In genomic prediction including data of 3- or 4-way crossbred animals, line composition is usually fitted as a regression on expected line proportions, which are 0.5, 0.25 and 0.25, respectively, for 3-way crossbred animals. However, actual line proportions for the dam lines can vary between ~ 0.1 and 0.4, and ignoring this variation may affect the genomic estimated breeding values of purebred selection candidates. Our aim was to validate a proposed gold standard to evaluate different approaches for estimating line proportions using simulated data, and to subsequently use this in actual 3-way crossbred broiler data to evaluate several other methods. Analysis of simulated data confirmed that line proportions computed from assigned breed-origin-of-alleles (BOA) provide a very accurate gold standard, even if the parental lines are closely related. Alternative investigated methods were linear regression of genotypes on line-specific allele frequencies, maximum likelihood estimation using the program ADMIXTURE, and the genomic relationship of crossbred animals with their maternal grandparents. The results from the simulated data showed that the genomic relationship with the maternal grandparent was most accurate, and least affected by closer relationships between the dam lines. Linear regression and ADMIXTURE performed similarly for unrelated lines, but their accuracy dropped considerably when the dam lines were more closely related. In almost all cases, estimates improved after adjusting them to ensure that the sum of dam line contributions within animals was equal to 0.5, and within dam line and across animals the average was equal to 0.25. Results from the broiler data were much more similar between methods. In both cases, stringent linkage disequilibrium pruning of genotype data led to a relatively low accuracy of predicted line proportions, due to the loss of too many single nucleotide polymorphisms. With relatively unrelated parental lines as typical in crosses in pigs and poultry, linear regression of crossbred genotypes on line-specific allele frequencies and ADMIXTURE are very competitive methods. Thus, linear regression may be the method of choice, as it does not require genotypes of grandparents, is computationally very efficient, and easily implemented and adapted for considering the specific nature of the crossbred animals analysed.

中文翻译：

---

利用基因组信息估计三向杂交动物的母系组成

在包括 3 或 4 向杂交动物数据的基因组预测中，线组成通常拟合为预期线比例的回归，对于 3 向杂交动物，预期线比例分别为 0.5、0.25 和 0.25。然而，母系的实际品系比例可能在 ~ 0.1 和 0.4 之间变化，忽略这种变化可能会影响纯种选择候选者的基因组估计育种值。我们的目标是验证提议的黄金标准，以评估使用模拟数据估计线比例的不同方法，然后在实际的 3 路杂交肉鸡数据中使用它来评估其他几种方法。对模拟数据的分析证实，根据指定的等位基因品种起源 (BOA) 计算的品系比例提供了非常准确的黄金标准，即使亲本品系密切相关。可供选择的研究方法是基因型对系特异性等位基因频率的线性回归，使用 ADMIXTURE 程序的最大似然估计，以及杂交动物与其外祖父母的基因组关系。模拟数据的结果表明，与外祖父母的基因组关系最准确，受母系之间更密切关系的影响最小。线性回归和 ADMIXTURE 对不相关系的表现相似，但当母系更密切相关时，它们的准确性大大下降。在几乎所有情况下，在调整它们以确保动物内母系贡献的总和等于 0.5，以及母系内和动物之间的平均值等于 0.25 后，估计值得到了改善。肉鸡数据的结果在方法之间更加相似。在这两种情况下，由于丢失了太多的单核苷酸多态性，基因型数据的严格连锁不平衡修剪导致预测线比例的准确性相对较低。对于猪和家禽杂交中典型的相对不相关的亲本系，杂交基因型对系特异性等位基因频率和 ADMIXTURE 的线性回归是非常有竞争力的方法。因此，线性回归可能是选择的方法，因为它不需要祖父母的基因型，在计算上非常有效，并且易于实施和适应考虑分析的杂交动物的具体性质。由于丢失了太多的单核苷酸多态性，基因型数据的严格连锁不平衡修剪导致预测线比例的准确性相对较低。对于猪和家禽杂交中典型的相对不相关的亲本系，杂交基因型对系特异性等位基因频率和 ADMIXTURE 的线性回归是非常有竞争力的方法。因此，线性回归可能是选择的方法，因为它不需要祖父母的基因型，在计算上非常有效，并且易于实施和适应考虑分析的杂交动物的具体性质。由于丢失了太多的单核苷酸多态性，基因型数据的严格连锁不平衡修剪导致预测线比例的准确性相对较低。对于猪和家禽杂交中典型的相对不相关的亲本系，杂交基因型对系特异性等位基因频率和 ADMIXTURE 的线性回归是非常有竞争力的方法。因此，线性回归可能是选择的方法，因为它不需要祖父母的基因型，在计算上非常有效，并且易于实施和适应考虑分析的杂交动物的具体性质。杂交基因型对系特异性等位基因频率的线性回归和 ADMIXTURE 是非常有竞争力的方法。因此，线性回归可能是选择的方法，因为它不需要祖父母的基因型，在计算上非常有效，并且易于实施和适应考虑分析的杂交动物的具体性质。杂交基因型对系特异性等位基因频率的线性回归和 ADMIXTURE 是非常有竞争力的方法。因此，线性回归可能是选择的方法，因为它不需要祖父母的基因型，在计算上非常有效，并且易于实施和适应考虑分析的杂交动物的具体性质。