2.2 算出好种：育种值估计与选种选配

算出好种：育种值估计与选种选配

本节摘要：上一页给了记账语言，这一页给出算法：把自身、祖先、同胞的成绩和基因组信息拧成一个育种值，再按排名决定谁留、谁配、谁淘汰。核心前提是"表型等于遗传加环境"，育种值要做的就是把环境噪声挤出去、只留下可遗传的那部分。本页还拆解选择响应与世代间隔的关系，并对比个体选择、后裔测定、基因组选择三种路线的适用场景与代价。

反例开局：只凭外表选种，曾是无数牧场走了几十年的弯路。"看着壮"和"遗传上优秀"是两回事——这句话值得抄在手账扉页上。

表型会骗人

为什么壮牛未必生得出壮崽？因为眼睛看到的那个"壮"，是遗传和环境叠出来的合体：

表型 = 遗传效应 + 环境噪声
​

营养管够的时候，一头普通母猪可能也显得泌乳能力惊人；同一头优质母猪，饲料一紧，立刻平庸下去。环境的威力足以把真实的遗传差异盖得严严实实。所以有人主张选种前先把饲养环境稳定下来——环境变量不控制住，遗传差异永远浮不出水面。所以选种的第一步，不是比较长相，而是想办法把环境这层滤镜摘掉，看底下那部分稳定的遗传贡献——这就是育种值的由来。它衡量的是：如果把某头个体当亲本，后代均值相对群体均值会偏移多少。偏移量越大，当亲本越值钱。

育种值：把噪声挤出去

早期的老办法靠经验加权，后来 BLUP——最佳线性无偏预测——把这事变成了正规的线性模型运算。它精明的地方在于善用"旁证"：一头年轻公牛自己一胎后代都没有，但只要父亲、兄弟、姐妹手里有大量可靠记录，模型就能顺着亲缘关系，把这头公牛的育种值合理推断出来。跨世代、跨性别、跨测定时间的数据，它都能揉进同一套账。

BLUP 并非万能。它依赖系谱来估算个体间的亲缘，系谱错误或缺失，估算就跟着歪。于是基因组选择登场：不再靠系谱"猜"亲缘，而是直接用 SNP 标记算基因组亲缘矩阵，把每个位点当作一条可能携带效应的线索，加总得到基因组育种值。好处很直接——不用等后代成绩，幼崽出生当天就能打分。

这套算法有个硬前提：参考群体必须够大、够有代表性。只拿几个家系的数据建模，等于用一村之人的身高去预测全国，预测自然失准。这也是为什么大公司的数据库越滚越大，小场想单干 GS 几乎没门。

改良量是算出来的，不是喊出来的

决定一年改良多少，三根杠杆，就一个公式：

一个简化的选择响应演算
群体日增重均值 800 克，标准差 80 克，遗传力 0.35
留种群体均值 860 克，选择差 60 克
选择响应 = 0.35 × 60 = 21 克
世代间隔 1.5 年，年均改良 = 21 ÷ 1.5 = 14 克
​

想提速只有三条路：把选择差拉大——淘汰更狠，进展更快但成本跟着涨；把世代间隔压短——早选、用基因组信息早预测；把估计精度抬高——多记录、多拿亲属信息。注意遗传力卡在中间：低遗传力性状（比如繁殖力），个体表型噪声太大，个体选择基本失灵，这时候家系和后裔记录才是主力信息来源。这也是"低遗传力靠家系"这句话的来历。

选配：让好基因碰面，而不是打架

选种决定"谁留下"，选配决定"谁和谁生孩子"。方向错了，好基因凑到一起也可能互相拆台。经典思路有三类：近交（提纯但冒险）、远交（降纯但稳妥）、循环交配（在两者间走钢丝）。现代牧场更倾向用预期杂种优势做匹配——两个亲本遗传差异够大，后代常表现出杂种优势：长得快、抗病强、繁殖好。但优势不是白来的，隐性有害基因也可能被连坐翻出来。

真正讲究的玩法是最优配对：把每对候选亲本的基因组摆出来，算遗传距离、估杂种优势潜力、盯近交系数，最后吐出一张"谁配谁"的清单。这套系统在大型猪场已经有实打实的战绩——断奶仔猪存活率、日增重都有可观提升，代价是需要厚实的基因组数据库和算力，中小场暂时玩不转。散户也不该妄自菲薄：先干好最朴素的选配纪律，比如坚决不配近亲、公猪定期调换，就能避开大半灾难。

近交和杂种优势的分寸，是选配里最考手感的火候。近交能提纯，把好基因固定下来，但每提纯一分，隐性有害基因现身的概率就涨一分；远交稳妥，却让优良组合在原地踏步。业界通行的做法是给每个个体设一个近交系数上限，超过就自动拆对。另一头，杂种优势也不是越大越好——两系杂交效益明显，三系四系再往下走，边际收益递减，管理复杂度倒是直线上升。选配方案的评估，最后都要落回一句话：这一代配出去，下一代的综合账合不合算。

几个要命的坑

单一性状追到极端，是育种里最常见的翻车姿势：瘦肉率推太高，母猪寿命和肉质先崩，兜底的成本远超那点瘦肉。数据驱动也有陷阱——模型越复杂越像黑箱，决策者看不懂背后逻辑，出了问题连锅都找不到。别指望 AI 替你思考，它只是把证据铺得更快。最后提醒一句：遗传改良是个慢变量，账错一年，要还三年。这是春序手账里最需要耐心的一页。

下一节给这套算法装上分子时代的加速器，再聊聊给未来留后路的种源保护。