Разведение в тренажере: какие мышцы работают, техника выполнения упражнения

alexxlab РазноеОставить комментарий на Разведение в тренажере: какие мышцы работают, техника выполнения упражнения

Содержание

какие мышцы работают, техника выполнения упражнения

Разведение ног в тренажере сидя — это изолированное упражнение, знакомое каждой посетительнице тренажерного зала. Оно направлено на проработку ягодичных мышц, а также внешней поверхности бедра. Хотя основную тренировку этот элемент заменить никак не может, его смело стоит включать в программу занятий, чтобы дополнительно улучшить форму бедер и линию талии, придав им привлекательность.

Какие мышцы работают

Тренировка для девушек в тренажерном зале, направленная на проработку низа, обязательно должна включать рассматриваемое упражнение. В процессе выполнения работают главные мышцы — верхняя, средняя и малая ягодичные, а также дополнительные:

  • разгибатели позвоночника;
  • большая приводящая;
  • грушевидная;
  • пресс;
  • напрягатель широкой фасции;
  • широкая латеральная;
  • квадратные поясничные.

Разведение ног в тренажере сидя является довольно эффективным элементом, хотя и не может выступать в качестве главного.

Это упражнение, как правило, выполняется в конце тренинга, когда нужно «добить» проработанные мускулы.

Техника выполнения

У такого упражнения на ягодицы в тренажерном зале, как разведение ног в положении сидя, имеется своя техника. Ее необходимо соблюдать в точности, чтобы получить максимальный эффект и защитить себя от травм.

Хотя данный элемент входит в категорию начального уровня сложности, к нему все равно нужно хорошенько подготовиться, так как выполняется он на тренажере, а не со свободным весом. В первую очередь необходимо выставить нужный вес. Женщинам будет достаточно 10–20 кг, мужчинам — 20–25 кг. Правильно выбрать рабочий вес нетрудно. Для этого потребуется взять среднее значение и сделать 10 повторений. Если уровень установлен правильно, в конце выполнения должно ощущаться жжение в мышцах.

Выполняется разведение ног в тренажере сидя таким образом:

  1. Сесть в тренажер, прижаться спиной к поверхности, расположить бедра между упорами по бокам.
  2. Взяться за ручки обеими руками, сделав вдох и одновременно напрягая пресс, развести ноги как можно дальше.
  3. Задержаться в крайней точке на пару секунд.
  4. Медленно выдыхая, вернуться в исходную позу.

Выполнять упражнение рекомендуется 15 раз в 3 подхода. Вес следует подбирать самостоятельно или при помощи тренера, который учтет все физические возможности.

Варианты упражнения

Разведение ног в тренажере сидя можно выполнять в различных вариациях. Они помогут разнообразить тренировки. Самыми распространенными элементами являются разведения с наклоном и с регулировкой скамьи. Оба варианта подробно описаны ниже. Но прежде чем приступить к их выполнению, следует научиться хорошо делать классическое упражнение.

С наклоном корпуса

У данного упражнения на ягодицы в тренажерном зале такая же техника, как и для стандартного элемента. Единственным отличием является наклон корпуса к бедрам (не более чем на 45 градусов). Кроме того, в этом случае нужно сместить таз поближе к краю сиденья, чтобы достать руками до стойки тренажера и упереться в нее.

Сведение ног в тренажере сидя исполнить вряд ли получится, поэтому даже пытаться воспроизвести те же действия с ним не стоит. Хотя эти два тренажера похожи между собой, каждый из них имеет свои особенности, поэтому стоит соблюдать правильную технику выполнения упражнения.

Регулировка скамьи

Благодаря изменению наклона спинки есть возможность делать большую нагрузку на нижнюю или среднюю часть ягодичных мышц. Здесь важно запомнить, что чем ниже опускается скамья, тем ниже смещается и нагрузка. В остальном упражнение выполняется по той же технике, что и предыдущее.

Чем заменить разведение ног

Тренировка для девушек в тренажерном зале вполне может быть выполнена и без разведения ног. Часто люди сталкиваются с ситуацией, что тренажер занят, а дождаться своей очереди на него очень сложно. Именно при таких случаях спортсмены ищут альтернативы. К счастью, существует пара упражнений, при которых задействуют те же мышечные группы. К ним относятся:

  1. Шаги с резинкой. Для выполнения потребуется достать специальную ленту. Она имеется далеко не во всех спортивных залах, поэтому многим людям приходится покупать ее за свои деньги. Зато у такого снаряда есть преимущество, ведь с ним можно устраивать полноценные тренировки в домашних условиях, задействуя разные группы мышц. Шаги с резинкой выполняются таким образом: лента закрепляется на лодыжках, ноги немного сгибаются в коленях, после чего одна нога делает шаг в сторону, растягивая ее, а вторая подтягивается так, чтобы приспособление не упало на пол. При этом спина обязательно должна быть прямой. Можно попробовать другой вариант выполнения — на каждом шаге делать присед, достигая параллели между бедрами и поверхностью пола.
  2. Отведение ноги в сторону. Для этого также предусмотрен специальный тренажер. Упражнение такого типа замечательно прорабатывает внешнюю поверхность бедра, ягодицы и даже немного улучшает растяжку. Для выполнения одна нога закрепляется в специальном приспособлении тренажера и отводится в сторону, задерживаясь в верхней точке на две — три секунды.

Каждое из этих упражнений необходимо делать в 2 подхода по 15–20 повторений. Нагрузку также нужно постепенно увеличивать, чтобы прогрессировать, но не стоит делать это резко, так как в этом случае повышается риск получить травму.

Польза

Разведение в тренажере для тренировки ног имеет несколько преимуществ, за которые его любят многие спортсмены. Сюда относятся:

  • задействование мелких мышц бедра;
  • изолированная работа абдукторов;
  • проработка отводящих мышц;
  • поддержка тонуса мускулов внешней части бедер;
  • улучшение кровообращения в области малого таза.

Противопоказания

Тренажер для мышц ног противопоказан:

  • при болях в пояснице;
  • при травмах спины;
  • при проблемах с тазобедренным суставом.

В случае этих проблем начинать выполнять упражнение категорически запрещается. Объясняется это тем, что при несоблюдении противопоказаний есть риск ухудшить свое положение и заработать еще больше недугов, справиться с которыми будет гораздо сложнее.

Ошибки и советы

При занятиях на тренажерах для ног, в том числе и при разведении, люди часто допускают ошибки, которые влекут за собой серьезные последствия. Чтобы не допустить этого, следует прислушаться к элементарным советам. Запомнить их нетрудно:

  1. В процессе выполнения разведения в тренажере необходимо следить за положением спины. Если она не будет прямой или сместится в сторону, можно заполучить лишнюю проблему с поясницей.
  2. Конечности следует разводить максимально далеко, так как это обеспечит большую нагрузку, а следовательно, и лучший эффект.
  3. Разводить ноги рекомендуется рывком, а вот сдвигать — как можно медленнее. При этом требуется ощущать давление, но ни в коем случае не соединять их по инерции.
  4. Выполняя повторения, не стоит сводить конечности до соприкосновения — между ними должно оставаться расстояние в 5–10 сантиметров, что также поспособствует получению большей нагрузки.
  5. Руки обязательно нужно расположить на специально предусмотренных для этого ручках, а не помогать ими ногам.
  6. Требуется соблюдать правила дыхания, вдыхая на расслаблении (сведение) и выдыхая на усилии (разведение).
  7. Во время выполнения элемента тазобедренные суставы следует задействовать максимально, чтобы никакие другие части тела не могли им помогать, тем самым обеспечивая нагрузку только целевой группе мышц.
  8. Внешняя часть бедер обязательно должна быть плотно прижата к тренажеру, так как в противном случае большая нагрузка перенесется на квадрицепсы.
  9. Рабочий вес не должен быть слишком тяжелым или легким. Идеальным считается тот вес, при работе с которым крайние повторения выполняются тяжело и с ощущением жжения в целевых мышцах, но при этом удается полностью доделать подход.

После выполнения упражнения желательно сделать растяжку.

Кому можно выполнять

Рассматриваемое упражнение особенно полезно для новичков в тренажерном зале и в спорте в целом, а также девушек. Мужчинам его, конечно, тоже можно выполнять, но преимущественное большинство сильного пола выбирает более интересные элементы со свободными весами.

Новичкам сложно освоить все тренажеры, присутствующие в зале. Чтобы решить эту проблему, тренеры советуют им начинать именно с разведения в тренажере, утверждая, что это приведет мускулы в тонус и поможет лучше переносить последующие нагрузки.

Что касается девушек, они, как правило, стремятся заполучить упругие и сильные ягодицы. Именно с этой целью им следует регулярно заниматься на тренажере разведения. К тому же здесь прекрасно работает средняя мышца ягодиц, которую можно задействовать далеко не во всех упражнениях.

техника сидя и стоя, чем заменить в домашних условиях

Фитнес индустрия постоянно развивается и на сегодняшний день представляет как минимум три конструкции для изолированной нагрузки мышц бедра, и это только для отводящих! И неспроста, ведь в особенности женщины уделяют огромное внимание бедрам и ягодицам. Соответственно, и тренажеры постоянно улучшаются и модернизируются. Но и для мужчин в этом есть своя польза: некоторые конструкции позволяют изолировать работу бедер при травмах и заболеваниях спины. Давайте разберем все варианты разведения ног в тренажере, их технику и особенности.

Содержание

Польза и недостатки разведения ног в тренажере

Плюсы:

  • Тренажер обеспечивает изолированную нагрузку на отводящие мышцы бедра. В отличие от базовых упражнений на ноги, в тренажере не включаются в работу квадрицепсы и приводящие мышцы, поэтому с помощью отведения ног в тренажере можно проработать и улучшить форму именно ягодичной мышцы.
  • В тренажере полностью исключена нагрузка на позвоночник и суставы, кроме тазобедренного. Некоторые конструкции и положения тела снижают нагрузку с мышц поясницы.

Минусы:

  • Упражнение не так эффективно, по сравнению с приседаниями или жимом ногами, так как нагрузка распространяется на минимум мышечных групп. Поэтому оно не способствует ускорению метаболизма и жиросжиганию в целом, как это происходит с многосуставными упражнениями.
  • Разведение ног сидя эффективно только как дополняющая другие упражнения техника и не является основной в тренировке ног.
  • Увеличить ягодицы такой вариант так же не может без упражнений со свободным весом.

Какие мышцы работают при разведении ног в тренажере

Важно понимать, что в различных вариантах одни мышцы будут работать сильнее, а другие в меньшей степени. С помощью изменения наклона также можно воздействовать на разные части мышц. В технике выполнения упражнений рассмотрим эти особенности подробнее.

Основную нагрузку получают:

  • Средняя ягодичная.
  • Большая ягодичная.
  • Малая ягодичная (внутренняя мышца).

Упражнения на среднюю ягодичную мышцу для поднятия верха ягодиц →

Вспомогательные мышцы, которые включаются в работу:

Техника выполнения разведения ног сидя с прижатой спиной

  1. Предварительно поставьте необходимый вес нагрузки, он должен быть умеренным для выполнения большого количества повторений.
  2. Сядьте в тренажер, максимально уприте таз и позвоночник в сидение. Поставьте стопы на специальные подставки и прижмите внешнюю часть бедер ближе к коленям в специальные упоры.
  3. Возьмитесь за рукояти, напрягите пресс, чтобы зафиксировать позвоночник в одном положении.
  4. С выдохом отведите ноги в стороны, выполняя движение в достаточно быстром темпе, но не резко. Не следует отводить слишком широко, работая суставом по максимуму, но напряжение в ягодицах чувствоваться должно.
  5. На вдохе медленнее сводите бедра, но не до конца, сохраняя напряжение в отводящих мышцах. Блочные плиты не должны полностью опускаться.
  6. Повторяйте несколько раз до ощущения жжения в ягодичных мышцах.

Разведение ног в тренажере с наклоном вперед

Этот вариант выполнятся так же, как и предыдущий. Одно отличие – это наклон туловища вперед почти на 45 градусов. При этом спину важно держать прямо. Эта техника способствует получению нагрузки в большей степени в верхней части большой ягодичной мышцы.

Разведения ног в тренажере стоя

На самом деле, специальный тренажер для разведения ног стоя существует, но это большая редкость. Его отличие от тренажера сидя – отсутствие сидения и наличие фронтальных рукоятей для фиксации тела.

Тренажер для разведения ног стоя

Но и на тренажере сидя это упражнение тоже можно выполнить, для этого достаточно поставить ноги на подставки, наклониться вперед, удерживаясь за конструкцию тренажера, приподнять таз и держать навесу весь подход. Отводить ноги слишком сильно не нужно, амплитуда движения остается прежней. Этот вариант позволяет больше нагрузить ягодицы, в том числе малую ягодичную мышцу. При этом в статическом положении нагружаются сгибатели и разгибатели ног.

Разведение ног лежа в тренажере

Такой тренажер так же встретишь нечасто, но некоторые конструкции предусматривают изменение наклона спинки тренажера. Такая техника снижает нагрузку на позвоночник и поясничные мышцы, что позволяет тренироваться в период восстановления после травм и с проблемами позвоночника. Отводить ноги слишком широко не нужно. В таком положении сильнее работает нижняя часть большой ягодичной мышцы.

Рекомендации по выполнению разведения ног для ягодиц

  • Мужчинам следует выполнять упражнение сидя с прижатой спиной в первый месяц тренировок или в предсоревновательный период для оттачивания рельефа отводящих мышц. Необходимо подбирать умеренную нагрузку на 15-20 повторений по 3-4 подхода.
  • Девушкам это упражнение подходит для любого периода тренировок в качестве дополнительного упражнения. Выполнять его следует после базовых упражнений на ноги по 20-25 повторений 3 подхода.

Чем заменить разведение ног в тренажере

В тренажерном зале упражнение можно заменить изолирующими упражнениями: отведением ног стоя в блочном тренажере «маятник» или в кроссовере.

В домашних условиях можно использовать резиновую ленту или мини-бэнд.

  1. Разведение ног с резинкой сидя.

  1. Ягодичный мостик.
  1. Подъем ноги лежа на боку.

  1. Отведение ноги в упоре на колено.
  1. Приставные шаги с резинкой.
  1. Махи ногой в стороны стоя.

Заключение

Разведение ног является хорошим упражнением для ягодиц, но не стоит забывать, что оно изолирующее. Это дополнительная нагрузка для мышц бедра и ягодиц после выполнения базовых упражнений. Именно база может влиять и на форму ног, и на скорость метаболизма, и похудение, а изоляция служит лишь «шлифовкой».

Разведение ног сидя в видео формате

Лучшие упражнения на ягодицы девушка в зале →
Тренировка для ягодиц и бедер →
Упражнения для ягодиц мужчинам →

Тренажер сведение-разведение ног сидя 2 в 1 Avenir AV217/80 с весом 80 кг в Омске

Сведение-разведение ног сидя 2 в 1 80 кг AV217/80

Спортивный тренажёр «Сведение-разведение ног сидя 2 в 1 80 кг AV217/80» входит в группу грузоблочные тренажёры и категорию профессиональных или коммерческих.

Он в основном используется в спортивных залах и клубах и применяется для изолированной тренировки мышц внутренней и наружной стороны бёдер. При сведении экстра нагрузку получают подвздошно-поясничная и гребенчатая мышцы, а при разведении — большая ягодичная и напрягатель широкой фасции. Благодаря некоторым особенностям дизайна, а также качеству узлов и материалов, на этой спортивной машине можно интенсивно тренироваться до 12 часов в день.

Особенности тренажёра AV217/80

    • AV217/80 в первую очередь состоит из рамы, целиком сваренной из железной прямоугольной в сечении трубы размерами 80х40х3 миллиметра.
      К вертикальной части рамы приварена жёсткая конструкция в виде стула с высокой спинкой.
    • Все мягкие части (сиденье, спинка, опорные подушки) вырезаны из многослойной фанеры и прочного пенополиуретана и обиты добротным кожзаменителем.
    • Блок весовой на грузки представляет собой две вертикальные зеркально отполированные направляющие из нержавеющей стали диаметром 25 мм, по которым бесшумно, благодаря поливинилхлоридным втулкам, перемещаются пятнадцать металлических пластин по 5 килограмм каждая.
      Сквозь все пластины проходит вертикальный металлический шток с отверстиями и при помощи штыревого фиксатора позволяет настраивать вес поднимаемого во время упражнения груза.
    • Поскольку это комбинированное устройство, которое предназначено как для сведения, так и для разведения, оно оснащено сложной системой вертикальных и горизонтальных шкивов и копиров, позволяющей легко переключать режим пользования.
    • Опорные подушки тоже имеют свой механизм переключения для расположения на наружной или на внутренней стороне бедра.
    • Усилие с грузоблока на рабочие рычаги с подушками передаётся при помощи стального троса сечением 5 мм в ПВХ-оболочке.
    • На рабочих рычагах для удобства спортсмена имеются покрытые резиной ручки и упоры для стоп.
    • Основание тренажёра оснащено стальными опорами из толстой стальной пластины с отверстиями для крепления к полу.
    • Металлические детали окрашены полимерной краской.
    • Стандартный цвет покрытия черный, при изменении цвета стоимость увеличивается на 5%.
  • Цвет обивки чёрный, красный, синий.

Габариты изделия Д х Ш х В (мм): 1504 x 770 x 1570

Трансп.габариты Д х Ш х В (мм): 1504 x 770 x 1570

Макс.вес пользователя (кг): 180

тренажер для мышц ног

какие мышцы работают, техника выполнения (этапы) упражнения

Разведение ног в тренажере сидя — это изолированное упражнение, знакомое каждой посетительнице тренажерного зала. Оно направлено на проработку ягодичных мышц, а также внешней поверхности бедра. Хотя основную тренировку этот элемент заменить никак не может, его смело стоит включать в программу занятий, чтобы дополнительно улучшить форму бедер и линию талии, придав им привлекательность.

Какие мышцы работают

Тренировка для девушек в тренажерном зале, направленная на проработку низа, обязательно должна включать рассматриваемое упражнение. В процессе выполнения работают главные мышцы — верхняя, средняя и малая ягодичные, а также дополнительные:

  • разгибатели позвоночника;
  • большая приводящая;
  • грушевидная;
  • пресс;
  • напрягатель широкой фасции;
  • широкая латеральная;
  • квадратные поясничные.

Разведение ног в тренажере сидя является довольно эффективным элементом, хотя и не может выступать в качестве главного. Это упражнение, как правило, выполняется в конце тренинга, когда нужно «добить» проработанные мускулы.

Техника выполнения

У такого упражнения на ягодицы в тренажерном зале, как разведение ног в положении сидя, имеется своя техника. Ее необходимо соблюдать в точности, чтобы получить максимальный эффект и защитить себя от травм.

Хотя данный элемент входит в категорию начального уровня сложности, к нему все равно нужно хорошенько подготовиться, так как выполняется он на тренажере, а не со свободным весом. В первую очередь необходимо выставить нужный вес. Женщинам будет достаточно 10–20 кг, мужчинам — 20–25 кг. Правильно выбрать рабочий вес нетрудно. Для этого потребуется взять среднее значение и сделать 10 повторений. Если уровень установлен правильно, в конце выполнения должно ощущаться жжение в мышцах.

Выполняется разведение ног в тренажере сидя таким образом:

  1. Сесть в тренажер, прижаться спиной к поверхности, расположить бедра между упорами по бокам.
  2. Взяться за ручки обеими руками, сделав вдох и одновременно напрягая пресс, развести ноги как можно дальше.
  3. Задержаться в крайней точке на пару секунд.
  4. Медленно выдыхая, вернуться в исходную позу.

Выполнять упражнение рекомендуется 15 раз в 3 подхода. Вес следует подбирать самостоятельно или при помощи тренера, который учтет все физические возможности.

Варианты упражнения

Разведение ног в тренажере сидя можно выполнять в различных вариациях. Они помогут разнообразить тренировки. Самыми распространенными элементами являются разведения с наклоном и с регулировкой скамьи. Оба варианта подробно описаны ниже. Но прежде чем приступить к их выполнению, следует научиться хорошо делать классическое упражнение.

С наклоном корпуса

У данного упражнения на ягодицы в тренажерном зале такая же техника, как и для стандартного элемента. Единственным отличием является наклон корпуса к бедрам (не более чем на 45 градусов). Кроме того, в этом случае нужно сместить таз поближе к краю сиденья, чтобы достать руками до стойки тренажера и упереться в нее.

Сведение ног в тренажере сидя исполнить вряд ли получится, поэтому даже пытаться воспроизвести те же действия с ним не стоит. Хотя эти два тренажера похожи между собой, каждый из них имеет свои особенности, поэтому стоит соблюдать правильную технику выполнения упражнения.

Регулировка скамьи

Благодаря изменению наклона спинки есть возможность делать большую нагрузку на нижнюю или среднюю часть ягодичных мышц. Здесь важно запомнить, что чем ниже опускается скамья, тем ниже смещается и нагрузка. В остальном упражнение выполняется по той же технике, что и предыдущее.

Чем заменить разведение ног

Тренировка для девушек в тренажерном зале вполне может быть выполнена и без разведения ног. Часто люди сталкиваются с ситуацией, что тренажер занят, а дождаться своей очереди на него очень сложно. Именно при таких случаях спортсмены ищут альтернативы. К счастью, существует пара упражнений, при которых задействуют те же мышечные группы. К ним относятся:

  1. Шаги с резинкой. Для выполнения потребуется достать специальную ленту. Она имеется далеко не во всех спортивных залах, поэтому многим людям приходится покупать ее за свои деньги. Зато у такого снаряда есть преимущество, ведь с ним можно устраивать полноценные тренировки в домашних условиях, задействуя разные группы мышц. Шаги с резинкой выполняются таким образом: лента закрепляется на лодыжках, ноги немного сгибаются в коленях, после чего одна нога делает шаг в сторону, растягивая ее, а вторая подтягивается так, чтобы приспособление не упало на пол. При этом спина обязательно должна быть прямой. Можно попробовать другой вариант выполнения — на каждом шаге делать присед, достигая параллели между бедрами и поверхностью пола.
  2. Отведение ноги в сторону. Для этого также предусмотрен специальный тренажер. Упражнение такого типа замечательно прорабатывает внешнюю поверхность бедра, ягодицы и даже немного улучшает растяжку. Для выполнения одна нога закрепляется в специальном приспособлении тренажера и отводится в сторону, задерживаясь в верхней точке на две — три секунды.

Каждое из этих упражнений необходимо делать в 2 подхода по 15–20 повторений. Нагрузку также нужно постепенно увеличивать, чтобы прогрессировать, но не стоит делать это резко, так как в этом случае повышается риск получить травму.

Польза

Разведение в тренажере для тренировки ног имеет несколько преимуществ, за которые его любят многие спортсмены. Сюда относятся:

  • задействование мелких мышц бедра;
  • изолированная работа абдукторов;
  • проработка отводящих мышц;
  • поддержка тонуса мускулов внешней части бедер;
  • улучшение кровообращения в области малого таза.

Противопоказания

Тренажер для мышц ног противопоказан:

  • при болях в пояснице;
  • при травмах спины;
  • при проблемах с тазобедренным суставом.

В случае этих проблем начинать выполнять упражнение категорически запрещается. Объясняется это тем, что при несоблюдении противопоказаний есть риск ухудшить свое положение и заработать еще больше недугов, справиться с которыми будет гораздо сложнее.

Ошибки и советы

При занятиях на тренажерах для ног, в том числе и при разведении, люди часто допускают ошибки, которые влекут за собой серьезные последствия. Чтобы не допустить этого, следует прислушаться к элементарным советам. Запомнить их нетрудно:

  1. В процессе выполнения разведения в тренажере необходимо следить за положением спины. Если она не будет прямой или сместится в сторону, можно заполучить лишнюю проблему с поясницей.
  2. Конечности следует разводить максимально далеко, так как это обеспечит большую нагрузку, а следовательно, и лучший эффект.
  3. Разводить ноги рекомендуется рывком, а вот сдвигать — как можно медленнее. При этом требуется ощущать давление, но ни в коем случае не соединять их по инерции.
  4. Выполняя повторения, не стоит сводить конечности до соприкосновения — между ними должно оставаться расстояние в 5–10 сантиметров, что также поспособствует получению большей нагрузки.
  5. Руки обязательно нужно расположить на специально предусмотренных для этого ручках, а не помогать ими ногам.
  6. Требуется соблюдать правила дыхания, вдыхая на расслаблении (сведение) и выдыхая на усилии (разведение).
  7. Во время выполнения элемента тазобедренные суставы следует задействовать максимально, чтобы никакие другие части тела не могли им помогать, тем самым обеспечивая нагрузку только целевой группе мышц.
  8. Внешняя часть бедер обязательно должна быть плотно прижата к тренажеру, так как в противном случае большая нагрузка перенесется на квадрицепсы.
  9. Рабочий вес не должен быть слишком тяжелым или легким. Идеальным считается тот вес, при работе с которым крайние повторения выполняются тяжело и с ощущением жжения в целевых мышцах, но при этом удается полностью доделать подход.

После выполнения упражнения желательно сделать растяжку.

Кому можно выполнять

Рассматриваемое упражнение особенно полезно для новичков в тренажерном зале и в спорте в целом, а также девушек. Мужчинам его, конечно, тоже можно выполнять, но преимущественное большинство сильного пола выбирает более интересные элементы со свободными весами.

Новичкам сложно освоить все тренажеры, присутствующие в зале. Чтобы решить эту проблему, тренеры советуют им начинать именно с разведения в тренажере, утверждая, что это приведет мускулы в тонус и поможет лучше переносить последующие нагрузки.

Что касается девушек, они, как правило, стремятся заполучить упругие и сильные ягодицы. Именно с этой целью им следует регулярно заниматься на тренажере разведения. К тому же здесь прекрасно работает средняя мышца ягодиц, которую можно задействовать далеко не во всех упражнениях.

Разведение ног в тренажере (техника выполнения)

Какие мышцы работают в упражнении

Разведение ног — изолирующее движение, направленное на проработку ягодиц и бедер.

Главные целевые мышцы упражнения – малая и средняя ягодичные. Большая ягодичная в этом упражнении задействована слабо.

Также довольно активно в разведении ног участвует внешняя часть бедра. Косвенную, статическую нагрузку получают прямые мышцы живота и поясничные.

Польза и недостатки упражнения

Тренажер для разведения ног очень популярен среди девушек. Практически ни одна тренировка ног у женщин не обходится без него.

По частоте применения с этим упражнением может соперничать только сведение ног в тренажере, направленное на мышцы-антагонисты — внутреннюю поверхность бедра.

Все это должно свидетельствовать о его высокой эффективности. Так ли это на самом деле, давайте разбираться.

Выполняя разведение ног сидя, вы получаете следующие преимущества:

  1. Изолированная, точечная проработка ягодичных мышц и внешней части бедра
  2. Простота в техническом исполнении, что делает его доступным для всех уровней подготовки
  3. Легкость в изменении нагрузки. Для этого достаточно просто переставить ограничительный штырь
  4. Безопасное движение, которое очень “мягко” нагружает суставы и связки, участвующие в движении

В отличие от большинства упражнений на ноги и ягодицы, разведение ног не оказывает компрессионной (осевой) нагрузки на позвоночник. Это свойство важно для людей с проблемами опорно-двигательного аппарата.

Однако, как и у многих упражнений, выполняемых на тренажерах, у него есть и недостатки:

  1. Слабо способствует увеличению мышечной массы ягодиц
  2. Невозможность настроить тренажер под себя

В зависимости от индивидуальных анатомических особенностей, основная часть нагрузки может ложится на ягодицы или на внешнюю часть бедра.

И как бы человек не пытался “подстроиться” под конструкцию тренажера, чтобы сместить акцент на нужную группу, у него это не получится.

  1. Исключительно дополнительное, добивочное движение на ноги

Его применение без базовых упражнений (приседания, выпады и так далее) практически лишено смысла, так как тренировочный эффект от упражнения крайне невысок.

Как сделать упражнение более эффективным

Несмотря на то, что техника выполнения разведений проста, здесь есть некоторые нюансы, которые помогут сделать упражнение максимально эффективным.

Первая особенность — не сводить ноги вместе до конца.

В этом случае работающие мышцы расслабляются и получают возможность отдыха, что сильно снижает эффективность движения.

При разведениях в тренажере ноги немного не доводят до стартовой позиции, добиваясь таким образом постоянного напряжения в ягодичных мышцах и внешней части бедра.

Второй секрет — это время под нагрузкой.

При выполнении упражнения чаще всего все сводится к количеству повторений. Но есть большая разница между 20 повторениями в быстром темпе, и таком же количестве повторов в медленном.

Разведение ног в тренажере – это малоамплитудное движение, где на один повтор уходит 1-2 секунды. А на подход из 20 повторений затрачивается около 20-30 секунд. Для полноценной проработки ягодиц этого времени недостаточно.

Чтобы решить этот вопрос, есть два выхода:

  1. Увеличить время, отведенное на 1 повторение, например, возвращая ноги в стартовую позицию в 2-3 раза медленнее
  2. Выполнить больше повторений в подходе — вместо стандартных 15-20 сделать 30-40 раз

Еще один прием – это разведение ног в тренажере с наклоном туловища вперед. Считается, что такое изменение исходного положения эффективнее воздействует на целевые мышцы. Но на деле это заблуждение.

Наклон корпуса никак не влияет на вовлечение ягодичных мышц в работу и даже вредит.

При таком положении более яркие ощущения в мышцах вызваны защемлением нервных окончаний, и никакой пользы в себе не несут. Поэтому от наклона вперед при выполнении упражнения рекомендуется отказаться.

Кому и для чего подойдет упражнение

Итак, мы выяснили, что разведение ног в тренажере не может быть основным движением при тренировке ног.

Это исключительно вспомогательное, добивочное упражнение, которое применяется как в тренировках ягодиц, так и при прокачке мышц бедра.

С этой позиции разведение ног в тренажере подходит любому уровню физической подготовки – от новичков и до опытных занимающихся.

Это упражнение регулярно используют в тренировках женщины, так как развитие ягодичных мышц и акцентированное воздействие на внешнюю часть бедра у них в приоритете.

Однако разведение ног подойдет и для мужчин, у которых ягодицы отстают от мышц ног. Это касается профессиональных бодибилдеров, для которых много значат пропорции.

Наиболее подходящий вариант использования упражнения – в конце комплекса на ноги или ягодицы, для дополнительного утомления целевых мышц.

Применяемые веса средние, диапазон повторений — 20-40 раз, темп выполнения медленный и подконтрольный.

Разведение ног в тренажере — как правильно делать, видео техники выполнения — AtletIQ.com

6 минут на освоение. 345 просмотров


AtletIQ — приложение для бодибилдинга

600 упражнений, более 100 программ тренировок на массу, силу, рельеф для дома и тренажерного зала. Это фитнес-револиция!

Общая информация

Тип усилия

ДругоеЖимНетСтатическиеТяга

Вид упражнения

СиловоеРастяжкаКардиоПлиометрическоеStrongmanКроссфитПауэрлифтингТяжелая атлетикаСтрейчингово-силовое упражнениеЙогаДыханиеКалланетика

Тип упражнения

БазовоеИзолирующееНет

Сложность

НачинающийПрофессионалСредний

Целевые мышцы

Вспомогательные мышцы

Ягодицы

Разведение ног в тренажере видео

Как делать упражнение

  1. Установите рабочий вес и сядьте в тренажёр. Возьмитесь за ручки. Верхняя часть тела неподвижна. Это исходное положение.
  2. На выдохе медленно разведите ноги в стороны как можно дальше друг от друга.
  3. Задержитесь на секунду и на вдохе сведите ноги в исходное положение. Совет: во избежание травм всегда держите верхнюю часть тела неподвижной.
  4. Повторите рекомендуемое количество раз.

Фото с правильной техникой выполнения

Какие мышцы работают?

При соблюдении правильной техники выполнения упражнения «Разведение ног в тренажере» работают следующие группы мышц: Абдукторы, а также задействуются вспомогательные мышцы: Ягодицы

Вес и количество повторений

Количество повторений и рабочий вес зависит от вашей цели и других параметров. Но общие рекомендации могут быть представлены в виде таблицы:

ЦельПодходыПовторенийВес, %1RmОтдых м/у подходами
Развитие силы2-61-5 раз100-85%3-7 мин
Набор массы3-66-12 раз85-60%1-4 мин
Сушка, рельеф2-413-25 раз60-40%1-2 мин

Сделать тренинг разнообразнее и эффективнее можно, если на каждой тренировке изменять количество повторений и вес снаряда. Важно при этом не выходить за определенные значения!

*Укажите вес снаряда и максимальное количество повторений, которое можете выполнить с этим весом.

Не хотите считать вручную? Установите приложение AtletIQ!
  • Электронный дневник тренировок
  • Помнит ваши рабочие веса
  • Считает нагрузку под вас
  • Контролирует время отдыха

Лучшие программы тренировок с этим упражнением

Среди программ тренировок, в которых используется упражнение «Разведение ног в тренажере» одними из лучших по оценкам спортсменов являются эти программы:

Чем заменить?

Вы можете попробовать заменить упражнение «Разведение ног в тренажере» одним из этих упражнений. Возможность замены определяется на основе задействуемых групп мышц.

Разведение ног в тренажере Author: AtletIQ: on

Тренажер Разведение рук Romana 207.46.00

Тренажер Разведение рук Romana 207.46.00

Как заниматься Работающие мышцы
Тренажер служит для укрепления дельтовидных мышц, подостную мышцу, малую круглую мышцу плечей.

Уличный тренажер для физического развития пользователей от 14 лет, предназначен для доступных занятий физической культурой, используя в качестве нагрузки собственный вес, может быть использован при тренировочных занятиях и проведении спортивных мероприятий. Развитие мышц рук и груди.

Тренажер задействует трапециевидные и дельтовидные мышцы спины, отлично укрепляет и развивает руки. Сидя на тренажере захватить руками рукоятки сделать вдох и развести руки от центра; по окончании движения сделать выдох, медленно возвращаясь в исходное положение

На данном тренажере имеется возможность регулировать нагрузку в трех положениях: большая, средняя и малая нагрузки. Регулировка нагрузки происходит путем перемещения рукояти на одну из трех позиций на гребенке.
 
Конструкция включает:

  • Платформу – 1 шт;
  • Стойку – 1 шт;
  • Посадочное место – 1 шт;
  • Рукоять – 2 шт.;
  • Систему рычагов с механизмом регулировки нагрузки – 1 шт.
Материалы:
  • Платформа из листовой стали толщиной не менее 4 мм, длинной не менее 754 мм, шириной не менее 260 мм;
  • Стойка из листовой стали толщиной не менее 2,5 мм, высотой не менее 2030 мм;
  • Сидение и спинка из прочной пластмассы, устойчивое к ультрафиолету, влажности и морозам, усиленная ребрами жесткости;
  • Система рычагов изготовлена из металлических труб сечением 60*40мм, осей, листового металла толщиной не менее 2,5 мм, 18 подшипников;
  • Механизм регулировки нагрузки из металлических труб, сечением, не менее 60х40мм, толщина не менее 2,5 мм.
  • Рукоять из металлической трубы, диаметром не менее 47 мм, толщина стенки не менее 2,8  мм, длинной рычага не менее 670 мм.;
  • Оцинкованный крепеж;
  • Полимерная порошковая эмаль, наносимая на металлические детали методом запекания в заводских условиях;
  • Пластиковые заглушки.
Тренажер устанавливается на открытых уличных участках, находящихся под контролем ответственного лица – эксплуатанта.

*Возможно изготовление данного изделия на раме, для эксплуатируемой кровли; информацию уточняйте у менеджера.
 

Габаритные размеры, мм: 1167 x 617
Высота, мм: 2045
Возможно исполнение на раме: да

MoBPS — симулятор модульной программы разведения | G3: Гены | Genomes

Abstract

R-пакет MoBPS предоставляет вычислительно эффективную и гибкую структуру для моделирования сложных программ разведения и сравнения их экономического и генетического воздействия. Моделирование выполняется на основе людей. MoBPS использует высокоэффективную реализацию с побитовым хранением данных и матричным умножением из связанного R-пакета miraculix, что позволяет обрабатывать крупномасштабные популяции.Отдельные гаплотипы не сохраняются, а вместо этого автоматически выводятся на основе точек рекомбинации и мутаций. Модульная структура MoBPS позволяет комбинировать довольно грубое моделирование, необходимое для создания популяций основателей, с очень подробным моделированием современных сложных программ разведения с использованием всех доступных биотехнологий. MoBPS предоставляет предварительно реализованные функции для общих методов разведения, такие как оптимальный генетический вклад и одношаговый GBLUP, но также позволяет пользователю заменять определенные шаги персонализированными и / или самописными решениями.

Селекционные программы направлены на улучшение генетических свойств домашнего скота и популяций сельскохозяйственных культур в отношении продуктивности, приспособленности и адаптации. Продвижение к цели ограничено доступными ресурсами, но также необходимо избегать или, по крайней мере, контролировать негативные эффекты, такие как инбридинговая депрессия или проблемы со здоровьем. Следовательно, распределение ресурсов в программе разведения — сложная задача оптимизации. Кроме того, история популяции, такая как колеблющиеся размеры популяции и давление отбора, оказывает влияние на текущую геномную архитектуру и, следовательно, на потенциал для будущих улучшений.

За прошедшие годы было разработано множество инструментов моделирования, чтобы помочь заводчикам оценить и оптимизировать свои программы разведения. Общая проблема симуляционных исследований состоит в том, что лежащие в основе геномные процессы очень сложны и должны быть упрощены для моделирования. Кроме того, при настройке имитационных исследований пользователи часто имеют в виду совершенно разные цели. Поскольку инструменты часто не обеспечивают необходимой гибкости для выполнения определенных действий по разведению и / или невозможно экспортировать все необходимые выходные данные, это обычно приводит к использованию самостоятельно разработанных решений, которые, как правило, более подвержены ошибкам и менее сложны. и вычислительно неэффективно.Функциональные возможности существующего программного обеспечения для моделирования программ разведения варьируются от детерминированного моделирования на основе когорт, основанного на ожидаемых преимуществах, таких как ZPLAN + (Täubert et al. 2010), до приложений на основе стохастического моделирования отдельных особей, таких как QMSim (Sargolzaei). и Schenkel 2009) и AlphaSim (Faux et al. 2016). Функциональность каждого из этих инструментов сильно зависит от предполагаемого использования. ZPLAN + (Täubert et al. 2010) фокусируется на экономическом воздействии с точки зрения макроэкономики.Поскольку необходимы аналитические формулы для когорт, у него есть ограничения при моделировании сложных схем спаривания или при сосредоточении внимания на других величинах, помимо генетической или экономической выгоды. QMSim (Sargolzaei and Schenkel 2009) может моделировать каждый отдельный мейоз, но ему не хватает гибкости с точки зрения вариантов дизайна в программе разведения, поскольку он в основном предназначен для использования в популяционной генетике. Напротив, AlphaSim (Faux et al. 2016) обеспечивает большую гибкость в плане разработки программы селекции, особенно для селекции растений и когда количество когорт в программе селекции невелико.Однако AlphaSim не хватает эффективности для моделирования сложных и крупномасштабных популяций (, например, , поскольку хранятся генотипы всех людей) и не позволяет экспортировать все потенциально значимые результаты. Заинтересованным читателям отсылаем к Sun et al. (2011) за расширенный обзор различных тренажеров, используемых в селекции растений.

Нашей целью было разработать инструмент, который сочетает моделирование исторической популяции и оценку последующей сложной программы разведения с вычислительной эффективностью.Симулятор модульной программы разведения (MoBPS) не только гибок с точки зрения параметров и дизайна программ разведения, но также позволяет пользователю заменять стандартные процедуры пакета собственными.

Методы

Моделирование в MoBPS в конечном итоге основано на моделировании отдельных людей. В принципе, это позволяет пользователю контролировать каждое единичное спаривание и изменять скорость рекомбинации или мутации для соответствующего мейоза. Тем не менее, селекционные программы в MoBPS все еще могут быть построены в модульной форме как комбинация когорт и селекционных действий.Поскольку селекционные действия, такие как фенотипирование, отбор, старение или воспроизводство, обычно применяются к группам особей, соответствующие особи для каждого селекционного действия могут быть выбраны с помощью трех разных ключевых слов:

  1. gen: все особи определенного поколения

  2. Когорта

    : группа особей, созданная одним и тем же селекционным действием

  3. база данных: все (или в принципе конкретные) особи определенного поколения и пола

Подобно концепции потока генов (Hill 1974), когорта описывает группу людей с обычно идентичными характеристиками, такими как возраст, пол и генетическое происхождение.Поскольку три типа групп также можно комбинировать, возможно использование перекрывающихся поколений в программе разведения. Когорты и селекционные действия определены общим образом и параметризованы, так что любую селекционную программу произвольной сложности можно смоделировать как подходящую последовательность когорт и селекционных действий.

Все данные по населению хранятся в списке, который содержит общую и индивидуальную информацию. Общая часть предоставляет информацию о лежащей в основе генетике, такой как физическое положение каждого маркера, аллельные варианты или структура лежащих в основе генетических признаков.Отдельная часть содержит информацию, относящуюся к конкретному человеку. Подобно симуляторам, таким как SBVB (Pérez-Enciso et al. 2017), гаплотипы хранятся только для лиц-основателей. Для всех остальных индивидуумов сохраняются только точки рекомбинации и мутации, а также их генетическое происхождение. В частности, гаплотипы не хранятся постоянно, а извлекаются только при необходимости. Таким образом, необходимая память сведена к минимуму и лишь немного увеличивается с увеличением плотности маркера. Когда моделируются тысячи поколений, рекомендуется классифицировать дополнительные поколения как новых основателей, чтобы уменьшить количество рекомбинаций и мутаций, которые будут сохранены в последующих поколениях.Полезность этого сильно зависит от соотношения между длиной генома и количеством маркеров, а также от того, сколько новых генотипов-основателей необходимо сохранить. Поскольку сама популяция в программе разведения обычно занимает лишь небольшую долю требуемой памяти и учитывается менее ста поколений, преимущества здесь обычно невелики, что делает это актуальным / необходимым только в крупномасштабных популяционных генетических исследованиях.

Поддерживается моделирование нескольких коррелированных признаков с базовым QTL и без него.Классический аддитивный, доминантный и эпистатический или плейотропный QTL может быть определен, и поддерживается любая структура эффекта множества взаимодействующих локусов. Каждому локусу необходимо присвоить позицию в Моргане, и поддерживаются разные скорости рекомбинации для подгрупп (, например, , мужчины / женщины). Информацию о количестве маркеров можно ввести вручную или импортировать через базу данных (Ensembl, (Zerbino et al. 2017)), файл карты (Purcell et al. 2007) или vcf-файл (Danecek ). и другие. 2011). Типовые файлы карт для распространенных видов представлены в соответствующем пакете MoBPSmaps (Pook 2019). Данные генотипа для базовой популяции могут быть импортированы через PLINK (Purcell et al. 2007) и / или в формате vcf (Danecek et al. 2011), взяты внутренние образцы или сгенерированы путем выполнения предварительного моделирования в MoBPS и / или другом инструменты (Chen et al. 2009; Sargolzaei and Schenkel 2009) для создания необходимой структуры населения. Все действия по разведению, выполняемые в моделировании, можно отслеживать и назначать с учетом затрат для получения затрат на программу.Различные селекционные программы можно сравнивать с точки зрения их экономического дохода или других целевых функций (, например, , развитие инбридинга), которые интересуют каждого.

Реализованы общие методы отбора, такие как оптимальный генетический вклад (Meuwissen 1997) и можно включить множество различных пакетов для оценки племенной ценности. Сюда входят BGLR (Pérez and de los Campos 2014), sommer (Covarrubias-Pazaran 2016) и rrBLUP (Endelman 2011), а также эффективная реализация для решения смешанной модели (Henderson 1975) в традиционной модели GBLUP (Meuwissen et al. al. 2001; VanRaden 2008), который предполагает известную наследуемость и использует R-пакет RandomFieldsUtils (Schlather et al. 2019) для инверсии матрицы. Входные данные для этих пакетов, такие как различные матрицы родословных и геномных отношений (VanRaden 2008; Legarra et al. 2014; Martini et al. 2017), могут быть получены с помощью высокоэффективных и полностью распараллеленных побитовых матричных умножений (R -пакет miraculix (Schlather 2020)). Однако ни один из упомянутых пакетов не требуется для выполнения моделирования в MoBPS.В частности, все функциональные возможности пакета MoBPS R по-прежнему доступны, когда miraculix не установлен, что имеет обратную сторону — большее время вычислений и требования к памяти.

Моделирование в MoBPS основано на двух основных функциях: create.diploid () и breeding.diploid () . Здесь create.diploid () инициализирует базовую популяцию, а breeding.diploid () выполняет действия по разведению существующего списка популяции. В качестве простого примера рассмотрим следующий скрипт:

библиотека (MoBPS)

pop <- create.диплоид (nsnp = 10000, nindi = 100, chr.nr = 5, chromosome.length = 2, n.additive = 50, n.dominant = 10, var.target = 1, name.cohort = ”Founder”)

pop <- breeding.diploid (pop, наследуемость = 0.5, new.bv. Наблюдение = ”all”)

pop <- breeding.diploid (pop, bve = TRUE)

pop1 <- breeding.diploid (pop, breeding .size = 100, selection.size = c (20,20), selection.criteria = "bve", selection.m.cohorts = "Founder_M", selection.f.cohorts = "Founder_F", name.cohort = "Потомство" »)

pop2 <- разведение.диплоид (pop, breeding.size = 100, selection.size = c (5,20), selection.criteria = "bve", selection.m.cohorts = "Founder_M", selection.f.cohorts = "Founder_F", имя .cohort = ”Offspring”)

С помощью этого кода мы сначала генерируем базовую популяцию, состоящую из 100 особей с 10 000 маркеров. Основной геном состоит из 5 хромосом длиной 2 Моргана каждая и равноудаленных маркеров. Кроме того, мы сгенерировали один признак, на который влияют 50 чисто аддитивных QTL и 10 доминантных QTL, и масштабируем эффект QTL, чтобы получить признак с геномной дисперсией 1.

На следующем этапе мы инициализируем действие разведения для создания фенотипов для всех особей в популяции с предполагаемой наследуемостью 0,5. Затем выполняется оценка племенной ценности. Поскольку никакие когорты не выбраны, последнее (и единственное) создание списка популяции будет рассматриваться для оценки племенной ценности. Наконец, мы производим 100 потомков путем случайного спаривания. Здесь рассматриваются два сценария с разной интенсивностью отбора, при этом 5/20 лучших самцов и 20 лучших самок используются для воспроизводства, что приводит к выигрышу в 0.663 / 0,922 стандартных отклонений генома и увеличение инбридинга с точки зрения среднего родства 0,0062 / 0,0156 (Рисунок 1). В принципе, все три действия по разведению, выполненные с помощью breeding.diploid () , также могли быть выполнены на совместном этапе. Полный список всех возможных действий по разведению и доступных параметров см. В нашем руководстве пользователя (доступно по адресу https://github.com/tpook92/MoBPS).

Рисунок 1

В результате генетический выигрыш и увеличение инбридинга с низким (Сценарий 1) и высоким (Сценарий 2) давлением отбора для каждого 5000 прогонов моделирования.

Для быстрого обзора моделируемой совокупности можно использовать функцию summary () :

summary (pop1)

Размер популяции:

Всего: 200 особей

, из которых 100 мужчин и 100 женщин .

Есть 2 поколения и 4 уникальные когорты.

Информация о геноме:

Есть 5 уникальных хромосом.

Всего — 10000 SNP.

Геном имеет общую длину 10 Морганов.

Геном имеет физический размер около: 1 ГБ

Информация о признаке:

Имеется 1 смоделированный признак.

Признак имеет основной QTL

Признак назван: Признак 1

Предоставляется множество функций для экспорта необходимой информации, такой как фенотипы ( get.pheno () ), генотипы ( get.geno ( ) ) и родословную ( get.pedigree () ) для выбранных особей из списка популяции. Эти функции подробно описаны в главе 7 руководства пользователя (доступно по адресу https://github.com/tpook92/MoBPS). Кроме того, функции для получения показателей инбридинга ( родства.emp () ), развитие племенной ценности ( bv.development () ) или изменение частоты аллелей с течением времени ( analysis.population () ) для дальнейшего анализа полученного списка популяции.

Доступность данных

Исполняемая версия MoBPS и связанные с ней R-пакеты miraculix (Schlather 2020), RandomFieldsUtils (Schlather et al. 2019) и MoBPSmaps (Pook 2019) для Windows и Linux находятся в свободном доступе по адресу https: / /github.com/tpook92/MoBPS.Этот каталог также содержит подробное руководство пользователя, объясняющее функциональность всех входных параметров и служебных функций в MoBPS. Здесь также представлены замороженные версии R-пакетов MoBPS (v1.4.87), MoBPSmaps (v0.1.7), miraculix (v0.9.10), RandomFieldsUtils (v0.5.9) и наше руководство пользователя при отправке. R-пакет MoBPS может быть установлен непосредственно в сеансе R с помощью следующих команд:

install.packages (”devtools”)

devtools :: install_github (”tpook92 / MoBPS”, subdir = ”pkg”)

Результаты и Обсуждение

Пакет MoBPS полностью написан на R (R Core Team 2017), поэтому все функции генетических приложений не зависят от платформы.R-пакеты miraculix (Schlather 2020) могут быть активированы в MoBPS, что приводит к более эффективному хранению данных и сокращению времени моделирования. В частности, векторные умножения с генетическими данными (0,1,2) выполняются с помощью побитовых операций над всем регистром (128/256 бит) с использованием SSE2 / AVX2. Время вычислений аналогично времени вычислений в PLINK (Purcell et al. 2007) с использованием одной четвертой памяти. Заинтересованный читатель может обратиться к Schlather (2020) для расширенного тестирования производительности miraculix.Хранение генотипов-основателей в 4 раза эффективнее, чем в AlphaSim (Faux et al. 2016), и в 32/64 раза эффективнее, чем использование целочисленных / двойных переменных для хранения гаплотипов.

Несмотря на то, что практически вся информация, касающаяся каждого человека, хранится, необходимая память в MoBPS все еще относительно невелика, поскольку используется высокоэффективная структура хранения. Гаплотипы основателей и сведения о происхождении отрезка между точками рекомбинации хранятся поразрядно.Например. моделирование 20 поколений с 50 000 коров с 50 000 маркеров и оценка племенной ценности с помощью GBLUP занимает 26,2 часа с использованием 24 ядер в кластере серверов с процессорами Intel E5-2650 (2X12 ядер 2,2 ГГц). На пике было использовано 65 ГБ памяти. Основная часть этого потребовалась для хранения матрицы геномных отношений, тогда как результирующий список популяций, содержащий более миллиона особей, имел размер только около 0,44 ГБ. Большая часть вычислительного времени используется для оценки племенной ценности (25.3 часа, 96,4%). Генерация новых животных заняла 55 мин (3,5%, 304 животных в секунду при использовании одного ядра). Все остальные части требовали незначительного вычислительного времени (132 секунды, 0,1%). Время вычислений для большинства частей (кроме оценки племенной ценности) линейно увеличивается с количеством особей. Таким образом, эта высокоэффективная структура хранения также позволяет моделировать исторические популяции с тысячами поколений и претерпевшую популяционную динамику, такую ​​как генетические узкие места, миграция или мутационный дрейф.

Гибкая и эффективная среда MoBPS позволяет моделировать множество различных и потенциально крупномасштабных селекционных программ. Примеры сценариев более сложных программ разведения см. В руководстве пользователя. Приведены примеры моделирования эффекта редактирования генов в программе разведения крупного рогатого скота (Simianer et al. 2018), моделирования перекрестного скрещивания нескольких родительских поколений в кукурузе (Pook et al. 2019), схемы интрогрессии. в курице (Ha et al. 2017) и генерация базовой популяции с жесткой зачисткой. Еще одним преимуществом MoBPS по сравнению с другими инструментами моделирования является его гибкая структура, которая позволяет пользователю заменять отдельные шаги программы разведения индивидуальным подходом. Для этого рассмотрим следующий пример для выполнения оценки племенной ценности:

genos <- get.geno (pop, gen = 1)

y <- get.pheno (pop, gen = 1)

indi_names <- colnames (genos)

# Выполнить функцию владельца для выполнения

# оценка племенной ценности

y_hat <- own.method.for.bve (genos, y)

# Введите BVE в список населения

pop <- insert.bve (pop, bves = cbind (indi_names, y_hat))

Даже если исследование с помощью моделирования может никогда полностью не отражают реальность и полагаются на допущения модели, использование имитационного исследования дает большие преимущества и все же позволяет пользователю делать важные выводы. В отличие от реальности, истина, лежащая в основе моделирования, известна, и поэтому новые методы можно тщательно оценить и сравнить с существующими.Кроме того, можно оценивать и сравнивать влияние конкретных селекционных мероприятий на различные параметры выпуска. Это, в свою очередь, можно использовать для получения идеального распределения ресурсов и оптимизации потенциально очень сложных сценариев разведения в условиях, которые можно оценивать многократно и без ограничений как с точки зрения денег, так и времени.

Благодарности

Этот пакет был разработан в контексте программы исследований и инноваций Европейского Союза Horizon 2020 в рамках грантового соглашения № 677353 IMAGE.

  • Получено 28 февраля 2020 г.
  • Принято 27 марта 2020 г.
  • Copyright © 2020 Pook et al.

Это статья в открытом доступе, распространяемая в соответствии с условиями Международной лицензии Creative Commons Attribution 4.0 (http://creativecommons.org/licenses/by/4.0/), которая разрешает неограниченное использование, распространение и воспроизведение в на любом носителе при условии правильного цитирования оригинальной работы.

Схема разведения, основанная на моделировании и использующая прогнозирование полного генома томата

  • Spiertz, H.Сельскохозяйственные науки в переходный период с 1800 по 2020 год: изучение знаний и создание воздействия. Евро. J. Agron. 2014. Т. 59. С. 96–106.

    Артикул Google Scholar

  • Хуш Г.С. Зеленая революция: путь вперед. Nat. Преподобный Жене. 2, 815–822 (2001).

    CAS Статья PubMed PubMed Central Google Scholar

  • Уэлч, Р. М. и Грэм, Р. Д.Селекция на микроэлементы в основных пищевых культурах с точки зрения питания человека. J. Exp. Бот. 55, 353–364 (2004).

    CAS Статья PubMed PubMed Central Google Scholar

  • Клее, Х. Дж. Улучшение вкуса свежих фруктов: геномика, биохимия и биотехнология. Новый Фитол. 2010. Т. 187. С. 44–56.

    CAS Статья PubMed PubMed Central Google Scholar

  • Тестер, М.И Лэнгридж П. Селекционные технологии для увеличения производства сельскохозяйственных культур в меняющемся мире. Science 327, 818–822 (2010).

    CAS Статья ОБЪЯВЛЕНИЯ PubMed PubMed Central Google Scholar

  • Бернардо Р. Молекулярные маркеры и селекция сложных признаков у растений: обучение за последние 20 лет. Crop Sci. 48, 1649–1664 (2006).

    Артикул Google Scholar

  • Моррелл П.Л., Баклер, Э. С. и Росс-Ибарра, Дж. Геномика сельскохозяйственных культур: достижения и приложения. Nat. Преподобный Жене. 13, 85–96 (2012).

    CAS Статья Google Scholar

  • Davey, J. W. et al. Обнаружение и генотипирование генетических маркеров по всему геному с использованием секвенирования следующего поколения. Nat. Преподобный Жене. 12. С. 499–510 (2011).

    CAS Статья ОБЪЯВЛЕНИЯ PubMed PubMed Central Google Scholar

  • Сюй, Ю.И Крауч, Дж. Х. Селекция с помощью маркеров в селекции растений: от публикаций к практике. Crop Sci. 48, 391–407 (2008).

    Артикул Google Scholar

  • Бернардо Р. и Чаркоссет А. Полезность информации о генах в периодическом отборе с помощью маркеров: оценка моделирования. Crop Sci. 46, 614–621 (2006).

    Артикул Google Scholar

  • Хеффнер, Э.Л., Сорреллс М. Э. и Джаннинк Дж. Л. Геномный отбор для улучшения сельскохозяйственных культур. Crop Sci. 49, 1–12 (2009).

    CAS Статья Google Scholar

  • Яннинк, Дж. Л., Лоренц, А. Дж. И Ивата, Х. Геномная селекция в селекции растений: от теории к практике. Краткий. Функц. Геномика 9, 166–177 (2010).

    CAS Статья PubMed PubMed Central Google Scholar

  • Накая, А.& Исобе, С. Н. Будет ли геномная селекция практическим методом селекции растений? Аня. Бот. 110, 1303–1316 (2012).

    Артикул PubMed PubMed Central Google Scholar

  • Деста, З. А. и Ортис, Р. Геномная селекция: общегеномное предсказание улучшения растений. Trends Plant Sci. 19, 592–601 (2014).

    CAS Статья PubMed PubMed Central Google Scholar

  • Meuwissen, T.Х., Хейс, Б. Дж. И Годдард, М. Е. Прогнозирование общей генетической ценности с использованием плотных карт маркеров для всего генома. Генетика 157, 1819–1829 (2001).

    CAS PubMed PubMed Central Google Scholar

  • Хейс, Б. Дж., Боуман, П. Дж., Чемберлен, А. Дж. И Годдард, М. Е. Приглашенный обзор: Геномная селекция молочного скота: прогресс и проблемы. J. Dairy Sci. 92, 433–443 (2009).

    CAS Статья PubMed PubMed Central Google Scholar

  • Йонас, Э.и де Конинг, Д. Дж. Есть ли будущее у геномной селекции в селекции растений? Trends Biotechnol. 31, 497–504 (2013).

    CAS Статья PubMed PubMed Central Google Scholar

  • Грандилло, С., Замир, Д. и Танксли, С. Д. Генетическое улучшение переработки томатов: 20-летняя перспектива. Euphytica 110, 85–97 (1999).

    Артикул Google Scholar

  • Клее, Х.Дж. И Тиман, Д. М. Генетические проблемы улучшения вкуса томатов. Тенденции Genet. 29. С. 257–262 (2013).

    CAS Статья PubMed PubMed Central Google Scholar

  • Хигашиде, Т., Ясуба, К. И., Судзуки, К., Накано, А. и Омори, Х. Урожайность японских сортов томатов снижалась из-за того, что селекционеры уделяли особое внимание вкусовым качествам. HortScience 47, 1408–1411 (2012).

    Артикул Google Scholar

  • Стивенс, М.А. и Рудич, Дж. Генетический потенциал для преодоления физиологических ограничений на адаптивность, урожайность и качество томатов. HortScience 13, 673–678 (1978).

    CAS Google Scholar

  • Гамильтон, Дж. П. и др. Обнаружение однонуклеотидного полиморфизма у культурных томатов путем секвенирования путем синтеза. Геном растений 5, 17–29 (2012).

    CAS Статья Google Scholar

  • Сим, С.C. et al. Разработка большого массива генотипов SNP и создание генетических карт высокой плотности для томатов. PLoS One 7, e40563 (2012).

    CAS Статья ОБЪЯВЛЕНИЯ PubMed PubMed Central Google Scholar

  • Hirakawa, H. et al. Полногеномное генотипирование SNP, чтобы сделать вывод о влиянии на функции генов в томате. ДНК Res. 20. С. 221–233 (2013).

    CAS Статья PubMed PubMed Central Google Scholar

  • Ширасава, К.и другие. Полногеномные исследования ассоциации с использованием маркеров однонуклеотидного полиморфизма, разработанных путем повторного секвенирования геномов культурных томатов. ДНК Res. 20. С. 593–603 (2013).

    CAS Статья PubMed PubMed Central Google Scholar

  • Heslot, N., Rutkoski, J., Poland, J., Jannink, J. L. & Sorrells, M. E. Влияние систематической ошибки определения маркера на точность геномной селекции и оценки генетического разнообразия.PLoS One 8, e74612 (2013).

    CAS Статья ОБЪЯВЛЕНИЯ PubMed PubMed Central Google Scholar

  • Консорциум по геному томатов. Последовательность генома томата дает представление об эволюции мясистых плодов. Nature 485, 635–641 (2012).

  • Shirasawa, K. et al. Карта межвидового сцепления маркеров SSR и интронного полиморфизма томата. Теор. Прил. Genet. 121, 731–739 (2010).

    CAS Статья PubMed PubMed Central Google Scholar

  • Мьюир, В.M. Сравнение геномной и традиционной BLUP-оценочной точности селекционной ценности и реакции отбора при альтернативных признаках и геномных параметрах. J. Anim. Порода. Genet. 124, 342–355 (2007).

    CAS Статья PubMed PubMed Central Google Scholar

  • Хабье, Д., Фернандо, Р. Л. и Деккерс, Дж. К. М. Влияние информации о генетическом родстве на генетические ценности селекции. Генетика 177, 2389–2397 (2007).

    CAS Статья PubMed PubMed Central Google Scholar

  • Эванно, Дж. Регнаут, С. и Годе, Дж. Определение количества групп людей с помощью программного обеспечения СТРУКТУРА: исследование моделирования. Мол. Ecol. 14. С. 2611–2620 (2005).

    CAS Статья PubMed PubMed Central Google Scholar

  • Hamblin, M. T. et al. Популяционная генетика геномных методов улучшения сельскохозяйственных культур.Trends Genet 27, 98–106 (2011).

    CAS Статья PubMed PubMed Central Google Scholar

  • Yu et al. Единый метод смешанной модели для сопоставления ассоциаций, учитывающий несколько уровней взаимосвязи. Нат Генет 38, 203–208 (2006).

    CAS Статья PubMed Google Scholar

  • Mutshinda, C. M. & Sillanpää, M. J. Расширенный байесовский LASSO для множественного количественного картирования локусов признаков и предсказания ненаблюдаемого фенотипа.Генетика 186, 1067–1075 (2010).

    Артикул PubMed PubMed Central Google Scholar

  • Tanksley, S. D. et al. Расширенный анализ QTL обратного скрещивания в помесе элитной технологической линии томата и его дикого родственника L. pimpinellifolium . Теор. Прил. Genet. 92, 213–224 (1996).

    CAS Статья PubMed PubMed Central Google Scholar

  • Фридман, Э., Каррари, Ф., Лю, Ю. С., Ферни, А. Р. и Замир, Д. Увеличение количественного признака урожайности томатов с использованием межвидовых интрогрессий. Science 305, 1786–1789 (2004).

    CAS Статья ОБЪЯВЛЕНИЯ PubMed PubMed Central Google Scholar

  • Zanor, M. I. et al. РНК-интерференция LIN5 в томатах подтверждает его роль в контроле содержания Brix, раскрывает влияние сахаров на уровни фруктовых гормонов и демонстрирует важность расщепления сахарозы для нормального развития и плодородия плодов.Plant Physiol. 150, 1204–1218 (2009).

    CAS Статья PubMed PubMed Central Google Scholar

  • Adato, A. et al. Накопление флавоноидов на поверхности плода у томатов контролируется транскрипционной сетью, регулируемой SlMYB12 . PLoS Genet. 5, e1000777 (2009).

    Артикул CAS PubMed PubMed Central Google Scholar

  • Баллестер, А.R. et al. Биохимический и молекулярный анализ розовых томатов: нарушение регуляции экспрессии гена, кодирующего фактор транскрипции , SlMYB12 , приводит к окраске плодов томатов розового цвета. Физиология растений 166, 1371–1386 (2014).

    Артикул CAS Google Scholar

  • Endelman, J. B. Ridge regression и другие ядра для геномной селекции с R-пакетом rrBLUP. Геном растений 4, 250–255 (2011).

    Артикул Google Scholar

  • Парк, Т.И Каселла, Г. Байесовское ЛАССО. Варенье. Стат. Доц. 103, 681–686 (2008).

    CAS Статья MathSciNet МАТЕМАТИКА Google Scholar

  • Hayashi, T. & Iwata, H. EM алгоритм для байесовских оценок геномной селекционной ценности. BMC Genetics 11, 3 (2010).

    Артикул CAS PubMed PubMed Central Google Scholar

  • Хабье, Д., Фернандо, Р.Л., Кизилкая К. и Гаррик Д. Дж. Расширение байесовского алфавита для геномного отбора. BMC Bioinformatics 12, 186 (2011).

    Артикул PubMed PubMed Central Google Scholar

  • Джанола, Д. и ван Кам, Дж. Б. Воспроизведение ядерных методов регрессии гильбертовых пространств для геномного прогнозирования количественных признаков. Генетика 178, 2289–2303 (2008).

    Артикул PubMed PubMed Central Google Scholar

  • Брейман, Л.Случайные леса. Машинное обучение 45, 5–32 (2001).

    Артикул МАТЕМАТИКА Google Scholar

  • Iwata, H. et al. Геномное предсказание сегрегации признаков в популяции потомков: тематическое исследование японской груши ( Pyrus pyrifolia ). BMC Genetics 14, 81 (2013).

    Артикул PubMed PubMed Central Google Scholar

  • Сюй, С., Чжу, Д. и Чжан, К.Прогнозирование производительности гибридов риса с использованием наилучшего линейного несмещенного прогноза генома. Proc. Natl. Акад. Sci. США 111, 12456–12461 (2014).

    CAS Статья ОБЪЯВЛЕНИЯ PubMed PubMed Central Google Scholar

  • Хеффнер, Э. Л., Лоренц, А. Дж., Яннинк, Дж. Л. и Сорреллс, М. Э. Селекция растений с помощью геномной селекции: выигрыш в единицу времени и затраты. Crop Sci. 50, 1681–1690 (2010).

    Артикул Google Scholar

  • van der Ploeg, A., ван дер Меер, М. и Хеувелинк, Э. Селекция более энергоэффективных тепличных помидоров: прошлые и будущие перспективы. Euphytica 158, 129–138 (2007).

    Артикул Google Scholar

  • Хигашид Т. и Хеувелинк Э. Физиологические и морфологические изменения компонентов урожая томатов за последние 50 лет. Варенье. Soc. Hortic. Sci. 134, 460–465 (2009).

    Артикул Google Scholar

  • Ранк, Н.и другие. Полногеномное ассоциативное картирование томатов ( Solanum lycopersicum ) возможно с использованием геномной примеси Solanum lycopersicum var. cerasiforme. G3 2, 853–864 (2012).

    CAS Google Scholar

  • Xu, J. et al. Картирование фенотипического разнообразия и ассоциаций качественных признаков плодов культурных томатов и родственных им видов. Теор. Прил. Genet. 126. С. 567–581 (2013).

    Артикул PubMed PubMed Central Google Scholar

  • Линь Т.и другие. Геномный анализ дает представление об истории селекции томатов. Nat. Genet. 2014. Т. 46. С. 1220–1226.

    CAS Статья PubMed PubMed Central Google Scholar

  • Frary, A. et al. fw2.2 : локус количественного признака, ключевой для эволюции размера плодов томата. Science 289, 85–88 (2000).

    CAS Статья ОБЪЯВЛЕНИЯ PubMed PubMed Central Google Scholar

  • Муньос, С.и другие. Увеличение числа локул томата контролируется двумя однонуклеотидными полиморфизмами, расположенными около WUSCHEL . Plant Physiol. 156. С. 2244–2254 (2011).

    Артикул CAS PubMed PubMed Central Google Scholar

  • Sun, X., Peng, T. & Mumm, R.H. Роль и основы компьютерного моделирования в поддержке критических решений в селекции растений. Мол. селекция 28, 421–436 (2011).

    Артикул Google Scholar

  • Браунинг, С.Р. и Браунинг, Б. Л. Быстрое и точное определение фаз гаплотипов и вывод отсутствующих данных для исследований ассоциации всего генома с использованием локализованной кластеризации гаплотипов. Являюсь. J. Hum. Genet. 81, 1084–1097 (2007).

    CAS Статья PubMed PubMed Central Google Scholar

  • Причард, Дж. К. Стивенс, М. и Доннелли, П. Вывод структуры популяции с использованием данных мультилокусного генотипа. Генетика. 155, 945–959 (2000).

    CAS PubMed PubMed Central Google Scholar

  • Earl, D. A. STRUCTURE HARVESTER: веб-сайт и программа для визуализации выходных данных STRUCTURE и реализации метода Эванно. Консерв. Genet. Ресурс. 4. С. 359–361 (2012).

    Артикул Google Scholar

  • Якобссон, М. и Розенберг, Н. А. CLUMPP: программа сопоставления и перестановки кластеров для работы с переключением меток и мультимодальностью в анализе структуры популяции.Биоинформатика. 23. С. 1801–1806 (2007).

    CAS Статья PubMed PubMed Central Google Scholar

  • Onogi, A. et al. Изучение областей применимости методов прогнозирования полногенома для азиатского риса ( Oryza sativa L.). Теор. Прил. Genet. 128, 41–53 (2015).

    Артикул PubMed PubMed Central Google Scholar

    • Программа моделирования разведения молочного скота: программа моделирования для обучения принципам и методам разведения животных

    Открытый архив в партнерстве с Американской ассоциацией молочных наук (ADSA)

    открытый архив

    Реферат

    Программа моделирования разведения молочного скота (DCBSP v.4.9) был разработан для обучения студентов и аспирантов принципам животноводства, связанным с отбором по множественным признакам у молочного скота. Текущая версия программы была написана на FORTRAN 90, и для учащихся был разработан веб-интерфейс для взаимодействия с программой в учебной среде. Это программное обеспечение моделирует популяцию стад молочного скота и быков для искусственного осеменения на протяжении нескольких поколений путем интеграции решений учащихся о вязке, выбраковке и выборе новых телок и быков на основе многомерной оценки смешанной модели животных и селекции с помощью маркеров.Все параметры моделирования (например, количество стад и коров в стаде, компоненты дисперсии, влияние генетических маркеров) могут быть определены администратором программы в зависимости от курса разведения животных. В течение каждого рабочего периода программа моделирует состав каждого стада в течение виртуального года, генерируя новых телят и новые продуктивные рекорды, а также выполняя генетическую оценку всех продуктивных признаков. Краткое изложение всех демографических, продуктивных и генетических данных по стаду предоставляется учащимся в конце каждого периода моделирования.После нескольких периодов работы можно оценить генетическую тенденцию, что даст реальный опыт для развития навыков разведения животных, который будет актуален для студентов, обладающих базовыми знаниями в области разведения животных. Более ранние версии этой программы использовались в нескольких университетах, где она оказалась очень полезным учебным пособием для иллюстрации теоретических основ разведения животных в животноводстве.

    Ключевые слова

    молочный скот

    отбор

    программное обеспечение

    обучение

    Рекомендуемые статьиЦитирующие статьи (0)

    Просмотр аннотации

    Copyright © 2010 American Dairy Science Association.Опубликовано Elsevier Inc. Все права защищены.

    Рекомендуемые статьи

    Цитирующие статьи

    tpook92 / MoBPS: Модульный симулятор программы разведения

    Этот репозиторий содержит наш R-пакет MoBPS и связанные с ним пакеты (miraculix / RandomFieldsUtils / MoBPSmaps). Рукопись пакета опубликована в G3 Genes Genomes Genetics (https://www.g3journal.org/content/early/2020/03/30/g3.120.401193)

    Пакет разработан таким образом, чтобы обеспечить максимальную гибкость и возможные расширения практически на любом этапе моделирования.Если вы чувствуете, что в программе отсутствует какая-то конкретная функция или опция, просто свяжитесь со мной ([email protected]). Я был бы очень признателен за подробное объяснение генетики / разведения, которое вы пытаетесь смоделировать, чтобы мне было проще добавить необходимые параметры эффективным образом.

    То же самое касается вопросов об инструменте или о том, как настроить симуляцию. Мы всегда рады вопросам, так как это действительно помогает улучшить инструмент. Для быстрого ответа было бы полезно привести небольшой пример нашей проблемы (в идеале список населения в виде файла.RData объект)

    Надеюсь, что наше обширное руководство пользователя, содержащее некоторые примеры моделирования, должно ответить на большинство вопросов, но его все же можно улучшить. Слайды из презентаций / рабочих документов предоставляются по запросу.

    Мы всегда благодарны за советы, за дополнительные действия, отзывы и / или сообщения об ошибках.

    Веб-интерфейс наконец-то доступен на сайте www.mobps.de.

    Для тестирования мы предоставляем гостя. Этому пользователю не разрешено использовать моделирование нашего внутреннего сервера, но он может, по крайней мере, попытаться настроить свое моделирование и загрузить полученные json-файлы, которые затем можно смоделировать с помощью json.Simulation () в R-пакете MoBPS.

    Отдельная публикация веб-структуры также опубликована в G3 (https://pubmed.ncbi.nlm.nih.gov/33712818/). Расширенную документацию по интерфейсу можно найти непосредственно на сайте www.mobps.de.

    Обновлений с момента первого выпуска:

    Версия 1.6.31 (01.04.22)

    Параллельная генерация индивидов пока отключена.

    Добавлена ​​функция для моделирования структуры LD для генотипов основателя (основатель.simulation ())

    Добавлена ​​функциональность для генетического анализа популяций (эффективный размер популяции (get.Effective.size ()), графики примесей (get.admixture ()), улучшенный распад LD (ld.decay ())

    Добавлена ​​функциональность для экспорта QTL, эффектов QTL и генетической дисперсии по QTL (get.qtl (), get.qtl.effects (), get.qtl.variance ())

    Добавлена ​​функциональность для моделирования заданной родословной ((pedigree.simulation ()))

    Адаптация json.simulation к вновь добавленным модулям в веб-интерфейсе

    Версия 1.6.22 (01.02.22)

    Добавлена ​​функциональность OCS с использованием R-пакета optiSel (Wellmann et al.2019)

    Файл карты / параметр карты в create.diploid () теперь соответствуют формату PLINK (3-й столбец: позиция Morgan, позиция 4-го столбца bp)

    Обновление MoBPSmaps (0.1.10)

    Исправление ошибок при работе с более чем 32 поколениями основателей и без miraculix

    Обновление Repeat-Edge для json.simulation

    Руководство обновлено до MoBPS

    Версия 1.6.15 (11.01.21)

    Исправлена ​​проблема при чтении vcf-файлов в create.diploid ()

    параметр карты при создании.diploid () теперь использует тот же порядок столбцов, что и файлы карт в формате PedMap

    .

    Версия 1.6.14 (08.01.21)

    Новая версия miraculix (0.9.25), исправляющая проблему при сохранении / перезагрузке списка населения

    Добавлена ​​функция demiraculix / miraculix для удаления / добавления побитового кодирования генотипа в списке населения

    Добавлен метод get.distance для расчета геномных расстояний между субпопуляциями

    Добавлена ​​функциональность на основе идентификатора в get.pedigree ()

    Исправлена ​​ошибка при расчете родословной при создании трех или более независимых копий особи

    Добавлены опции для экспорта промежуточного населения в json.моделирование ()

    Исправлена ​​ошибка, из-за которой точность прогноза не сообщалась, когда не выполнялось BVE для последнего признака

    Версия 1.6.05 (25.11.20)

    Повышенная эффективность расчета геномной ценности

    Добавлен get.effect.freq () для вычисления частоты маркеров QTL

    Версия 1.5.41 (27.10.20)

    Сокращение времени генерации в одноядерной индивидуальной генерации (~ 20%)

    Улучшена обработка признаков эпистатики / игры в кости

    Исправлена ​​проблема в доп.combi (), которые приводят к переопределению внутренних параметров со значениями по умолчанию

    Версия 1.5.38 (15.10.20)

    Реконструкция повторного сопряжения с учетом гибкости подстилки. Размер

    Добавлен max.mating.pair, чтобы ограничить количество вязок от пары особей

    Изменение условий для генерации ЦТС, самообслуживание

    Обновленные инструкции по MoBPS (включая множество новых образцовых сценариев)

    Версия 1.5.28 (22.07.20)

    Добавлены материнские, отцовские признаки (есть.материнский / is.paternal в create.diploid () / create.trait ())

    Добавлена ​​возможность, что черты могут быть комбинацией других черт (например, частично материнских черт) (add.combi ())

    Незначительное исправление для подгрупп в json.simulation ()

    Обновленные инструкции по MoBPS (включая гиперссылки)

    Версия 1.5.25 (08.07.20)

    Добавлена ​​функция для основателей, связанных с моделью (add.founder.kinship ())

    «Исправлено» при выводе родословной матрицы, когда потомки были в более ранних поколениях, чем родители (теперь запрещено!)

    Незначительное исправление ошибки с повторяемостью / потомством.фенотипы / коррелированные признаки с эпистатическими эффектами QTL

    insert.bv теперь может также вставлять значения NA для фенотипов

    .

    Незначительные обновления для json.simulation в соответствии с www.mobps.de

    Версия 1.5.16 (12.06.20)

    Добавлена ​​концепция повторяемости (наблюдения множественного фенотипирования больше не обязательно независимы)

    Исправлена ​​ошибка, из-за которой остаточная вариация признаков не коррелировала, когда фенотипирование для разных признаков не производилось одновременно.

    Автоматизированная генерация лог-файла в формате json.моделирование ()

    Обновленные инструкции

    Версия 1.5.11 (27.05.20)

    В breeding.diploid () добавлен escape.mating.fullsib / escape.mating.halfsib, чтобы не создавать потомство от спаривания fullsib / полусибов

    Добавлена ​​возможность масштабирования в соответствии с дисперсией истинных геномных значений в выборке (multiple.bve.scale = «bv»)

    Исправлена ​​ошибка в магазине kinship.exp.store, приводившая к сбою, когда родители / потомки хранились в одном поколении

    MoBPSmaps 0.1.9 — новая генетическая карта лосося (Цай и др., 2016)

    Версия 1.5.04 (17.05.20) — официальный релиз 1.5

    Мелкие исправления

    Улучшенная документация

    Обновленные инструкции

    Версия 1.5.0 (12.05.20) — только в ветке разработки

    Нефенотипированные лица теперь имеют фенотип NA вместо 0

    По умолчанию bve.0isNA теперь ЛОЖЬ (поскольку фенотипы 0 обычно больше не кодируют NA)

    Поделиться фенотипом выбранных когорт теперь можно контролировать через общий ресурс.фенотипированный

    Внедрение множественных массивов генотипирования (выберите массив, используемый через genotyped.array, и поделитесь генотипом через genotyped.share)

    Добавить различные массивы генотипирования с помощью функции add.array (), массив по умолчанию содержит все маркеры

    Переименование параметров MoBPS в более интуитивно понятные имена (старые по-прежнему можно использовать): new.bv.observation -> фенотипирование (.gen / database / cohort) new.bv.child -> phenotyping.child computation.A -> Relationship.matrix вычисление.A.ogc -> отношения.matrix.ogc new.phenotype.correlation -> new.residual.correlation

    get.pheno теперь может извлекать фенотипы из всех копий индивидуума (установите use.all.copy = TRUE)

    Добавлен get.selectionbve () для экспорта оценочной племенной ценности из последней примененной процедуры отбора

    Добавлен sex.s в качестве параметра в breeding.diploid для контроля пола потомства.

    Исправлена ​​ошибка при частичном фенотипировании особей

    Исправлена ​​ошибка, когда черты удалялись из списка популяции при создании.черта ()

    Еще в работе:

    моделирование ошибок вменения для BVE

    Использование массивов генотипирования для GWAS

    Версия 1.4.92 (18.04.09)

    Добавлен copy.individual.m / copy.individual.f в breeding.diploid () для более удобного способа копирования выбранных особей

    Добавлен genotyped.share в breeding.diploid () для добавления данных генотипа для genotyped.gen / database / cohorts после первоначального поколения

    Добавлен bve.ignore.traits в разведение.диплоид (), чтобы пропустить оценку племенной ценности для выбранных признаков

    Исправлена ​​ошибка, из-за которой преобразование bpcm.conversion в breeding.diploid () на самом деле ожидалось преобразованием BP / M, а не BP / CM

    Добавлена ​​функция set.class () для ручного изменения класса выбранного поколения / базы данных / когорт

    Добавлен plot () для списков населения для применения общей функции анализа bv.development () / kinship.development (), get.pca ()

    Обновленные рекомендации по MoBPS (например, примеры использования того, как генерировать данные генотипирования / фенотипирования для субкогорт, генерировать признаки на основе реальных данных генотипа + фенотипа)

    Исправляет ошибку в miraculix, когда использовалось более 2 миллионов маркеров.Miraculix 0.9.19 теперь автоматически определяет настройки компилятора и устанавливает наиболее эффективный алгоритм в зависимости от системы (только для Linux)

    Версия 1.4.87 (27.03.09)

    ВЕРСИЯ ДЛЯ ВЫПУСКА КРАНА

    Только незначительные обновления документации для прохождения оставшихся проверок CRAN

    Версия 1.4.85 (24.03.09)

    Добавление подробных операторов для всех функций

    Исправлена ​​проблема при ручной настройке для вариантов QTL

    Добавлена ​​функция экспорта для извлечения карты списка населения (get.map)

    Добавлена ​​раскраска в get.pca по классу

    Версия 1.4.82 (28.02.09)

    Исправлена ​​ошибка в fixed.breeding, когда не были выбраны особи (selection.size = 0)

    Обновления Guidelines_to_MoBPS

    Версия 1.4.81 (24.02.09)

    Выбор selection.criteria переименован в selection.highest

    .

    Переименован selection.criteria.type в selection.criteria

    .

    Выбор по умолчанию для selection.m / selection.f теперь автоматически выводится на основе ввода при выборе.критерии. «function», если используется selection.criteria, и «random», если нет — если, конечно, вручную не установлен

    selection.size автоматически рассчитывается для всех доступных лиц, если не указано

    Удалить pedmap.to.phasedbeaglevcf из списка экспортируемых функций (использование BEAGLE-jar не соответствует политике CRAN)

    par -setting in bv.development ect. больше не перезаписываются автоматически

    Теперь всю печать можно отключить с помощью подробного вывода в соответствующей функции

    Добавлены недостающие варианты использования requireNamespace для предлагаемых пакетов

    Добавлены предупреждения () / stop () для критических проблем

    Незначительные улучшения в документации

    Версия 1.4,78 (13.02.20)

    BVE можно пропустить для выбранных признаков через bve.ignore.traits в breeding.diploid ()

    .

    Позиция (генерация / база данных / когорта) теперь автоматически отображается в точке генерации

    .

    Добавленная стоимость / пример для всех экспортируемых функций

    Удалены примечания к последней проверке CRAN

    обновлений Miraculix / RandomFieldUtils (0.9.19 / 0.5.17). В основном для автоматического обнаружения AVX2 в Linux. В Windows MoBPS будет работать без AVX2, если не указано иное при установке miraculix.

    Версия 1.4.67 (05.02.20)

    По умолчанию для miraculix.chol установлено значение ИСТИНА (если miraculix доступен, это приводит к быстрой версии chol2inv (chol ()) без обратной стороны)

    Версия 1.4.62 (22.01.20) — Только ветка разработки

    Улучшения в хранении / использовании памяти (использовать целые числа / удалить атрибуты)

    Реализована стабильность A / G в Single-Step через Vitezica 2011

    Версия 1.4.56 (10.01.20) — Только ветка разработки

    Незначительные обновления в json.моделирование ()

    Убран баг при генерации трейтов в n.additive и т. Д.

    Вычислительные улучшения при работе с большим количеством QTL

    Версия 1.4.51 (08.01.20) — Только ветка разработки

    Добавлено отдельное хранилище для фенотипов собственных потомков и фенотипов

    Версия 1.4.49 (06.01.20) — Только ветка разработки

    Исключить необязательное лицо при расчете родословной

    Исправлена ​​ошибка в «Использовании потомства», когда у родителя не было фенотипированного потомства

    Незначительные обновления в json.моделирование

    Версия 1.4.43 (03.01.20) — Только ветка разработки

    Добавлен отбор по порогу (вместо фиксированного количества особей) threshold.selection в селекционном диплоиде ()

    Сгенерировать PCA для выбранных когорт (get.pca)

    Эффективная по памяти реализация родословной-матрицы

    Коммутационная более эффективная стандартизация ()

    Убрана опечатка в get.vcf ()

    Функция трансформации для фенотипов

    Версия 1.4.28 (04.12.19) — Только разработка, ветка

    Исправлена ​​ошибка при выводе родословной матрицы в популяции с особями, созданными с помощью copy.individual

    Новая реализация get.vcf (), которая больше не требует синхронизации R-пакета

    get.pedmap () теперь как обоснованный ввод семьи (на основе когорты, если имеется), пола, отцовских идентификаторов

    Лучшее отслеживание индивидуального возраста (например, добавленное время смерти для каждого человека)

    Автоматически уменьшать размер когорт в json.имитация () при индивидуальном выходе из системы через отбраковку

    Версия 1.4.22 (20.11.19) — Только ветка разработки

    Обновления json.simulation

    Добавлена ​​папка для мастерской IMAGE

    теперь с учетом возраста + времени нахождения когорты (отличается только при использовании copy.individual)

    Culling теперь использует возраст, а не время, когда когорта там

    Версия 1.4.19 (13.11.19) — Только ветка разработки

    Функция bv. Стандартизация для стандартизации среднего значения признака и дисперсии

    Выбор с помощью маркера через mas.bve

    Обновления json.simulation для веб-приложения

    Версия 1.4.15 (29.10.19)

    Решение проблем с запуском MoBPS без miraculix

    Добавлены опции BayesA, B, C, BL, BRR в BGLR для BVE

    Новая функция: get.genotyped () для экспорта генотипов особей

    Для общего единообразия ogc_cAc переименован в ogc.cAc

    Обновленная документация (особенно для веб-приложений)

    Незначительное обновление для miraculix (v0.9.7) — не относится к MoBPS

    Добавлена ​​замороженная версия текущего ТО (Submission-версия)

    Версия 1.4.10 (22.10.19)

    В основном улучшения для снижения требований к памяти

    Новая функция: add.diag (). R-матрица больше не требуется

    Очистка памяти в ssGBLUP

    Улучшенная обработка дублированных лиц (созданных с помощью copy.indiduals)

    Версия 1.4.3 (16.10.19)

    MoBPSmaps 0.1.6 (включая карты для пшеницы и сорго)

    В резюме удалены опечатки.Население ()

    Обновления в create.diploid для генерации признаков через n.additive / dominant и т. Д.

    Версия 1.4.2 (14.10.19)

    Разнообразные дополнения к json.simulation и пользовательскому интерфейсу

    Добавлена ​​прямая смешанная модель BVE для лиц без фенотипа (vanRaden 2008)

    Добавлено использование среднего значения родитель / дедушка в качестве племенной ценности

    Дальнейшие обновления для miraculix / RandomFieldsUtils для вычислений, не зависящих от компилятора

    Версия 1.3,1 (23.08.19)

    Новое веб-приложение MoBPS www.mobps.de

    исправлений за один шаг

    Модуль генерации / базы данных / когортного отбора

    Индекс выбора по Hazel and Lush + Miesenberger

    Дополнения для json.simulation и веб-приложения

    Модуль отбраковки

    Улучшенный импорт фенотипов потомства

    Обнаружение настроек компилятора для miraculix / RandomFieldsUtils

    Версия 1.2,9 (25.06.19)

    Улучшенный импорт фенотипов потомства (offspring.bve.XXX)

    Дополнительная функциональность для работы с негенотипными особями в BVE

    Массив! ускорение kinship.exp ()

    Список населения

    теперь относится к классу совокупности с универсальной функцией summary ()

    get.pedigree теперь также обеспечивает необработанный вывод (до кодирования «M» / «F»).

    Ensembl-карты теперь включены в R-пакет MoBPSmaps

    Крупное обновление miraculix (0.7.8) в том числе:

    Подготовка к подаче CRAN

    Прямая генерация данных генотипа с помощью miraculix (уменьшение потребности в памяти при create.diploid ())

    Версия 1.1.39 (06.06.19)

    Добавлена ​​реализация Single Step GBLUP с H в соответствии с Legarra et al 2014

    Добавлены share.genotyped / genotyped.s для контроля генотипов особей

    Исправления опечаток в 1.1.35.

    Версия 1.1.35 (05.06.19)

    Новый сервер по адресу http: // 134.76.18.242 / (теперь 20 ядер, 64 ГБ ОЗУ)

    Более быстрая и улучшенная племенная оценка племенной ценности. Новый параметр depth.pedigree для контроля глубины родословной

    kinship.exp теперь поддерживает структуру gen / database / cohort. Старая версия функции все еще доступна на kinship.exp.old

    Обобщенная база данных get.database ()

    Исправление ошибки в analysis.bv ()

    Автоматически сообщать о точности оценки племенной ценности

    Физические лица в бв.insert теперь автоматически добавляется в список лиц для рассмотрения в bve

    Добавлен [[15/16]] в популяцию $ breeding [[генерация]], чтобы присвоить каждой особи идентификатор и избежать использования дублированных при оценке племенной ценности (сгенерированной с помощью copy.individual).

    Повышена скорость вычислений в json.simulation (), а обновления позволяют использовать веб-приложение.

    Обновленная документация

    Версия 1.1.24 (23.05.19)

    Незначительные обновления json.simulation ()

    Версия 1.1,23 (20.05.19)

    Реализованы предварительные версии OGC & ssBLUP (неэффективны и не рекомендуются для общего использования)

    Улучшенные функции для вывода эмпирического родства (kinship.emp)

    Образцы карт добавлены в пакет (так как размер велик, скоро появится отдельный пакет (MoBPS_maps)!

    Веб-интерфейс теперь размещен на http://134.76.137.69/ (Для доступа к закрытой бета-версии свяжитесь со мной ([email protected])

    Функция для анализа корреляции между анализом bv / bve / pheno.bv ()

    Добавлена ​​экономическая оценка на основе когорт compute.costs.cohorts ()

    Добавлена ​​функция генерации файлов pedmap (в формате PLINK) (get.pedmap ())

    Незначительные изменения для более привлекательных графиков — в основном те же функции и входные параметры

    Версия 1.1.12 (18.04.19)

    Обновленные версии miraculix и RandomFieldsUtils

    Незначительные изменения в самом MoBPS — в основном связанный с веб-интерфейсом (пока закрытый бета-тест)

    Версия 1.1.7 (15.04.19)

    Незначительные обновления kinship.development, улучшенная документация.

    Пакет теперь можно установить через install_github («tpook92 / MoBPS», subdir = «pkg»)

    Версия 1.1.6 (11.04.19)

    Обновления документации и руководств. Особенно пример того, как сгенерировать базовую популяцию с LD и жесткой разверткой.

    Добавлена ​​функция kinship.development

    Версия 1.1.4 (09.04.19):

    Множество мелких исправлений для когортных реализаций

    Возможное различное количество фенотипов, генерируемых для каждого признака

    Импорт карты из Ensembl (ensembl.карта ())

    Карты как потенциальный вклад в создание диплоида

    Удаление отдельных лиц из группы лиц для выбора (в основном актуально для веб-приложений)

    Коробчатая диаграмма, альтернатива bv.development ((bv.development.box))

    Версия 1.1.1 (22.03.19):

    Исправлены некоторые TYPOS в 1.1.0.

    Когортная реализация оценки племенной ценности, вычисление sigma.e / sigma.g, вставка gwas, bve.

    Сигма переименована.s до sigma.g

    Удален new.bv.observation.sex

    По умолчанию для случайно сгенерированных наборов данных SNP теперь равномерно распределена частота минорных аллелей вместо всех 0 — используйте набор данных <- "all0" для старой версии.

    Версия 1.1.0 (20.03.19):

    • Поскольку в хранилище данных внесены незначительные изменения, мы настоятельно не рекомендуем использовать список населения, созданный в MoBPS 1.0.X или ранее в MoBPS 1.1+

    Моделирование когорты / группы / поколения фенотипов

    Множественные вязки от одной комбинации мать / отец

    Отслеживание момента времени / типа генерации (в основном актуально для веб-приложений)

    Улучшенная версия bv.разработка

    Эмпирическая (и быстрая) версия kinship.emp

    Объединение когорт

    Версия 1.0.1 (21.02.19):

    Добавлено когортных версий compute.costs и analysis.population

    Версия 1.0.0 (14.02.19):

    В основном исправления документации.

    Версия 0.14.22 (05.02.19):

    Множество мелких обновлений и исправлений, возникших в результате практического использования, теперь параллелизация как для Windows, так и для Linux для создания новых пользователей, Преобразование из json в R-скрипт для пользовательского интерфейса.

    Версия 0.14.7 (08.01.19):

    Исправление для шаблона цыпленка в случае, если маленькие хромосомы содержат менее 1 маркера, добавление ignore.best в качестве метода выбора

    Версия 0.14.6 (03.01.19):

    Мелкие исправления в create.diploid (преобразование bp в cM) + индикаторы выполнения

    Версия 0.14.5 (20.12.18), включая miraculix 0.3.2 и RandomFieldsUtils 0.4.0 (17.12.18):

    C-реализация для remove.effect.position = TRUE // объединение кода RandomFieldsUtils с HaploBlocker.Добавьте преобразование bp в cM в create.diploid

    Версия 0.14.4 (13.12.18):

    Незначительные обновления для get.pedigree, get.pedigree2, get.pedigree3 (для основателей отображается «0») Единое отображение индивидуальных имен в get.recombi

    Версия 0.14.3 (16.11.18):

    Целочисленное сохранение в get.geno и get.haplo, исправлена ​​ошибка в create.diploid при совместной генерации нескольких признаков и хромосом

    Версия 0.14.2 (14.11.18):

    Улучшенная документация с традиционной функцией справки в R Исправлены некоторые неравномерные наименования параметров. Фиксированные предупреждения о проверке CRAN

    Версия 0.14.1 (13.11.18):

    Переименование параметров в breeding.diploid () Добавление новой версии bv.development ()

    Breedgenr: симулятор программы разведения на непараметрической основе с приложениями на рисе

    Бартоломе Жером , Жакин Лаваль , Цао Туонг-Ви , Ахмади Нуролла . 2018. Breedgenr: симулятор программы разведения на непараметрической основе с приложениями на рисе. . IRRI. Сингапур: IRRI, Резюме, 1 стр.Международный конгресс по рису 2018 г. (IRC 2018), Сингапур, Сингапур, 15 октября 2018 г./17 октября 2018 г.

    Бумага без производства

    Абстрактный : Эффективное использование селекционными программами сельскохозяйственных культур генетических выгод, ожидаемых от интеграции геномных ресурсов, возможностей высокопроизводительного фенотипирования и эффективных статистических методов для моделирования сложности эмпирических данных, требует корректировки селекционных стратегий.Инструменты, имитирующие особенности размножения, необходимы для изучения эффектов этих корректировок и их потенциального взаимодействия. Имитационное моделирование полезно, потому что оно позволяет быстро воспроизводить тестирование широкого диапазона гипотез с низкими затратами, например, первоначальную осуществимость геномного отбора или влияние структуры эталонной популяции. Моделирование селекционных стратегий хорошо адаптировано для исследования долгосрочных эффектов отбора, которые часто неосуществимы с использованием реальных экспериментов из-за требований по времени и стоимости.Были предложены различные инструменты для отражения сложности исследуемой популяции (структура генома, генетическая архитектура признаков и родство между людьми). Однако некоторые из них специально разработаны для моделирования стратегий разведения сельскохозяйственных культур. Поэтому мы разработали Brendgenr, инструмент моделирования, предназначенный для удовлетворения потребностей заводчиков, чтобы рационализировать различные этапы схемы разведения. blendgenr — это пакет R, который имеет две отличительные особенности по сравнению с существующими инструментами.Во-первых, селекционер использует реальные генотипические и фенотипические данные из программ разведения для создания эталонной популяции. Таким образом, это ограничивает количество возможных гипотез и сценариев относительно эволюционной истории и структуры размножающихся популяций. Второй селекционер основан на непараметрических подходах к калибровке отношений генотип-фенотип. Следовательно, он не основывается на конкретных предположениях относительно генетической модели и генетической архитектуры рассматриваемых фенотипических признаков.Устойчивость и функциональность селекционера оценивались с использованием реальных наборов данных по рису и различных схем разведения. Цель заключалась в разработке схем разведения, которые объединяют различные сценарии геномной селекции. Результаты подтвердили надежность калибровки взаимосвязей генотип-фенотип на основе выбранных непараметрических методов ядра, а также способность мастера породы моделировать племенные популяции и различные схемы разведения: племенное разведение и повторяющийся отбор. Представлено дальнейшее установление устойчивости породного агрегата и корректировка-расширение его функциональных возможностей.

    Mots-clés libres: селекция растений, моделирование, геномная селекция, рис

    Авторы и партнерства

    Источник: Cirad-Agritrop (https://agritrop.cirad.fr/589408/)

    Метрики
    Просмотр предмета (только персонал)

    [Page générée et mise en cache le 2019-10-02]

    (PDF) MoBPS — Модульный симулятор программы разведения

    Нашей целью было разработать инструмент, объединяющий моделирование исторической популяции

    46

    и оценку последующего комплекса

    47

    программы разведения в вычислительно эффективную программу. способ.Модульный симулятор программы разведения

    48

    (MoBPS) не только гибок с точки зрения

    49

    параметров и разработки программ разведения, но также позволяет пользователю заменить стандартные процедуры пакета на

    50

    . собственные

    51

    единицы.52

    МЕТОДЫ53

    Моделирование в MoBPS в конечном итоге основано на моделировании

    54

    отдельных лиц. В принципе, это позволяет пользователю контролировать каждое единичное спаривание

    55

    и изменять скорость рекомбинации или мутации для

    56

    соответствующего мейоза.Тем не менее, программы разведения в MoBPS

    57

    все же могут быть построены в модульной форме как комбинация ко-

    58

    хозяйств и мероприятий по разведению. Поскольку селекционные действия, такие как фенотипирование,

    59

    , отбор, старение или воспроизводство обычно применяются к группам

    60

    особей, соответствующие особи для каждого селекционного действия

    61

    могут быть выбраны с помощью трех разных ключевых слов: 62

    1.gen: все особи определенного поколения63

    2.

    когорта: группа особей, созданная в результате одного и того же разведения

    64

    action65

    3. база данных: все (или в принципе конкретные) особи определенного66

    поколения and sex67

    Подобно концепции потока генов (Hill 1974), когорта описывает

    68

    группу людей с обычно идентичными характеристиками, такими как

    69

    возраста, пола и генетического происхождения.Поскольку три типа групп также могут быть объединены, возможна обработка перекрывающихся поколений в программе разведения

    71

    . Когорты и селекционные действия определены общим способом

    72

    и параметризованы, так что любую селекционную программу

    73

    произвольной сложности можно смоделировать как подходящую последовательность из

    74

    когорт и селекционных действий. 75

    Все данные по генеральной совокупности хранятся в списке, который содержит общую

    76

    и индивидуальную информацию.Общая часть предоставляет информацию о лежащей в основе генетике, например о физическом положении каждого маркера

    78

    , аллельных вариантах или структуре лежащих в основе генетических признаков.

    79

    Отдельная часть содержит информацию, специфичную для

    80

    человека. Подобно симуляторам, таким как SBVB (Pérez-Enciso et al.

    81

    2017), гаплотипы хранятся только для лиц-основателей.Для всех

    82

    других особей сохраняются только точки рекомбинации и мутации, а для

    83

    их генетическое происхождение сохраняется. В частности, гаплотипы не хранятся постоянно, а извлекаются только при необходимости. Следовательно, требуемая память

    85

    минимизирована и лишь немного увеличивается с увеличением плотности маркеров

    86

    . Когда моделируются тысячи поколений

    87

    , рекомендуется классифицировать дополнительные поколения как новые

    88

    основателей, чтобы уменьшить количество рекомбинаций и мутаций

    89

    для хранения в последующих поколениях.Полезность

    90

    сильно зависит от соотношения между длиной генома и числом

    91

    маркеров и от того, сколько новых генотипов-основателей должно быть сохранено. Поскольку сама популяция в программе разведения обычно

    93

    занимает лишь небольшую долю требуемой памяти и менее

    94

    рассматриваются сто поколений, выгоды здесь обычно

    95

    небольшие, поэтому только актуально / требуется в крупномасштабных популяциях

    96

    генетических исследованиях.97

    Поддерживается моделирование нескольких коррелированных признаков с базовым и без основного —

    98

    с QTL. Можно определить классический аддитивный, доминантный и эпистатический

    99

    или плейотропный QTL, и поддерживается любая структура эффектов нескольких взаимодействующих локусов. Каждому локусу необходимо присвоить

    101

    с положением в Моргане и разными скоростями рекомбинации для подгрупп

    102

    (например,грамм. мужчины / женщины) поддерживаются. Информация о

    103

    количество маркеров может быть введено или импортировано вручную через базу данных

    104

    (Ensembl, (Zerbino et al. 2017)), файл карты (Purcell et al.

    105

    2007) или vcf-файл (Danecek et al. 2011). Для распространенных видов в связанном пакете MoBPSmaps

    107

    (Pook, 2019) представлены файлы простых карт, например

    106

    . Данные генотипа для базовой популяции можно импортировать

    108

    через PLINK (Purcell et al.2007) и / или в формате vcf (Danecek et al.

    ,

    , 109,

    ,

    , 2011), с внутренними выборками или сгенерированным путем выполнения предыдущего моделирования в MoBPS и / или других инструментах (Chen et al. 2009; Sargolzaei

    111

    и Schenkel 2009) для создания необходимой структуры населения.

    112

    Все действия по разведению, выполняемые в моделировании, можно отслеживать

    113

    и назначать затраты для получения затрат программы.

    114

    Различные селекционные программы можно сравнивать с точки зрения их

    115

    экономических доходов или других целевых функций (например, разработка

    116

    инбридинга), в которых интересуется один. отбор, такой как оптимальный генетический вклад

    118

    операций (Meuwissen 1997), и можно включить множество различных пакетов для оценки племенной ценности

    120

    .Сюда входят BGLR (Pérez and de los Campos 2014), sommer

    121

    (Covarrubias-Pazaran 2016) и rrBLUP (Endelman 2011), а также

    122

    в качестве эффективной реализации для решения смешанной модели (Hen-

    123

    derson 1975) в традиционной модели GBLUP (Meuwissen et al.

    124

    2001; VanRaden 2008), которая предполагает известную наследуемость, а

    125

    использует R-пакет RandomFieldsUtils (Schlather et al. .2019)

    126

    для инверсии матрицы. Входные данные для этих пакетов, таких как

    127

    различных матриц родословных и геномных родственных связей (VanRaden

    128

    2008; Legarra et al. 2014; Martini et al. 2017), могут быть получены с помощью

    129

    очень эффективно. и полностью распараллеленное побитовое матричное умножение —

    130

    (R-package miraculix (Schlather 2020)). Тем не менее, для выполнения моделирования в

    132

    MoBPS требуется не из упомянутых пакетов.В частности, все функциональные возможности пакета MoBPS R

    133

    все еще доступны, когда miraculix не установлен, с обратной стороной

    134

    более высоким временем вычислений и требованиями к памяти.135

    Моделирование в MoBPS основано по двум основным функциям: creat-

    136

    ing.diploid () и Breeding.diploid (). Здесь create.diploid () инициализирует

    137

    базовую популяцию, а breeding.diploid () выполняет операции разведения

    138

    в существующем списке популяции.В качестве простого примера рассмотрите следующий сценарий: 140

    l ib r ar y (Mo B PS) 141

    po p <- c r ea t in g. di p lo id (ns np = 1 00 00, ni nd i = 1 00, 142

    ch r. nr = 5, ch ro mo so me. le ng th = 2, 143

    n. ad d it i ve = 50, n. do m in a nt = 10, 144

    va r. t ar ge t = 1, na me. c oh o rt = «F ou n de r») 145

    po p <- br ee d in g. ди п ло и д (п оп, х е ри т аб и ли т у = 0.5, 146

    н.в. б v. o b se r v a ti o n = «все») 147

    po p <- b r ee d in g. di p lo i d (p op, b ve = T RU E) 148

    p op 1 <- b re e di ng. di pl o id (p op, 149

    b re e di ng. si ze = 1 00, 150

    s el e ct i on .si ze = c (2 0, 20), 151

    s el e ct ion. criter ia = «bv e», 152

    s el e ct i on. m. co h or ts = «F ou n de r _ M», 153

    s el e ct i on .f. co h или ts = «F ou n de r _ F», 154

    n am e.coho r t = «O f fs pr i ng») 155

    p op 2 <- b re e di ng. di pl o id (p op, 156

    b re e di ng. si ze = 1 00, 157

    s el e ct io n. siz e = c (5, 2 0), 158

    s el e ct ion. crit er ia = «bv e», 159

    s el e ct i on. m. co h or ts = «F ou n de r _ M», 160

    s el e ct i on. f. co h or ts = «F ou n de r _ F», 161

    n am e. co ho rt = «O f fs pr i ng») 162

    С помощью этого кода мы сначала генерируем базовая популяция, содержащая 100

    163

    особей с 10 000 маркеров.Базовый геном состоит из

    164

    из 5 хромосом длиной 2 Моргана каждая и равноудаленных

    165

    маркеров. Кроме того, мы сгенерировали единственную характеристику, которая подверглась влиянию

    166

    2 | Пок и др.

    GenomeMixer: симулятор кроссплатформенной схемы разведения

    GenomeMixer: симулятор кроссплатформенной схемы разведения <Вернуться на www.nervenet.org>

    GenomeMixer

    GenomeMixer — это кроссплатформенное приложение, которое позволяет моделировать сложные схемы разведения нескольких поколений.GenomeMixer будет обрабатывать до 20 000 родительских штаммов. Количество и длину хромосом можно полностью редактировать, и вы сможете смоделировать практически любой диплоидный вид, воспроизводящийся половым путем. Все, что вам нужно сделать, это ввести длину и количество хромосом, названия очищенных штаммов и произвольную схему разведения, и GenomeMixer выведет смоделированные генетические результаты такого скрещивания (снимок экрана).
    Биоинформатика. 2004 г., 12 октября; 20 (15): 2491-2. Распечатайте PDF-файл или посетите PubMed [PMID: 15477491]

    Вот несколько снимков экрана, иллюстрирующих работу GenomeMixer:

    Более обширная документация доступна в формате PDF и Word по ссылкам ниже.GenomeMixer в настоящее время доступен для загрузки как приложение для Mac OS X и x86 Linux, а также в виде исходного кода для компиляции на любой платформе. Версия для Windows должна быть скоро доступна.

    Perl-версия GenomeMixer от 2002 года все еще доступна для загрузки, но эта версия больше не обновляется.

    GenomeMixer Документация:

    Загрузите приложение GenomeMixer (включая исходный код):

    GenomeMixer C ++ Исходный код:

    GenomeMixer в настоящее время может экспортировать данные в форматы, которые могут быть импортированы как собственные файлы следующими программами:

    • QGene : http: // www.qgene.org/
      QGene — это приложение для Macintosh (только OS 9, по состоянию на август 2003 г.), разработанное Дж. К. Нельсоном. Он имеет отличную поддержку для визуализации данных маркеров.
    • MapManager QTX : http://www.mapmanager.org/mmQTX.html
      MapManager QTX от Ken Manly работает под Mac OS X, OS 9 и Windows и используется для комплексного анализа признаков. Более подробная информация о том, как импортировать файл QTX, доступна ниже.

    Похожие записи

    Комментировать

    Ваш адрес email не будет опубликован. Обязательные поля помечены *