Skip to main content

Best linear unbiased prediction of clonal breeding values and genetic values from full-sib mating designs

Buy Article:

$50.00 plus tax (Refund Policy)


Full-sib progeny tests with clonal replicates may provide better breeding value estimates and the greatest genetic gain in a tree improvement program. Clonal breeding values (CBV) that combine the family and within-family breeding values due to additive genetic effects can maximize the genetic gain for advanced generation breeding. Clonal genetic values (CGV) that further incorporate full-sib family specific combining ability due to nonadditive genetic effect can maximize gain for a deployment program with clonal propagation techniques. The best linear unbiased prediction (BLUP) is the best statistical method for estimating both CBV and CGV because of its desirable statistical properties compared with the heritability-based gain calculation. A BLUP method for determining both the CBV and CGV for full-sib clonal progeny tests was proposed in this paper. The formulas for CBV and CGV were derived using general BLUP methodology, and formulas were derived for the calculations of their standard errors. An analytical method by using a standard statistical package (SAS PROC MIXED) was presented for CBV and CGV calculations from any full-sib mating designs.

Les tests de descendances biparentales comprenant des réplicats clonaux peuvent fournir de meilleures estimations des valeurs en croisement et les gains génétiques les plus élevés en amélioration des arbres. Les valeurs en croisement clonales (VCC) qui combinent à la fois les valeurs en croisement familiales et intra-familiales découlant des effets génétiques additifs peuvent maximiser le gain génétique lors des cycles de sélection avancés. Les valeurs génétiques clonales (VGC) qui, en plus, intègrent l'aptitude spécifique à la combinaison découlant des effets génétiques non additifs chez les familles biparentales, peuvent maximiser le gain pour un programme de déploiement impliquant le recours aux techniques de multiplication clonale. La meilleure prédiction linéaire non biaisée représente la meilleure approche statistique pour estimer à la fois les VCC et les VGC en raison des ses propriétés statistiques désirables comparativement aux calculs de gain impliquant l'héritabilité. Les auteurs proposent la meilleure prédiction linéaire non biaisée comme méthode pour déterminer à la fois les VCC et les VGC à partir de tests de descendances biparentales comprenant des réplicats clonaux. Les formules pour calculer les VCC et les VGC ont été déterminées à l'aide de la méthodologie générale de la meilleure prédiction linéaire non biaisée ainsi que les formules requises pour le calcul de leur erreur type. Une approche analytique ayant recours à un progiciel statistique commun (SAS PROC MIXED) est décrite pour effectuer le calcul des VCC et des VGC à partir de n'importe quel dispositif de croisements biparentaux.[Traduit par la Rédaction]

Document Type: Research Article

Publication date: 2003-10-01

More about this publication?
  • Published since 1971, this monthly journal features articles, reviews, notes and commentaries on all aspects of forest science, including biometrics and mensuration, conservation, disturbance, ecology, economics, entomology, fire, genetics, management, operations, pathology, physiology, policy, remote sensing, social science, soil, silviculture, wildlife and wood science, contributed by internationally respected scientists. It also publishes special issues dedicated to a topic of current interest.
  • Information for Authors
  • Submit a Paper
  • Subscribe to this Title
  • Terms & Conditions
  • Sample Issue
  • Reprints & Permissions
  • Ingenta Connect is not responsible for the content or availability of external websites
  • Access Key
  • Free content
  • Partial Free content
  • New content
  • Open access content
  • Partial Open access content
  • Subscribed content
  • Partial Subscribed content
  • Free trial content
Cookie Policy
Cookie Policy
Ingenta Connect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more