准确的遗传评估是开展有效选种选配的前提,所以发展和完善遗传评估方法一直是家畜育种领域的重要研究课题。分层是一种常见的统计抽样和数据辅助挖掘策略,适当的分层处理可提高数据挖掘的准确性和效率。遗传分层是针对遗传组分的分层。本研究将遗传分层思想作为一种发展遗传评估方法的新策略,以分层混合线性模型为建模工具,建立分层遗传评估模型,针对不同遗传分层情形下的遗传评估问题开展了系列研究。以16th QTLMAS Workshop数据集作为验证数据,根据猪育种实践可能面临的遗传分层情形,设置了按照遗传信息来源、遗传性质、SNPs效应大小3种单向遗传分层方式,以及遗传性质与遗传信息来源、遗传性质与SNPs效应组合下的2种双向遗传分层。针对不同遗传分层方式,利用分层混合线性模型构建多种分层遗传评估模型,深入探讨了分层遗传评估的相关问题,取得主要研究结果如下:1.提出和定义了一组与遗传分层紧密相关的新概念,在此基础上进一步给出了几种常见遗传分层方式下的分层遗传评估模型及注释,同时将遗传分层与一步法结合,提出了新的分层一步法。本研究从新概念和分层遗传评估模型等角度为分层遗传评估方法的初步提出作了探索性尝试;2.对16th QTLMAS Workshop数据集3个模拟性状开展了基于单标记的GWAS分析,获得用于后续验证分析的SNPs列表,分别在P值0.05和0.01水平经Bonferroni校正作为截取阈值,Trait1共有193和267个SNPs超过相应截取阈值,Trait2有151和213个SNPs分别超过阈值,Trait3则有481个和650个SNPs超过截取阈值;3.在基于多分子标记与系谱信息的分层遗传评估中,用P=0.01/n、P=0.001/n、和P=0.0001/n三个阈值截取的SNPs列表作为前景多分子标记进行验证分析,发现纳入了前景SNPs多分子标记之后,三个模拟性状的分层估计育种值的准确性均比传统BLUP提高了大约10%,但基于随机SNPs的分层遗传评估不能提高预测准确性;4.在加性遗传与显性遗传组分的分层遗传评估中,发现加性和显性遗传组分的分层遗传评估的准确性大致与GBLUP持平;5.基于SNPs效应分层的遗传评估效果较为理想,在P=0.05/n、P=0.01/n和P=0.001/n三个阈值截取的前景SNPs的分析中均表现出明显的准确性提升,与同样条件下的GBLUP相比,准确性约提高3个百分点。进一步探讨了分层深度对模型预测准确性的影响,发现随着分层深度的加深,预测准确性也表现出提高的趋势,但二者呈二次函数关系;6.在两种双向遗传分层方式下的分层遗传评估验证结果表明,加性遗传和显性遗传分层信息的加入,并不能在SNPs效应单向分层和多分标记-系谱单向分层的基础上,进一步提升模型预测的准确性,表明多重分层因子的组合建模需要优化筛选才能发挥多因子分层的叠加作用;7.分层一步法(sssGBLUP)的验证结果表明,分层一步法的准确性高于传统一步法、GBLUP、和BLUP法。在基于模拟表型的分析中,与传统一步法相比,分层一步法的准确性大约提升3-4个百分点,加大分层深度,最高可提升近6个百分点,提升效果明显。进一步发展的ssssGBLUP准确性又可在sssGBLUP基础上再提升2个百分点左右。本研究提出新的分层一步法是对传统一步法的有效发展;8.最后对一个大白猪群的Sequenom基因分型数据展开实例分析,以背膘厚性状作为目标性状,发现多分子标记信息加入分层遗传评估模型后,分层估计育种值与传统BLUP估计育种值具有一定的差异,在两种估计育种值的排序中,前5名和前10名列表中的个体号和排序均有一定的变化,但在总体分布趋势上,分层估计育种值与传统BLUP估计育种值仍较为接近。本研究首次明确地提出了遗传分层思想,并将其用于遗传评估方法发展。以分层混合线性模型为基础,建立了针对不同遗传分层情形下的分层遗传评估模型,验证分析结果揭示了分层遗传评估策略在大多数应用场景中都可以不同程度地提高遗传评估的准确性,表明科学、合理的遗传分层可提高预测准确性。本研究成果是对遗传评估方法的发展,在一定程度上丰富了猪遗传评估方法的内容,对猪和其他家畜遗传评估方法的进一步发展也有一定的借鉴作用,所以本研究具有重要的理论与实践意义。