Hos QGG analyserer vi store mængder af fænotypiske og genomiske data, der hjælper landmænd med at avle sundere og mere produktive dyr og planter.
Disse omfattende analyser giver information om og statistik på genetiske markører i hele genomet. Informationen kan bruges til at forbedre den genomiske selektion og derigennem finde de bedste avlsdyr på tværs af hele populationer. Genomisk selektion kan for eksempel øge hyppigheden af det genetiske udbytte ved en lavere risiko for yverbetændelse hos køer, en lavere dødelighed hos kalve eller mere modstandsdygtige græsarter med længere rødder, der bedre kan overleve i tørre områder.
I hjertet af QGG’s forskning findes vores stærkeste og vigtigste forskningsværktøj: en HPC (High Performance Computing) Linux Cluster med et hurtigt, sikkert netværk og 1 PB af datalagring. Vi understøtter med stolthed 200 brugere med 2048 CPU cores og 24.3 TiB RAM, understøttet af en række videnskabelige softwarepakker. HPC clusterne opgraderes regelmæssigt og systemet indeholder også to GPU-noder udstyret med NVIDIA L40S GPU’er.
Den stærke regnekraft gør os i stand til at udvikle og forbedre statistiske modeller til genomiske prædiktioner, genomisk selektion og avlsprogrammer. De arter, vi indtil nu har arbejdet med, er kvæg, svin, mink, heste, fjerkræ og ørreder, samt plantearter som græsser, korn, bønner, kløver og kartofler. Vi er i stigende grad begyndt at forske i humangenetik.
Kalkulationer af så komplekse datasæt kræver særlig software, og hos QGG har vi nu fem specialfremstillede softwarepakker, der gør det muligt for os at udtrække forskellige perspektiver og værdier fra en stor og meget varieret datamængde.
ADAM er et stokastisk simulationsprogram brugt til at modellere selektive avlsprogrammer hos planter og dyr. Det simulerer populationer over tid og sporer genetiske forandringer under alternative avlsstrategier og operationelle arbejdsgange. En af hovedstyrkerne ved ADAM er dets evne til at simulere komplekse egenskaber (ved at efterligne vigtige biologiske aspekter af plante-og dyregenetik) og kombinere de mange interagerende skridt i reelle avlsprocedurer.
EVA er et værktøj til avlsplanlægning på populationsniveau
EVA udfører to opgaver:
1. Beskrivelse af populationers historie med hensyn til
Individuelle indavlskoefficienter og stamtavlens fuldstændighed
2. Optimering af genetiske bidrag
Ved optimal afbalancering af indavl og genetisk udbytte giver EVA mulighed for bæredygtige og langsigtede avlsbeslutninger uanset populationsstørrelse eller populationsstruktur. EVA er med succes anvendt og testet i både kommercielle og truede populationer.
For at bruge EVA er det nødvendigt med præcis og konsistent stamtavleinformation. I de fleste tilfælde har en almindelig kontorpc nok kapacitet til at køre EVA, dog med undtagelse af meget store populationer.
EVA kan gratis benyttes til Windows, Linux og Mac.
EVA er udviklet af: Peer Berg, Morten Kargo
DMU er en statistisk software-pakke udviklet til anvendelser inden for kvantitativ genetik og genomforskning. Pakken implementerer både likelihood-baserede værktøjer til at estimere varianskomponenter, systematiske effekter (BLUE) og til at forudsige tilfældige effekter (BLUP) samt værktøjer til bayesiansk inferens om dispersion- og locationparametre.
Udviklingen af DMU har primært været drevet af behovene i forskningsprojekter inden for anvendt kvantitativ dyregenetik og genomforskning over en periode på cirka 40 år og er stadig under udvikling.
Den seneste offentligt tilgængelige version kan hentes her: DMU home page
En brugervejledning til DMU kan ses her: dmuv6_guide.5.6.pdf.
DMU er primært udviklet af Per Madsen og Just Jensen
Bayz implementerer bayesianske modeller til estimering af varianskomponenter, genomisk prædiktion og genkortlægning. En af programmets nøgleegenskaber er at tillade hierarkiske modeller, der giver mulighed for en tilpasning af modellerne til komplekse datastrukturer og at specificere komplekse varians- og covariansstrukturer. Bayz passer til store multi-egenskabsmodeller, modeller med gentagne observationer, modeller for vilkårlig regression og modeller for sociale indvirkninger, og kan kombinere disse egenskaber med populære versioner af bayesianske prædiktions- og kortlægningsmodeller så som SNP-BLUP, (power) LASSO og bayesianske Variable Selection modeller. Et nemt R interface er til rådighed, som giver mulighed for at tilpasse de mest almindelige modeller, der bruges. Bayz er gratis at bruge i forskningsøjemed, men der skal udleveres en licensnøgle.
Bayz er udviklet af: Luc Janss
LDAK er en softwarepakke til analyse af data fra genetiske associationsstudier. Den leverer redskaber til at estimere SNP heritabilitet (både fra data på individniveau og summarisk statistik), påvise kausale varianter og gener (både gennem klassiske og blandede modelanalyser), opbygge prædiktionsmodeller (herunder MultiBLUP og MegaPRS), og evaluere heritabilitetsmodeller (inklusive at estimere heritabilitetsberigelse). LDAK er skrevet i C og designet til at køre på Linux eller Mac computere.
LDAK er udviklet af: Doug Speed
LDAKs hjemmeside finder du her.
