了异常值后重新计算估计结果。异常值的标准为：其残差超过残差标准差的3.5倍。结果表明，估计出的参数变化不大 (1%到10%) ，相关系数没有变化。因此本文中使用的仍然是基于全部数据的估计结果。

3.2 表型和遗传参数估计值

从似然值上看，双变量分析模型要明显优于单变量分析模型。

模型中包括母性共同环境效应，无法有效地估计DGE和IGE相关参数。作者给出的原因为：“liable to change from positive definite to fixed at a boundary”。另外存在的一个估计问题为：“parameters did not converge;results not shown”。

LRT检验表明，与模型1相比，加入IGE后的模型3具有更好的拟合度 (A LRT showed that model 3 had a better goodness of fit than model 1) 。

尽管IGE遗传方差估计值本身比较小，但是它对总遗传变异的贡献是非常大的 (Although the estimated indirect genetic effect may seem small, its contribution to the total heritable variation was substantial) ，所占比例为48%。

然而，负的DGE-IGE遗传协方差完全抵消掉了IGE方差对总遗传变异的贡献！因为:

\[\frac{2(n-1)\sigma_{A_{SD}}}{ \sigma^{2}_{TBV}}\times100\% = -55\% \]

因此，总遗传方差几乎与原来的直接遗传方差相等(As a consequence, the total genetic vairance was nearly identical to the ordinary direct genetic variance) ，那么\(T^{2}\)与\(h^{2}\)几乎相等 (approximately equal to) 。

总遗传变异没有变化，并不意味着IGE对选择反应没有影响(Beware that the lack of impact on \(\sigma^{2}_{TBV}\) does not mean that IGE does not affet response to selection)。

相反，负的DGE-IGE遗传相关将会降低经典群体选择(ordinary mass selection)或BLUP选择的反应。

中等的、但是显著的负DGE-IGE遗传相关表明，测试群体内存在竞争现象。存活DGE与收获体重DGE之间的遗传相关很低，而且不显著。但是存活DGE与收获体重IGE之间存在显著的负相关(strongly negative）。这表明，存活性能强的个体，会抑制同组内其他个体的生长速度。

基于AIC(越小越好）和LogL值(越大越好）对模型3和4进行比较分析，结果表明母性共同环境效应比DGE和IGE遗传效应更为重要，应该放入模型中(A comparison of likelihoods and AIC of models 3 and 4 shows stronger evidence for maternal common environmental effects than for genetic effects)。但是包括母性共同环境效应后，无法有效估计DGE和IGE。

只比较model 4和model 5，分析IGE效应的显著性。结果表明，包括IGE的模型5具有更小的AIC值。LRT也表明，IGE效应是显著的。

无论模型中是否包括遗传效应，非遗传效应估计值均十分稳定(The non-genetic random effects were robust to the inclusion or exclusion of genetic effects from the model)。

文章也测试了社会母性共同环境效应，它指的是待分析个体的母性环境对同一测试组内其他个体生长速度的影响，结果表明是不显著的，因此没有加在模型中。(原理是类似的，把其同伴个体所在家系编号，作为很多列，依次排列）。

根据模型3和模型5的计算结果，测试组和非遗传亲缘效应统计性检验显著，在表型方差中所占的比例分别为17%和10%。模型2和模型3的比较结果用来检验非遗传亲缘效应(The comparision of model 2 and model 3 served the purpose of testing the non-genetic kin effect)。LRT检验表明，模型3要优于模型2 (The LRT between model 2 and model 3 indicated that model 3 was statistically much better than model 2. AIC的比较也表明model 5要优于model 2 (The same result was found when comparing model 5 to model 2)，这表明非遗传亲缘效应是非常显著的(Thus non-genetic kin effects were highly significant)。这个结果表明与不同组内该家系个体相比，同一组内该家系个体相似度更高。这个结论可能意味着同一家系内个体可能互相认识，识别。剔除该效应，除了残差方差，其他方差组分都变大了。因此，如果不在模型中包括该效应，遗传参数估计值会出现偏差。

4.1 主要发现overall findings

不考虑母性共同环境效应，IGE存在且显著。没有获得存活性状的IGE，低遗传力可能是一个主要原因？

4.2 基于巢式交配设计的DGE和IGE遗传参数

加入母性共同环境效应，为什么会导致DGE和IGE遗传参数难以剖分？作者认为不成功的巢式交配设计，是导致母性共同环境效应与DGE混淆剖分不出来的主要原因。在167个家系中，只有54个半同胞家系，比例只有30%。注：需要强调是的，在对虾中使用的3FAM设计，只有16%的半同胞家系，依然可以剖分出共同环境效应，需要深刻剖析其原因，如果真的可以，那么就不需要建立大规模半同胞家系了。

在包括母性共同环境效应的模型5中，仅有的遗传效应是IGE。因此作者推测，IGE的遗传方差可能会包括DGE遗传方差，因此会被高估？但是在区块设计中，一个家系仅仅会与另外一个特定的家系组合在一起一次，尽管存在直接遗传方差，但是这两个家系个体间并不会产生协方差。因此，IGE方差中并不会包括来自于DGE的协方差。DGE方差应该是跟母性共同环境效应方差混淆在一起了。因为无论是否包括DGE效应，母性共同环境效应方差均没有发生变化。

注：在混养模式下，母性共同环境效应跟DGE效应混淆在一起很好理解。譬如，如果将家系间(母本遗传方差）的差异解释为DGE方差，难么为了进一步剖分出以家系为单位的共同环境效应，需要家系间有足够的遗传联系。当没有足够的遗传联系，那么两者很容易混淆在一起，无法剖分。在分组的情况下，组效应还会进一步降低家系间的差异。

本实验的区块设计，每个家系重复10次；而3FAM设计，每个家系重复3次。但是3FAM设计也有它的优势，每个组中有3个家系，在100个组中混合100个家系，跟区块设计在500个组中混合100个家系，肯定是3FAM设计有更多的家系会分享相同的环境。这个共同的环境是非常有利于剖分加性遗传效应的，因为环境越相似性，同一个家系不同个体间的表现会越一致，这是准确估计加性遗传效应的一个重要条件。

但是这还是没有回答前边的问题，为什么3FAM设计，更加容易剖分出共同环境效应，甚至混养模式剖分不出来，3FAM设计反而可以。试着反过来推一下，在混养模式下，如果不考虑系谱即家系间的亲缘关系，共同环境效应跟家系加性效应是完全混淆在一起的;而在3FAM模式下，相当于每个家系有三个重复，而且是在不同的环境中，难么有重复可能意味着可以更加准确地剖分共同环境效应？每个家系的不同重复，可以单独推算出一个共同环境效应来，这样就跟DGE不是完全混淆了？因为不同的重复，所使用的家系个体也是不一样的。推测在本文使用的区块设计中，测试组太多了，导致组效应仅能代表两个家系组合的效应，难么组效应是否会跟IGE效应混淆在一起？留待继续讨论。另外有一篇文章，是2017年发表的，讨论同样是区块设计，每个组中3个家系要比2个家系更好。

如上所述，作者认为交配设计是母性共同环境效应跟DGE混淆的一个主要原因，因此作者建议采取析因设计，如1雄配5雌，来强化家系间的遗传联系。但是这种设计不切合育种现状：受限于设施，难以大幅度增加全同胞家系数量。在育种计划中，如果采用上述析因设计，将会使用更少的父本个体，降低有效群体大小，不利于提高育种目标性状的选择反应。

来自model 1，2，3的EBV (DGE、DGE+IGE、DGE+IGE)与来自model 5的EBV(IGE)之间，相关系数不高，这表明IGE是非常重要的。如果在育种分析中，只根据IGE选留个体，很明显不会选出那些由自身基因决定生长速度的个体，会影响目标性状的选择反应。模型1实际上是DGE；模型2是DGE+IGE；模型3 也是DGE+IGE，但是多了个非遗传亲缘效应；三个模型EBV之间的遗传相关都大于0.8，这表明是否考虑IGE，对于最终的遗传决定影响并不大？

4.3 可遗传的竞争(Heritable comparision)

基于模型3的DGE-IGE遗传相关表明，存在中等程度的竞争，这种竞争几乎完全抵消了IGE贡献的可遗传变异。IGE的存在并没有改变总遗传变异，TBV方差与DGE方差几乎相等。但是这并不意味着选择反应也不受影响。负的DGE-IGE协方差将会降低选择的准确性，最终降低选择反应(The negative direcct-indirect genetic covariance will reduce the accuracy of selection, which in turn reduces response)。以群体选择为例，当鱼随机在不同的组中养殖测试，而不是以家系为单位分布在不同的组中时(when fish are reared in groups at random with respect to families.)，真实的DGE准确性表述为下述方程：

\[\rho = \frac{\sigma_{A_{D}} + (n-1)\sigma_{A_{DS}}}{\sigma_{TBV}\sigma_{P}}=0.46\]

模型3中，DGE遗传力为0.35，准确性为sqrt(0.35)=0.59，比考虑IGE的准确性要高28%(需要注意，表5中模型3的遗传力作者忘记计算了\(h^{2}\))。负的DGE-IGE遗传相关表明,在竞争性的环境下，当鱼类个体随机而不是以家系为单位分布在测试组时，针对个体性能的选择，将会增加竞争(The negative direct–indirect genetic correlation indicates that selection for individual performance will increase competition when fish are kept in groups composed at random with respect to family)。当测试组内个体间具有亲缘关系时，可以避免竞争加剧的问题。

竞争不但会降低生长性能，而且会降低鱼类的福利性状。基于总育种值TBV进行选择，可以同时改良产量和福利性状。此外，Neilsen等表明在大西洋鳕育种中考虑IGEs可以改良福利性状的遗传进展。

4.4 组效应和非遗传亲缘效应

在本文中，组效应贡献了16-21%的表型方差。相对于其他遗传和非遗传效应，组效应所占的比例较高(This is hight compared to other genetic and non-genetic effects in the model)。这表明每个测试组内个体具有相似的性状值，可能是因为组内个体共享一个共同社会环境的结果（这句话的意思是不同组个体间的竞争强度也不同？有的组，个体间竞争比较强，有的组个体间竞争比较弱？）。不包括测试组效应，获得的DGE和IGE遗传方差估计值偏高，与已有的研究结果也是相一致（不包括测试组效应时，它可能就会混到DGE和IGE遗传方差中，由于每个家系只分布在少量组（10个），因此测试组间的差异跟家系间的差异会部分混淆，DGE和IGE遗传方差估计值偏高）。

在本文中，我们拟合测试组与家系的交互随机效应作为非遗传亲缘效应。此效应非常显著，解释了表型方差的9%-11%。这表明同一个测试组内家系个体具有相似的性状值，个体跟它的同胞个体的交互，不同与其他家系的个体，意味着可能存在亲缘识别kin-recognition。从进化遗传学角度来看(from an evolutionary perspective)，这种亲缘识别的行为会增加个体的广义适应度inclusive fitness（从网上搜了一下，这是进化遗传学上的一个热点）。分析了一下虾的数据，占得比重<4%，存在亲缘识别的概率太低。在鲑、罗非鱼上已有亲缘识别的报道。亲缘识别行为会增加IGE分析的复杂度。因为具有亲缘关系个体间的IGE效应是不同于非亲缘个体间的。此外，不同家系针对不同测试组环境的敏感性差异也会导致非遗传亲缘效应(the non-genetic kin effect may originate from environmental variation between groups together with differential sensitivity of families to such environmental variation)。换句话说，基因型与环境的交互也会导致非遗传亲缘效应。

4.5 在水产养殖中的应用(Implication for aquaculture production)

在养殖场等，很难观察和记录鱼类行为，导致无法评估其影响。但是可以推测鱼类个体间的竞争会随着生产系统和投喂策略变化。通常会在漂浮网箱、水池和循环水养殖系统中高密度养殖鱼类个体，而在土池中进行低密度养殖。在本文中，一个关键问题是，作者在设置的竞争性实验环境下所发现的IGE，是否可以代表商业养殖场中的竞争情况？在商业养殖场，通常是组内个体数量非常多，高密度养殖，是否也会存在较大的IGE组分(In this study, one of the key questions is whether IGEs found here are representative of IGEs occuring in commercial farms)？

接下来，作者从饲料和密度两个角度进行了探讨。

大部分商业养殖场充足投喂饲料，这会降低群体内的竞争。此外，投喂时，本实验饲料放置在网箱一角，而商业养殖场会在整个水面投喂。推测商业养殖环境，竞争会小一些。作者进一步参考另外一个参数，即变异系数，来探讨养殖环境竞争程度的差别。与本实验养殖环境相比，在商业环境下，收获体重的变异系数更大，在40%-59.8%。这表明获取饲料的方式可能不会加剧群体的竞争性能，商业群体的竞争性要大于本群体。

除了投喂方式，商业养殖场的放苗密度也远大于本实验。商业养殖场的放苗密度在1500尾/平方米，本实验仅为11尾/平方米。对于受社会交互影响的性状，总遗传方差和选择反应主要由组大小和IGEs之间的关系决定。在一个有很多个体的大组中，一对个体间的交互可能会非常少，这种现象称为稀释(dilution)。迄今为止，在商业养殖条件下，关于水产物种竞争交互稀释程度的相关研究，未见报道。