Отбор, который выигрывает первые 20 поколений, может проиграть следующие 20.
Селекция расходует генетическое разнообразие, на котором держится будущий прогресс. BreedOS моделирует 10–40 поколений вперёд и показывает цену стратегии отбора — генетический прогресс против инбридинга F, эффективной численности Ne и потери редких аллелей — до того, как вы её запустили.
Интерфейс демо и отчёт — на английском; параметры (N, h², % отбора, поколения) понятны без перевода.
Кому и зачем
Генетику
Проверить интуицию о дрейфе, Ne и плато отбора на модели со сцеплением: как быстро истощается VG, когда наследуемость падает и где отбор перестаёт работать.
В демо: «Neutral drift» против «Aggressive» на 40 поколений.
Селекционеру
Сравнить стратегии отбора и подбора пар под ограничения по F и ΔF до запуска программы — в том числе для признаков климатической устойчивости: засухо-, жаро- и солеустойчивости.
В демо: задайте max inbreeding и посмотрите, что останется допустимым.
Биотехнологу
Решение «редактировать / скрещивать / ждать» для кандидатных аллелей и предварительная классификация NGT-1 / NGT-2 по Annex I регламента ЕС — инструмент планирования, не юридическое заключение. Guide-РНК и off-target — это Benchling, Synthego, CRISPResso.
В демо: включите CRISPR и раздел NGT.
Что внутри
Генетическая модель
- Хромосомы и генетическая карта, кроссинговер по Haldane, фазированные гаплотипы.
- Инбридинг F — по идентичности по происхождению (IBD) относительно исходной популяции, а не по гетерозиготности маркеров.
- Средовая дисперсия фиксирована с поколения 0: наследуемость падает по мере истощения VG.
- Прогресс — в долях σA исходной популяции; ΔF и Ne на каждое поколение.
- Эффекты маркеров по вашим фенотипам — rrBLUP с кросс-валидацией точности.
- Климат как G×E: общие, «урожайные» и стресс-специфичные QTL; засуха или жара может поменять лучшую стратегию.
- Самоопылители: скрещивание линий → SSD или удвоенные гаплоиды → новая линия; риск — коансестри между линиями.
Слой решений
- Monte Carlo повторы, Pareto-фронт «прогресс × риск», ограничения по F, ΔF, разнообразию и числу родителей.
- Оптимальные вклады родителей (OCS, Meuwissen 1997) с целевым ΔF за поколение.
- Календарная ось: прогресс и ΔF в год, ускоренный цикл геномной селекции.
- Анализ чувствительности: держится ли рекомендация при других h², % отбора, сценариях.
- Загрузка своих генотипов (CSV 0/1/2) и публичные наборы — Arabidopsis 1001, пшеница.
- Каждый отчёт перечисляет допущения и то, что может быть неверно.
Какие данные нужны
Минимум — одна таблица генотипов
Строка — особь или линия, колонка — SNP, значение — число копий аллеля: 0, 1 или 2 (как 0/0, 0/1, 1/1 в VCF).
id,1A:1204533,1A:2311870,1A:5120044,2B:880121,…
line_001,0,2,1,2,…
line_002,2,2,0,1,…
line_003,1,0,0,2,…- Заголовок
хромосома:позиция— BreedOS строит генетическую карту по вашим хромосомам. Без позиций (m1, m2, …) карта синтетическая. - Маркеры — по порядку хромосом и позиций.
- До 16 МБ на файл. Данные живут в памяти сервера 1 час и никуда не сохраняются.
Что ещё можно приложить
| Файл | Колонки | Что делает движок |
|---|---|---|
| genotype.csv | id, маркеры… | исходная популяция (поколение 0) |
| predictions.csv | id, gebv, uncertainty | ваши GEBV (rrBLUP / BGLR / sommer) — отбор родителей поколения 0 |
| phenotype.csv | id, trait_value | эффекты маркеров (rrBLUP) — архитектура признака из ваших данных |
| pedigree.csv | id, sire, dam | показывается в сводке, в расчёт пока не идёт |
| edits.csv | marker_id, target_allele, expected_effect | показывается в сводке, в расчёт пока не идёт |
Фенотипы нужны минимум для 20 генотипированных линий; точность оценки (кросс-валидация) будет в отчёте. Имена файлов — ссылки на учебные примеры. В демо: Founder population → «Uploaded CSVs». Нет своих данных — публичные наборы.
Чего BreedOS пока не делает
- Деньги: длину цикла в годах можно задать, стоимость цикла — нет.
- Структура программы: перекрёстное размножение и линии (SSD, DH) есть; гибридов, гетерозиса и многостадийных испытаний нет.
- Среда: G×E — две генетически коррелированные среды (обычный и стрессовый сезон); структуры испытаний «локации × годы» нет.
- Животные: нет полов и перекрывающихся поколений.
- Предсказание: стратегия GS — mock с заданной точностью; rrBLUP оценивает только эффекты по вашим фенотипам.
- Ваши данные: генотипы, фенотипы и GEBV используются; родословная и правки — пока нет.
Если вы видите здесь ошибку модели — именно это я и хочу услышать.
Нужны 15–20 минут вашей критики
Запустите демо на параметрах, похожих на вашу программу, и скажите, где модель расходится с реальностью. Ещё ценнее — обезличенный набор генотипов, на котором можно проверить выводы.