Economically important traits are usually complex traits influenced by genes, environment and genotype-by-environment (G × E) interactions. Ignoring G × E interaction could lead to bias in the estimation of breeding values and selection decisions. A total of 1,778 pigs were genotyped using the PorcineSNP80 BeadChip. The existence of G × E interactions was investigated using a single-step reaction norm model for growth traits of days to 100 kg (AGE) and backfat thickness adjusted to 100 kg (BFT), based on a pedigree-based relationship matrix (A) or a genomic-pedigree joint relationship matrix (H). In the reaction norm model, the herd-year-season effect was measured as the environmental variable (EV). Our results showed no G × E interactions for AGE, but for BFT. For both AGE and BFT, the genomic reaction norm model (H) produced more accurate predictions than the conventional reaction norm model (A). For BFT, the accuracies were greater based on the reaction norm model than those based on the reduced model without exploiting G × E interaction, with EV ranging from 0.5 to 1, and accuracy increasing by 3.9% and 4.6% in the reaction norm model based on A and H matrices, respectively, while reaction norm model yielded approximately 8.4% and 7.9% lower accuracy for EVs ranging from 0 to 0.4, based on A and H matrices, respectively. In addition, for BFT, the highest accuracy was obtained in the BJLM6 farm for realizing directional selection. This study will help to apply G × E interactions to practical genomic selection.

中文翻译：

---

使用单步基因组反应范数模型通过环境相互作用对存在基因型的猪生长性状进行基因组预测

经济上重要的性状通常是受基因、环境和基因型-环境（G×E）相互作用影响的复杂性状。忽略 G × E 相互作用可能导致育种值估计和选择决策的偏差。使用 PorcineSNP80 BeadChip 对总共 1,778 头猪进行了基因分型。基于基于谱系的关系矩阵 (A)，使用单步反应范数模型研究 G × E 相互作用的存在性，用于 100 kg (AGE) 天的生长性状和调整至 100 kg (BFT) 的背膘厚度或基因组谱系联合关系矩阵 (H)。在反应常模模型中，畜群-年-季节效应被衡量为环境变量（EV）。我们的结果显示 AGE 没有 G × E 相互作用，但对于 BFT。对于 AGE 和 BFT，基因组反应范数模型 (H) 比传统反应范数模型 (A) 产生更准确的预测。对于 BFT，基于反应范数模型的准确度高于基于不利用 G×E 相互作用的简化模型的准确度，EV 范围从 0.5 到 1，基于反应范数模型的准确度分别提高了 3.9% 和 4.6%分别在 A 和 H 矩阵上，而基于 A 和 H 矩阵，反应范数模型分别使 0 到 0.4 范围内的 EV 的准确度降低了大约 8.4% 和 7.9%。此外，对于BFT，在BJLM6农场实现定向选择的精度最高。这项研究将有助于将 G × E 相互作用应用于实际的基因组选择。基于反应范数模型的准确度高于不利用 G×E 相互作用的基于简化模型的准确率，EV 范围为 0.5 到 1，基于 A 的反应范数模型的准确度提高了 3.9% 和 4.6% H 矩阵，而反应范数模型分别使 0 到 0.4 范围内的 EV 准确度降低了约 8.4% 和 7.9%，分别基于 A 和 H 矩阵。此外，对于BFT，在BJLM6农场实现定向选择的精度最高。这项研究将有助于将 G × E 相互作用应用于实际的基因组选择。基于反应范数模型的准确度高于不利用 G×E 相互作用的基于简化模型的准确率，EV 范围为 0.5 到 1，基于 A 的反应范数模型的准确度提高了 3.9% 和 4.6% H 矩阵，而反应范数模型分别使 0 到 0.4 范围内的 EV 准确度降低了约 8.4% 和 7.9%，分别基于 A 和 H 矩阵。此外，对于BFT，在BJLM6农场实现定向选择的精度最高。这项研究将有助于将 G × E 相互作用应用于实际的基因组选择。而基于 A 和 H 矩阵，反应范数模型对 0 到 0.4 范围内的 EV 的准确度分别降低了约 8.4% 和 7.9%。此外，对于BFT，在BJLM6农场实现定向选择的精度最高。这项研究将有助于将 G × E 相互作用应用于实际的基因组选择。而基于 A 和 H 矩阵，反应范数模型对 0 到 0.4 范围内的 EV 的准确度分别降低了约 8.4% 和 7.9%。此外，对于BFT，在BJLM6农场实现定向选择的精度最高。这项研究将有助于将 G × E 相互作用应用于实际的基因组选择。