Разведение в тренажере: РАЗВЕДЕНИЕ НОГ В ТРЕНАЖЕРЕ — УПРАЖНЕНИЕ ДЛЯ ГИПЕРТРОФИИ ЯГОДИЧНЫХ МЫШЦ, ТЕХНИКА ВЫПОЛНЕНИЯ И ПРАКТИЧЕСКИЕ РЕКОМЕНДАЦИИ

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:

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
Разведение ног в тренажере — польза упражнения, как правильно выполнять и сколько подходов делать..
Rating: 5

Тренажер для разведения ног. Разведение ног сидя в тренажере

Для многих девушек упражнение сведение и разведение ног сидя в тренажере представляется чуть ли не идеальным. Мы, дамочки, от него в восторге: и толк есть и не особо тяжело.

Однако некоторые (и имя им легион) проводят на этом тренажере кучу времени, потому что упражнения на нем что-то подтягивают, убирают лишнее, улучшают кровообращение, способствуя улучшению «женских дел», развивают нужным образом ягодицы, улучшают внешний вид бедра сбоку и др.

Так ли это на самом деле? Давайте разбираться.

Что развивает и как называется тренажер?

Итак, сведение и разведение ног в тренажере сидя помогают нам в тренировке ног, но эти два движения направлены на разные мышцы: если разведение
ног нацелено на тренировку мускулатуры наружной поверхности
бедра, то сведение
– его внутренней поверхности
. Упражнение относится к изоляционным. Подходит и для женщин, и для мужчин.

Кстати, часто бывает, что тренажер способен выполнять лишь одно движение: или сведение или разведение. Это зависит от конструкции тренажера. По правде говоря, это жутко не удобно на наш взгляд, но тренажерный зал нужно же чем-то заполнять. Во многих фитнес-центрах имеются данные тренажеры. В их конструкцию входят мягкое сиденье, система рычагов, отсек для регулирования веса и два снабженных мягкими валиками упора, в которые упираются колени.

Ошибиться в выполнении этих упражнений трудно, так как они просты и понятны.

Какие мышцы работают

При разведении ног
сидя какие мышцы задействованы:

• абдукторы
  – приводящие мышцы, средние и малые ягодичные.
• мышцы — стабилизаторы:
  квадратная мышца спины, мышцы-выпрямители позвоночника и мышцы живота.

Милые девушки, напоминаем, что, разрабатывая данные мышцы, вы не уменьшите количество жира в данной проблемной области. Основная задача, которую выполняет упражнение сведение и разведение ног в тренажере, заключается в укреплении мускулатуры, а не в избавлении от жировых отложений.

Статья с объяснением, почему все так несправедливо:

Мышечный атлас при сведении ног
:

• аддукторы
  — мышцы внутренней поверхности бедер. Важный момент: в повседневной жизни они очень мало
  задействованы.

Техника выполнения с фото: как правильно делать?

Как мы писали выше, упражнения не сложные и не требующие каких-то особых навыков и умений. Итак, как правильно делать на тренажере и без оного:

Сидя

Выполнение сведения ног в тренажере:

1. Установите необходимый вес для отягощения на тренажере и отрегулируйте положение спинки. Примите исходное положение, при котором ноги разведены в стороны и упираются в валики или подушки тренажера, выпрямите спину и упритесь ей в спинку сидения.
2. Ноги должны быть согнуты под углом 90 градусов или более. Сделайте глубокий вдох.
3. Выдыхая, напрягите бедра и начинайте сводить ноги друг к другу. Угол сгибания ног не изменять.
4. В финишной точке (ноги полностью сведены) задержитесь в таком положении на 1-2 секунды и максимально напрягите приводящие мышцы бедра.
5. Начиная вдох, разводите ноги медленно, не рывками, соблюдая при этом технику. Не доводите ноги до точки исходного положения, дабы оставить мышцы в напряженном состоянии. Повторите движения несколько раз в соответствии с тренировочной программой.

Как пользоваться тренажером для разведения:

1. Примите исходное положение. Сядьте на тренажер так, чтобы бедра оказались между боковыми упорами. Возьмитесь руками за ручки, расправьте грудь и выпрямите спину. Теперь можно приступать к разведению ног в тренажере.
2. На вдохе напрягите пресс и максимально разведите ноги в стороны. На несколько секунд задержитесь в крайнем положении.
3. Медленно вернитесь в исходное положение и выдохните. Ваши ноги должны двигаться друг к другу не под давлением подушек тренажера, а как бы сопротивляясь ему. Это значит, что мышцы до конца не расслабляем и выполняем движение полностью подконтрольно.

Так как данные упражнения относятся к изоляции, не стоит гнаться за весами. Очень часто девочки окрыленные легкостью выполнения начинают немного кичится своей «силой» и быстро увеличивают веса. Изоляция — это всего лишь ваш помощник, ваш главные инструмент — это царица база (базовые упражнения). Если вы не будете делать базу или филонить при ее выполнении, то можете попрощаться с красивым телом, гарантия 100%.

Мы не утверждаем, что изоляция — это плохо, нет! Изоляционные упражнения очень помогают нам качественно нагрузить мышцу, которая предварительно
утомлена базой. А то есть такие уникумы, которые в сведении и разведении делают 40 кг, а приседают через раз и еле еле.

Вывод: изоляция хорошо, но без базы все равно никуда.

В наклоне

Если тренажер позволяет менять угол наклона спинки, воспользуйтесь этим шансом. Выполняя разведение ног сидя в наклоне назад, вы максимально загрузите целевые мышцы – средние и малые ягодичные.

Сведение-разведение с наклоном вперед:

Если же вы будете держать корпус прямо или наклонитесь вперед, то подключится верхняя часть больших ягодичных мышц.Кстати, еще одно отличное упражнение на так называемый «верх ягодиц» — .

В положении стоя

Для этого поворачиваемся спиной к тренажеру стоя и валикам, беремся руками за спинку кресла и упираемся в него коленями. Спина должна быть прямой, а таз немного отведен назад. На выдохе сводим ноги, опираясь ступнями о валики, а на вдохе разводим их. Ноги не должны двигаться по инерции – всегда должно присутствовать напряжение.

С нижнего блока в кроссовере

Что касается зала, то заменой разведению ног может быть мах в сторону с нижнего блока, который прорабатывает мышцы бедра. Для большего эффекта можно в начале позаниматься с блоками, а затем приступить к «разводному» тренажеру.

С резинкой

Интересный вариант для упражнений в домашних условиях — настоящий домашний тренажер! Вариаций куча, все зависит от вашего удобства и фантазии. Вот идеи:

Уличный тренажер

• Перед выполнением упражнения разомните тазобедренные суставы и потяните паховые связки. Это позволит мышцам лучше воспринимать нагрузку, а также увеличит амплитуду движений.
  Посмотреть эффективную суставную гимнастику можно .
• Следите за тем, чтобы спина оставалась ровной
  . Ни в коем случае не горбите спину на последних повторениях! Если у вас не осталось сил, сократите упражнение или помогите себе преодолеть сопротивление с помощью рук.
• Работайте медленно
  и избегайте резких движений. Старайтесь не использовать силу инерции.
• Важную роль играет . Ваши мышцы будут достаточно эластичными только в том случае, если вы не будете пропускать растяжку после тренировки, которая способствует выводу из мышц молочной кислоты, тем самым снимая болезненные ощущения, которые обычно возникают на следующий день после тренировки.

Чем заменить?

Тренажер для сведение и разведение ног нельзя назвать очень эффективным. Его можно заменить упражнением – «Шаги с резиновой лентой в стороны»
и присед плие
.

С чем комбинировать?

Упражнения на данном тренажере можно использовать как вспомогательные к основным (или реабилитационные в случае получения травм) и включать в конец тренировки
, но работа только с ним не даст никакого прогресса в улучшении формы ног, помните это и не западайте на тренажер как исключительный для тренировки мышц внутренней поверхности бедра.

Думаю, возник резонный вопрос: для чего в залах устанавливают подобные не особо эффективные тренажеры. Ответ – если бы их не было, фитнес-центры отвадили бы от своего посещения большую часть женской клиентуры. Вкупе с тем, что женщины боятся свободных весов и стать слишком большими и мышечными, им проще выбрать легкую нагрузку по себе.

Поэтому, дамы, в деле улучшения форм внутренней части бедер используйте приводящий тренажер с умом и не зацикливайтесь только на нем.

Вред

Сразу попросим заметить, мы не заявляем, что этот тренажер вреден. Упражнения на данном тренажере полезны в меру с небольшими весами
и малым общим месячным объемом
их использования. Они действительно создают мышечный тонус отводящих и приводящих мышц бедра, улучшают тонус средних и малых ягодичных мышц, улучшают кровообращение в этих местах.

Однако они совсем не убирают лишний жир и более того, эти упражнения даже могут быть вредными.

(Степень занудства: приемлемая)

Мы уже упоминали, что амплитуда движения в этом тренажере неестественна
для организма, т.е. данное движение нигде не применяется за пределами зала. Да и сами приводящие мышцы (на которые и направлено данное упражнение) не особо много работают в жизни. Эти мышцы являются комплексом мускулов глубокого залегания внутренней поверхности бедра и паха. Их трудно нащупать, т.к. они “погребены” под другими мышцами, например, четырехглавой. Вы используете эти мышцы при подъемах по лестнице, восхождении в гору и при вставании.

Прогресс в весе идет достаточно быстро, но чем он больше, тем это сильнее напрягает позвоночник. Коленная чашечка также не скажет спасибо от все возрастающей нагрузки.

Таким образом получается, что как бы вы ни использовали тренажер для сведения ног, он с большой долей вероятности не изменит ваш композитный состав ног, для этих целей это бесполезный инструмент. И все дело тут в биомеханике движения. Сама по себе конструкция тренажера сидячая, поэтому мышцы бедер в таком положении никак не работают. Часто бывает, что люди приходят в зал после трудового сидячего дня, дабы разогнать кровь и привести мышцы в тонус.

И, как ни странно, выбирают сами (или по совету тренера) для тренировки мышц сидячий тренажер. Это не верно. Необходимо выбирать упражнения, в которых требуется удержать баланс и которые используют свободные веса и хождение/стояние с отягощением. В частности, сведение ног можно заменить на перекрестные выпады или отведение ноги на блоке — они позволяют добиться значительно лучшего “тюнинга” ног.

Написанное не стоит воспринимать как полную несостоятельность приводящего тренажера для проработки соответствующих мышц.

Самый главный вред состоит в том, что при разведении ног в тренажере в большом объеме и тем более с хорошими весами постепенно развиваются и спазмируются грушевидные мышцы
.

Начало грушевидной мышцы на передней поверхности крестца, а прикрепляется она к бедренной кости. Функция грушевидной мышцы – отведение и супинация бедра. Под грушевидной мышцей расположен седалищный нерв
— самый длинный нерв в организме, проходит от нижней части позвоночника, через ягодицы и бедра, вниз по задней поверхности ноги. Хотя этот нерв находится в обеих ногах, симптомы защемления седалищного нерва обычно проявляются только в одной ноге.

Вы никогда не чувствовали при выполнения данного упражнения, что у вас «сводит» бедро
, какое то ноющая боль при разведении в стороны глубоко внутри? Нет, это не мышца, которую вы так здорово прокачали, это бедный нерв просит о милости.

Симптомы защемления:

1. Самый первый симптом защемления седалищного нерва — это боль, которая, как правило, начинается в нижней части спины и распространяется по всей протяженности нерва: через ягодицы, к бедрам и икрам. Интенсивность болевых ощущений может варьироваться от слабых до очень острых. Иногда боль проявляется в виде жжения, в других случаях может быть похожей на удары током.
2. Еще одним распространенным симптомом защемления седалищного нерва является онемение, которое охватывает часть ноги или всю ногу. Онемение в одной области может сопровождаться болью в другой. Кроме того, обычно человек при этом испытывает еще и характерное покалывание в пальцах ног.
3. Один из самых неприятных симптомов защемления седалищного нерва — это потеря контроля над мочевым пузырем или кишечником. Это состояние встречается редко и требует неотложной медицинской помощи. Иногда этот симптом защемления седалищного нерва сопровождается пояснично-крестцовым радикулитом.

Во время сведения ног в тренажере при спазмированной грушевидной мышцы происходит еще большее сдавливание седалищного нерва и ухудшение либо проявление симптомов.

Вывод
: данный тренажер можно использовать в своей тренировочной программе, но с небольшими весами и максимум 1 раз в неделю.

Видео

Техника и нюансы для женщин:

Упражнения на тренажере на видео для мужчин:

«А вот я..»

Разведение ног в тренажере – это популярное упражнение для проработки боковой поверхности ягодиц. Оно пользуется популярностью у женщин, так как вкупе с другими упражнениями для нижней части тела придает бедрам округлую форму, тем самым подчеркивая линию талии.

Работа мышц

При разведении ног в тренажере работают следующие мышцы:

• Целевые мышцы: средние и малые ягодичные. Именно на эти мускулы приходится основная нагрузка.
• Дополнительные: напрягатель широкой фасции, разгибатели позвоночника, квадратные мышцы поясницы, пресс.

Работающие мышцы.

Не забывайте о том, что разведения ног сидя – это вспомогательное упражнение. Его одиночное выполнение не позволит создать красивую и гармоничную фигуру. По этой причине следует включать его в комплексную тренировку по проработке ног и ягодиц.

Некоторые тренажеры позволяют отклонить спинку сидения назад. Выполняя упражнение в таком положении (сидя не вертикально, а отклонив спину назад), вы максимально загрузите целевые мышцы – средние и малые ягодичные. Если же вы будете держать корпус прямо или наклонитесь вперед, то подключится верхняя часть больших ягодичных мышц.

Для того чтобы во время упражнения ягодичная мышца прорабатывалась полностью, попробуйте изменять угол наклона вашего корпуса. Первую половину повторов на вдохе слегка наклоняйте корпус вперёд. При выполнении второй части упражнения откидывайтесь назад. При этом следите за тем, чтобы спина оставалась прямой.

Техника выполнения

Разведение ног сидя выполняется на специальном тренажере. В первую очередь вам необходимо выставить вес. Для мужчин рекомендуемый вес на данном тренажере составляет от 20 до 25 кг. Для женщин – от 10 до 20 кг. Подобрать нужный вес совсем несложно. Для начала установите среднее значение и попробуйте выполнить хотя бы 10–15 повторений. Если вам удастся завершить упражнение, а в мышцах ног появится сильное жжение, вес подобран правильно.

1. Примите исходное положение. Сядьте на тренажер так, чтобы бедра оказались между боковыми упорами. Возьмитесь руками за ручки, расправьте грудь и выпрямите спину. Теперь можно приступать к разведению ног в тренажере.
2. На вдохе напрягите пресс и максимально разведите ноги в стороны. На несколько секунд задержитесь в крайнем положении.
3. Медленно вернитесь в исходное положение и выдохните. Ваши ноги должны двигаться друг к другу не под давлением подушек тренажера, а немного сопротивляясь ему. То есть мышцы до конца не расслабляем и выполняем движение полностью подконтрольно.

В зависимости от вашей подготовки повторите описанное движение 15–20 раз. Передохните 30 секунд и сделайте ещё 1–2 подхода. Можно чередовать подходы со или другими упражнениями.

Если вы хотите не только накачать мышцы, но и сжечь жир, дополняйте упражнения для ног кардионагрузкой средней интенсивности. Всегда завершайте занятие растяжкой.

Как сделать такое упражнение, как разведение ног, более эффективным?

• Следите за тем, чтобы движение совершалось только за счёт тазобедренного сустава. Коленные и голеностопные суставы не задействуются.
• Избегайте использования силы инерции в своих движениях.
• Не стоит сводить ноги до конца. Пусть мышцы постоянно остаются в напряжении.
• Разверните носки наружу. Так ягодицы получат большую нагрузку.

Эффективность упражнения

Тренеры, как и сами спортсмены, часто критикуют это упражнение. В первую очередь это связано с тем, что оно прорабатывает среднюю ягодичную мышцу, а её размер невелик. Накачать эту мышцу так, чтобы ягодицы заметно увеличились, достаточно сложно. Более того, из-за своих небольших размеров она тратит мало энергии, поэтому от упражнения не стоит ждать серьёзного жиросжигающего эффекта.

Но это не означает, что разведения являются бесполезными. Просто нужно понимать, зачем они выполняются и с какими упражнениями их следует комбинировать.

Тренеры выделяют две категории людей, которым оно однозначно рекомендовано. Первая из них — это новички. Нередко тем, кто лишь начинает осваивать тренировки в зале, тяжело даётся выполнение базового комплекса. В этом случае разведения помогут привести мышцы в тонус, что в дальнейшем позволит телу лучше справляться с нагрузкой.

Вторая категория – это девушки. Для женщин округлая форма ягодиц нередко является самоцелью занятий в зале. Тренировка средних ягодичных мышц вместе с большими ягодичными позволяет сформировать красивую и гармоничную фигуру. Часто именно проработки средних ягодичных мышц не хватает для того, чтобы сделать тело идеальным.

Мужчины-спортсмены могут использовать разведения для предварительного утомления или при работе над шлифовкой мышц нижней части тела.

При жиросжигающем тренинге, когда упражнения выполняются по кругу одно за другим, разведения можно использовать в конце круга в качестве отдыха. В то время как сложные энергоемкие движения ставятся в начало.

Таким образом, упражнение может стать важной частью комплексной тренировки бедер и ягодиц.

Добрый день, веселый час, рады видеть Вас у нас! На календаре 23
ноября, среда, а это значит — время для технической заметки на . И сегодня мы поговорим про разведение ног в тренажере.

По прочтении Вы узнаете все о мышечном атласе, преимуществах, технике выполнения упражнения, а также мы выясним его степень эффективности и целесообразности включения в свою программу тренировок.

Итак, занимайте свои места в зрительном зале, приступим к вещанию.

Разведение ног в тренажере. Что, к чему и почему?

Знаете, с какого упражнения должна начинаться тренировка низа каждой уважающей себя девушки? А вот и не знаете:), а называется оно разведение ног в тренажере. Почему именно с него? Сейчас выясним.

Каждый раз приход в зал новой потенциальной фитоняшки начинается с выполнения знакомых ей движений и облюбавания понятных тренажеров. Чаще всего список выглядит так: гиперэкстензия – для укрепления спины, боковая экстензия – для убирания боков, приседания со штангой на плечах – для округлых ягодиц. Дамы, я ничего не упустил из Вашего “джентельменского” набора? Почему он именно такой, сказать 100% сложно. Но то что он имеет место быть у большинства начинающих девушек, это факт.

И все бы хорошо, если бы не одно “но” — начинать свою тренировку следует с проработки самых проблемных зон, а для большинства барышень это внутренняя/внешняя поверхность бедра. Именно бедра чаще всего не устраивают представительниц прекрасного пола, и не случайно, ведь внутренняя/наружная их части практически никоим образом не получают таргетированной нагрузки в повседневной жизни. Посудите сами, руки девушка может иметь подкаченными ввиду наличия маленького ребенка (постоянного его поднятия)
, икры обычно в тонусе от постоянного хождения, ягодицы часто находятся в более чем удовлетворительном состоянии, а вот бедра становятся камнем преткновения и часто “приходят в негодность” в первую очередь. Посему девушкам целесообразнее всего начинать (или оставлять напоследок)
свою тренировку низа именно с бедренных упражнений, и в частности — разведения ног в тренажере. Вот о нем мы и поговорим далее по тексту.

Примечание:
Для лучшего усвоения материала все дальнейшее повествование будет разбито на подглавы.

Мышечный атлас

Упражнение относится к классу изолирующих с типом силы push (толкать)
и имеет своей основной целью проработку мышц внешней поверхности бедра.

Мышечный ансамбль включает в себя следующие единицы:

• таргетируемая – абдукторы;
• синергисты – большая/средняя/малая ягодичные, большая приводящая, грушевидная, наружная запирательная;
• антагонисты – аддукторы, гребенчатая мышца;
• стабилизаторы – нет существенных.

Полный мышечный атлас представляет собой такую картину.

Преимущества

Выполняя упражнение разведение ног в тренажере, Вы вправе рассчитывать на получение следующих преимуществ:

• изолированная проработка абдукторов;
• включение в работу мелких бедренных мышц, которые нельзя “зацепить” стандартными упражнениями;
• подтяжка и тонус мышц внешней поверхности бедра (убирание ряби, творожного вида)
  ;
• развитие силы отводящих мышц;
• улучшение беговых показателей и снижение риска получения травм от бега;
• улучшение кровообращения в области малого таза.

Техника выполнения

Разведение ног в тренажере относится к упражнениям начального уровня сложности. Пошаговая техника выполнения выглядит следующим образом.

Шаг №0.

Подойти к тренажеру для разведения ног и установите необходимый вес с помощью системы колодок. Займите положение сидя, плотно прижавшись спиной к тренажеру и расположив ноги (внутреннюю часть бедра выше колена)
у боковых валиков. Возьмитесь за ручки и слегка разведите ноги в стороны. Это Ваша исходная позиция.

Шаг №1.

Вдохните и на выдохе начните мощно “раскрывать” ноги, разводя их в стороны насколько это возможно. В конечной точке траектории задержитесь на 1-2
счета, произведя пиковое сокращение. Затем медленно, на вдохе, начните сводить (смыкать)
ноги, возвращаясь в ИП. Повторите заданное количество раз.

В картинном варианте все это безобразие выглядит следующим образом.

В движении так…

Вариации

Помимо классического варианта существует несколько вариаций упражнения, в частности:

• в положении отклонившись назад (под углом вверх)
  ;
• под углом вверх и с отрывом ягодиц от кресла;

Секреты и тонкости

Чтобы выжать максимум из упражнения, придерживайтесь следующих рекомендаций:

• на протяжении всего движения следите за положением корпуса, он должен быть неподвижным;
• старайтесь как можно дальше развести ноги в стороны;
• медленно и подконтрольно сводите ноги вместе и мощно разводите в стороны;
• не сводите ноги до конца, а постоянно сохраняйте небольшой зазор, удерживая напряжение в мышцах;
• в конечной точке траектории задержитесь на 1-2
  счета и произведите пиковое сокращение;
• руками всегда держитесь за боковые ручки;
• помните, что угол в коленном суставе (когда нога стоит на нижней опоре)
  может быть разным и это зависит от конструкции конкретного тренажера;
• техника дыхания: выдох – на усилие/разведение ног в стороны, вдох – на сведение ног вместе;
• численные параметры тренировки: количество подходов 4-5
  , повторений 20
  .

С теоретической стороной закончили, теперь давайте разберем некоторые практические моменты.

Разведение ног в тренажере – эффективное упражнение для внешней поверхности бедра?

На самом деле, чтобы “зацепить” внешнюю поверхность бедра, существует не так уж много целевых упражнений, и разведение ног как раз относится к последним. Согласно исследованиям по электрической активности мышц, оно стоит на 2
-ом месте (72%
)
после отведения ноги в сторону с нижнего блока (85%
)
. Поэтому если Ваша цель — проработка внешнего бедра, то имеет смысл сначала посетить блочный, а затем “разводной” тренажер.

Как максимально включить ягодицы в упражнении разведение ног в тренажере?

Мало кто из барышень знает, но данный тренажер можно приспособить под достаточно эффективную проработку ягодичных мышц. Для этого следует изменить наклон спинки кресла (чем больше отклонение назад, тем больше работает средняя ягодичная, вертикальная позиция = большая ягодичная)
. Если Ваша цель -убирание ямочек на попе, в таком случае Вы должны занять следующую позицию в тренажере и выполнять все подходы/повторения именно в таком нестандартном положении.

Включайте данное упражнение в начало (или конец)
своей программы тренировок и в скором времени Вы заметите, как проблемная зона перестала быть таковой.

Собственно, с сутевой частью закончили, переходим к…

Послесловие

Разведение ног в тренажере – еще +1
в нашу копилку технических заметок. Наверняка, до сего момента Вы обходили данное упражнение стороной, но теперь, когда мы так подробно его разобрали и выявили его скрытые “ништяки”, самое время его опробовать в зале. Ну, чего сидим? 🙂 дуем и пробуем!

На сим все, до пятницы и “нового” цикла статей.

PS:

а у Вас в зале есть такой тренажер? Используете?

PPS:

помог проект? Тогда оставьте ссылку на него в статусе своей социальной сети — плюс 100
очков к карме гарантировано:).

С уважением и признательностью, Протасов Дмитрий
.

Как обычно по средам у нас техническая заметка, и сегодня мы ее посвятим одному женскому неординарному упражнению под названием сведение ног в тренажере. Почему неординарному? Об этом Вы узнаете ближе к концу заметки, так что придется дочитать до конца, как бы не хотелось. По ходу пьесы мы познакомимся с анатомическим атласом, техникой выполнения, а также преимуществами, которое это упражнение может дать.

Итак, прошу всех садиться, поехали.

Сведение ног в тренажере. Что, к чему и почему?

Не знаю, замечали ли парни в тренажерном зале, но у девчонок (также как и у них/нас)
есть свои любимые упражнения и качательные машинки, которые им ближе всего и, так сказать, по душе. К одной из таких машинок относится тренажер для сведения (разведения)
ног, призванный прорабатывать внутреннюю/внешнюю сторону бедра. Эта ножная зона является проблемной у многих женщин (опа-на, были девушки, а уже стали женщины, и это всего за две строчки писанины:))
, и поэтому при любой удобной возможности представительницы прекрасного пола липнут к соответствующему тренажеру. Правильно это или нет, мы и постараемся разобраться далее.

Примечание:

Для лучшего усвоения материала все дальнейшее повествование будет разбито на подглавы.

Анатомический атлас

Основная причина залипания дам у тренажера для сведения ног это то, что он предназначен подтянуть приводящие мышцы (область между ног)
, сделать их более упругими, жесткими и, как следствие, избавить женщину от различного “киселя” в этой области. Другими словами, внутренняя поверхность бедер (аддукторы)
– эстетически важная зона ног для женщин, также мужчинам она небезразлична, и они хотят видеть ее у своих избранниц подтянутой и не висячей.

Анатомический атлас мышц, участвующих в движении, представляет собой следующую картину:

Приводящая машина (так называется тренажер для сведения мышц ног)
в первую очередь направлена на укрепление трех приводящих мышц – короткой, длинной и большой приводящей. Также активируются тонкие, гребенчатые и портняжные мышцы (последняя идет по всей длине бедра)
, происходит подтяжка мышц подвздошно-большеберцового тракта.

Вообще стоит сказать, что приводящие мышцы являются одними из самых относительно крупных и протяженных мышц ног — это целый комплекс мускулов глубокого залегания внутренней поверхности бедра и паха. Их трудно нащупать, т.к. они “погребены” заживо
под другими мышцами, например, четырехглавой. Однако можете быть уверены, вы используете эти мышцы при подъемах по лестнице, восхождении в гору и при вставании.

В виду того, что приводящие мышцы практически не задействованы в повседневной жизни, они являются очень слабыми и поэтому их тренировке нужно уделять особое внимание.

Преимущества

Выполняя сведение ног в тренажере, Вы вправе рассчитывать на:

• укрепление мышц внутренней поверхности бедра;
• подтяжку (лифтинг)
  приводящих мышц-аддукторов;
• более лучшую форму “междуножья” (плавные/гладкие линии внутренней части бедер)
  ;
• более крепкие ножные объятия в постели, когда происходит обхват партнера бедрами;
• повышение основной стабильности (баланса)
  во время движения;
• улучшение походки и осанки;
• снижение травм, связанных со слабостью мышц бедра.

Техника выполнения

Это одно из самых незамысловатых упражнений, в котором практически нельзя ошибиться. Само приведение означает перемещение части тела (в данном случае ног)
по направлению к центру тела. Когда Вы садитесь на тренажер, движение заключается в преодолении сопротивления при сближении бедер, изначально отстоящих друг от друга.

Сам тренажер выглядит следующим образом и имеет место быть в залах, начиная со “средней руки”:

Пошагово техника выполнения выглядит так.

Шаг №0.

Подойдите к тренажеру и установите требуемый вес отягощения. Затем отрегулируйте ширину седла так, чтобы Вы чувствовали легкое растяжение приводящих мышц, когда бедра находятся на мягких пэдах (боковые площадки-валики)
. Держите спину прямой и плотно прижатой к спинке тренажера. Руками ухватитесь за поручни внизу, а ноги согните в колене до угла в 90
градусов или чуть больше. Раскройте ноги, разведя их до уровня установленной ширины тренажера. Это исходное положение.

Шаг №1.

Вдохните, на выдохе подконтрольно начните сжимать бедра. Держите ноги прямо, сохраняя колени над ступнями. В конечной точке траектории максимально притяните бедра друг к другу и задержитесь на 1-2
счета.

Шаг №2.

Медленно на вдохе начните разводить валики и остановите их в слегка “недоведенной” до ИП позиции, чтобы постоянно сохранять напряжение в тренируемой мышце. Повторите заданное количество раз.

В картинном варианте все это безобразие выглядит следующим образом:

Чтобы получить максимальную пользу от упражнения, следуйте нижеприведенным советам:

• не плюхайте вес, возвращая его в ИП;
• медленно разводите ноги слегка не доводя их до позиции старта;
• в промежутках между подходами растягивайте приводящие мышцы, используя, например, позу Лотоса сидя и давя руками на колени;
• во время выполнения не двигайте корпусом и не елозьте ягодицами по сиденью тренажера;
• используйте упражнение как вспомогательное (добивание)
  при тренировке мышц-аддукторов и ставьте его в конец тренировки после выполнения основного объема;
• если чувствуете, что в последнем подходе уже не можете выполнять упражнение в полную амплитуду, используйте быструю серию из укороченных повторов.

Сведение ног в тренажере: эффективно ли оно для сжигания жира внутренней части бедер?

Если спросить у “залипших” на тренажере для сведения ног девушек: чего Вы хотите добиться с помощью приводящей машины, то большинство из них ответит – я хочу, чтобы похудела внутренняя сторона ляжек. Однако стоит понимать, что этого никогда не произойдет, т.к. тренажер предназначен для укрепления приводящих мышц, а не для сжигания жира – это два различных типа ткани, и укрепление мышц никак не приведет к снижению жира, их покрывающих. Даже если Вы сжигаете калории во время выполнения упражнения, Вы не можете уменьшить жир в конкретной (отдельно взятой)
области.

Вывод: тренажер для сведения ног не предназначен для похудения бедер, и он не способен сделать их стройными.

Сведение ног в тренажере: стоит ли заморачиваться?

Часто в выборе тренажера под тренировку конкретной мышцы люди ориентируются на его конструкцию и узкозаточенность. Например, если тренажер на сведение ног, то и соответствующую область, внутреннюю поверхность бедра, он и должен подкачать. В большинстве своем это так, т.е. изоляционная машина направлена на проработку только одной мышечной группы.

Однако что касается приводящего тренажера, то несмотря на его любимость барышнями, он не позволяет добиться конечных целей, в частности — уменьшения бедер (и как следствие стройности ног)
у женщин и набор массы у мужчин (если бедро у них тощее)
.

И все дело тут в том, что на самом деле целевой регион (внутреннее/внешнее бедро)
работает в координации с остальными частями тела. Кроме того, движение в этом тренажере не функциональное (неестественное для организма)
, т.е. нигде не применяется за пределами зала. Прогресс в весе идет достаточно быстро, но чем он больше, тем это сильнее напрягает позвоночник. Коленная чашечка также не скажет Вам спасибо от все возрастающей нагрузки.

Таким образом получается, что как бы Вы ни использовали тренажер для сведения ног, он с большой долей вероятности не изменит Ваш композитный состав ног, для этих целей это бесполезный инструмент. И все дело тут в биомеханике движения. Сама по себе конструкция тренажера сидячая, поэтому мышцы бедер в таком положении никак не работают. Часто бывает, что люди приходят в зал после трудового сидячего дня (допустим офисный сотрудник)
дабы разогнать кровь и привести мышцы в тонус. И, как ни странно, выбирают сами (или по совету тренера)
для тренировки мышц сидячий тренажер. Это не верно. Необходимо выбирать упражнения, в которых требуется удержать баланс и которые используют свободные веса и хождение/стояние с отягощением. В частности, сведение ног можно заменить на перекрестные выпады или отведение ноги на блоке — они позволяют добиться значительно лучшего “тюнинга” ног.

Примечание:

Сказанное не стоит воспринимать как полную несостоятельность приводящего тренажера для проработки соответствующих мышц, нет. Его можно использовать как вспомогательное упражнение к основным (или реабилитационное в случае получения травм)
и включать в конец тренировки, но работа только с ним не даст никакого прогресса в улучшении формы Ваших ног, помните это и не западайте на тренажер как исключительный для тренировки мышц внутренней поверхности бедра.

Думаю, возник резонный вопрос: для чего в залах устанавливают подобные, средне-низкой эффективности, тренажеры. Ответ – если бы их не было, фитнес-центры отвадили бы от своего посещения большую часть женской клиентуры. Вкупе с тем, что женщины боятся свободных весов и стать слишком большими и мышечными, им проще выбрать лайтовую нагрузку по себе.

Поэтому дамы – в деле улучшения форм внутренней части бедер используйте приводящий тренажер с умом и не зацикливайтесь только на нем.

Собственно, у меня все, что хотел — доложил, теперь давайте подытожимся.

Послесловие

Сегодня мы разбирались с упражнением сведение ног в тренажере. Уверен, теперь Вы знаете, как найти этой ненужной груде железа
машинке грамотное применение и как с ней правильно управляться.

На сим все, стройных Вам бедер, дамочки!

PS.

А Вы используете это упражнение в своей программе тренировок? А теперь будете?

PPS.

Помог проект? Тогда оставьте ссылку на него в статусе своей социальной сети — плюс 100
очков к карме, гарантированно.

С уважением и признательностью, Протасов Дмитрий
.

Светлана Маркова

Красота — как драгоценный камень: чем она проще, тем драгоценнее!

Одно из самых любимых женщинами упражнений, которое укрепляет мышцы внутренней части бедра – сведение ног в тренажере. Занятие включается в основную комплексную программу. Особенно полезна такая нагрузка для женщин, ведь она улучшает кровообращение в области малого таза. Дополнительным преимуществом является укрепление коленных суставов и снижение их травмоопасности.

Что такое сведение ног в тренажере

Данное упражнение незамысловатое, и при выполнении практически нельзя ошибиться. Оно представляет собой перемещение ног относительно туловища. Изначально бедра разводятся в стороны, затем их нужно приблизить друг к другу, преодолевая сопротивление валиков. Сведения в тренажере не относятся к необходимым всем движениям. Они не тренируют всю поверхность бедер, не содействуют сжиганию жира и сбросу веса, поэтому их нужно выполнять в совокупности с другими упражнениями.

Такие несложные вспомогательные движения вполне под силу девушкам с любой физической подготовкой. Все, что нужно – подобрать правильную, подходящую своим возможностям нагрузку. Упражнение особенно эффективно, если сочетается с разведением ног. Для этого понадобится тот же тренажер, чтобы задействовать разные мускулы.

Какие мышцы работают

Зная, какие мышцы работают при сведении ног в тренажере, вы будете обращать на них особое внимание при выполнении упражнения, давая соответствующую нагрузку. Занимаясь регулярно, вы укрепите внутреннюю часть бедер, сделаете ее более красивой, что так важно для многих женщин. Занятия затрагивают пресс и позвоночник, задействуется и поясница. Тренировки на данном тренажере улучшат равновесие во время движения, осанку, походку, снизится вероятность получения травм, связанных со слабостью мышц. Особенно движения способствуют проработке таких мышц бедер:

• приводящих;
• коротких;
• гребенчатых;
• длинных.

Техника выполнения

Для начала необходимо ознакомиться с принципом действия силового тренажера. Конструкция представляет собой кресло с рукоятками и мягкими валиками. Техника упражнения на сведение ног в тренажере несложная. С принципом действий разберется даже новичок, но для уверенности желательно обратиться к тренеру. Заниматься можно двумя способами, первый из которых более распространен.

Сведение ног сидя

Установите нужное отягощение. Рекомендуемый начальный вес для женщин – 10 кг, для мужчин – до 25 кг. Сядьте, переместив вес тела на кости седалища, и максимально расставьте ноги, положив на валики, согнув под углом 90°C. Вы должны чувствовать растяжение приводящих мышц. Ровную спину прижмите к спинке, а руками возьмитесь за поручни, чтобы занять исходное положение. Сделайте вдох и напрягите пресс. На выдохе сведите ноги, преодолевая сопротивление. Остановитесь в этом положении на пару секунд. Вдохните, разводя бедра в стороны, сохраняя амплитуду движений.

Попробуйте сделать сведение ног в тренажере сидя 10 раз с минимальным весом. Если вы ощутите усталость и напряжение мышц, такое отягощение вам подходит. Когда нагрузка не сильно ощущается, можно увеличить вес сопротивления. После 10-15 повторений встаньте, немного разомнитесь и сделайте еще один-два подхода. При этом всегда держите спину идеально прямой, не сутультесь. Сидячее положение корпуса можно менять: опереться на спинку, наклонить спину вперед, использовать руки, чтобы помогать себе.

Сведение ног стоя

Есть другой вариант выполнения упражнения. Попробуйте сведение ног стоя на коленях в тренажере. Повернитесь к валикам спиной, а руками возьмитесь за спинку кресла, коленями упритесь в него. Ягодицы немного отведите назад, спину держите ровной. На выдохе нужно свести ноги, опираясь ступнями о мягкие валики, на вдохе – развести их. Это позволит проработать приводящие и внешние мышцы бедер, ягодицы. Не позволяйте, чтобы ноги двигались по инерции. Движения должны быть медленными. Заниматься желательно после растяжки и разогрева тазобедренных суставов.

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.

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 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. Прогресс в достижении цели ограничен 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 были разработаны различные инструменты 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.Функциональность существующего программного обеспечения для моделирования программ разведения варьируется 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 макроэкономической точки зрения.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.

Наша цель состояла в том, чтобы разработать инструмент, который сочетает в себе 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 сохраняться 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 необходимой 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 должно быть присвоено положение в Моргане, и поддерживаются разные скорости рекомбинации для подгрупп (, например, , мужчины / женщины). Информация о количестве маркеров может быть введена вручную или импортирована 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 симуляции, 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 дает прирост 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 человек

, 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 () ) 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 можно установить 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, сохраняется, 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))

Хотя 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

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 предоставить небольшой пример нашей проблемы (в идеале список населения в виде объекта .RData)

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 разрешается 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 ())

Добавлен функционал 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)

Map-файл / параметр карты при создании.diploid () теперь соответствует 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

в create.diploid () теперь использует тот же порядок столбцов, что и файлы карты 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 и 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 скрещивания 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 начального 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 ()

Обновленное руководство 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)

Переименован в selection.criteria на 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. «функция» в случае, если используется selection.criteria, и «random», если нет — если, конечно, вручную не установлено

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 последней проверки 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 хранения / использования 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 собственных фенотипов

Версия 1.4.49 (06.01.20) — Только ветка разработки

Исключить необязательное физическое 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 построении 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

Переименован в ogc_cAc в ogc.cAc для общего единообразия

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

Лучшая 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, независимых 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.
Предупреждения фиксированной проверки CRAN

Версия 0.14.1 (13.11.18):

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

Исследователи разрабатывают программное обеспечение для моделирования сложных селекционных программ — ScienceDaily

Группа исследователей из Геттингенского университета разработала инновационную программу для моделирования селекционных программ. «Симулятор модульной селекционной программы» (MoBPS) позволяет моделировать очень сложные селекционные программы в селекции животных и растений и предназначен для помощи селекционерам в их повседневных решениях.Кроме того, программа призвана стать краеугольным камнем для дальнейших исследований в области селекции в Геттингене. Помимо чисто экономических критериев в селекции, исследовательская группа стремится к таким целям, как устойчивость, сохранение генетического разнообразия и улучшение благополучия животных. Программа была представлена ​​в журнале G3 Genes, Genomes, Genetics.

«Моделируя селекционные программы, можно сделать выводы о генетических улучшениях», — говорит Торстен Пок из Центра комплексных исследований селекции (Cibreed) при Геттингенском университете.«Фактически, потенциально проблемные вопросы, такие как инбридинг или неблагоприятное воздействие на здоровье животных, также могут быть выявлены на ранней стадии». Пок — главный разработчик MoBPS. Программное обеспечение предлагает возможности для реалистичного моделирования общих процессов в селекции, таких как отбор, воспроизводство и сбор данных (например, информация о ДНК, наблюдения за признаками). В то же время он может моделировать миллионы вязок животных с определенными характеристиками всего за несколько минут.

«От моделирования простых программ выращивания кукурузы до повышенного внимания к стабильности костей в коневодстве и моделирования развития популяций благородных оленей в Баден-Вюртемберге за последние 200 лет — все сделано», — сказал Пок.Следующая цель исследовательской группы — разработать дополнительный модуль для MoBPS, который может автоматически оптимизировать селекционные программы с большим количеством переменных и при заданных ограничениях.

История Источник:

Материалы предоставлены Геттингенским университетом . Примечание. Содержимое можно редактировать по стилю и длине.

MoBPS — симулятор модульной программы разведения | Гены G3 | Геномы | Генетика

Аннотация

Пакет R MoBPS обеспечивает эффективную с точки зрения вычислений 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 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 сельскохозяйственных культур в отношении продуктивности, приспособленности и адаптации. Прогресс в достижении цели ограничен 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 были разработаны различные инструменты 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. Функциональность существующего программного обеспечения для моделирования селекционных программ варьируется от детерминированного моделирования на основе когорт, основанного на ожидаемых преимуществах, таких как ZPLAN + (Täubert et al. 2010) в приложения на основе стохастического моделирования отдельных индивидов, такие как QMSim (Sargolzaei and 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 макроэкономической точки зрения. 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 ( e.грамм. , 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.

Наша цель состояла в том, чтобы разработать инструмент, который сочетает в себе 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 группа 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 о населении 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 сохраняться 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 необходимой 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 должно быть присвоено положение в Моргане, и поддерживаются разные скорости рекомбинации для подгрупп (, например, , мужчины / женщины). Информация о количестве маркеров может быть введена вручную или импортирована 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 симуляции, 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 дает прирост 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.

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 человек

, 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 родословной ( гет.родословная () ) 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, предусмотрены функции для получения показателей инбридинга ( kinship.emp () ), развития племенных значений ( bv.development () ) или изменения частоты аллелей с течением времени ( analysis.population () ). для дальнейшего анализа полученного списка населения.

Доступность данных

Исполняемая версия MoBPS и связанных R-пакетов 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 можно установить непосредственно в сеансе R с помощью следующих команд:

install.пакеты (”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, сохраняется, 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 популяции, содержащий более миллиона особей, имел размер только около 0.44 ГБ. Наибольшая доля 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))

Хотя 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.

Цитированная литература

Chen

,

G K

,

P

Майоран

и

J D

Wall

,

2009

Быстрое и гибкое моделирование данных последовательности ДНК.

Genome Res.

19

:

136

—

142

.

Covarrubias-Pazaran

,

G

,

2016

Прогнозирование количественных признаков с помощью генома с использованием пакета r sommer.

PLoS One

11

:

e0156744

.

Danecek

,

P

,

A

Auton

,

G

Abecasis

,

C A

Albers

,

E

Banks

et al. ,

2011

Вариант формата вызова и vcftools.

Биоинформатика

27

:

2156

—

2158

.

Endelman

,

J B

,

2011

Ридже-регрессия и другие ядра для геномной селекции с r-пакетом rrblup.

Геном растений

4

:

250

—

255

.

Faux

,

A-M

,

G

Gorjanc

,

R C

Gaynor

,

M

Battagin

,

S M

Edwards

et al. ,

2016

Alphasim: Программное обеспечение для моделирования селекционной программы.

Геном растений

9

:

геном растений2016.02.0013

.

Ha

,

N-T

,

T

Pook

,

C

Dierks

,

S

Weigend

,

R

Preisinger

et al., 2017 Подход к моделированию для оптимизации программ разведения с применением интрогрессии синего цвета яйца в высокопроизводительную линию несушек. 10-й Европейский симпозиум по генетике птицы

2017

:

107

.

Henderson

,

C R

,

1975

Лучшая линейная несмещенная оценка и прогноз в рамках модели выбора.

Биометрия

31

:

423

—

447

.

Hill

,

W G

,

1974

Прогнозирование и оценка реакции на отбор с перекрывающимися поколениями.

Аним. Sci.

18

:

117

—

139

.

Legarra

,

A

,

O F

Christensen

,

I

Aguilar

и

I

Misztal

,

2014

Одношаговый, общий подход к геномной селекции.

Жива. Sci.

166

:

54

—

65

.

Martini

,

J W R

,

N

Gao

,

D F

Cardoso

,

V

Wimmer

,

M

Erbe

et al.,

2017

Геномное предсказание с моделями эпистаза: о характеристиках расширенного gblup, зависящих от кодирования маркеров, и свойствах категориальной модели эпистаза (ce).

BMC Bioinformatics

18

:

3

.

Meuwissen

,

T H E

,

1997

Максимизация реакции отбора с заранее определенной скоростью инбридинга.

J. Anim. Sci.

75

:

934

—

940

.

Meuwissen

,

T H E

,

B J

Hayes

и

M E

Goddard

,

2001

Прогнозирование общей генетической ценности с использованием карт плотных маркеров по всему геному.

Генетика

157

:

1819

—

1829

.

Pérez

,

P

и

G

de los Campos

,

2014

Регрессия и прогнозирование всего генома с помощью статистического пакета BGLR.

Генетика

198

:

483

—

495

.

Pérez-Enciso

,

M

,

N

Forneris

,

G

de Los Campos

и

A

Legarra

,

2017

с новой предсказательной последовательностью симулятор.

Генетика

205

:

939

—

953

.

Pook

,

T

,

M

Schlather

,

G

de los Campos

,

M

Mayer

,

C C

Schoen

et al.,

2019

Haploblocker: Создание блоков и библиотек гаплотипов для конкретных подгрупп.

Генетика

212

:

1045

—

1061

.

Purcell

,

S

,

B

Neale

,

K

Todd-Brown

,

L

Thomas

,

M A R

Ferreira

et al. ,

2007

Plink: набор инструментов для анализа ассоциации всего генома и популяционного анализа сцепления.

Am. J. Hum. Genet.

81

:

559

—

575

.

R Core Team

,

2017

R: язык и среда для статистических вычислений.

Sargolzaei

,

M

и

F S

Schenkel

,

2009

Qmsim: крупномасштабный симулятор генома для домашнего скота.

Биоинформатика

25

:

680

—

681

.

Шлатер, М., Р. Феррер и М. Кролл, 2019 Randomfieldsutils: Утилиты для моделирования и анализа случайных полей: доступно по адресу https://github.com/tpook92/mobps; r-пакет версии 0.5.9.

Simianer

,

H

,

T

Pook

и

M

Schlather

,

2018

Перевернув страницу — новый взгляд на возможности редактирования генома при селекции сложных признаков. Всемирный конгресс по генетике в животноводстве с.

190

.

Sun

,

X

,

T

Peng

и

R H

Mumm

,

2011

Роль и основы компьютерного моделирования в поддержке критических решений в селекции растений.

Мол. Порода.

28

:

421

—

436

.

Täubert

,

H

,

F

Reinhardt

и

H

Simianer

,

2010

Zplan +, новое программное обеспечение для оценки и оптимизации программ разведения животных.Всемирный конгресс по генетике в животноводстве с.

950

.

VanRaden

,

P M

,

2008

Эффективные методы расчета геномных прогнозов.

J. Dairy Sci.

91

:

4414

—

4423

.

Zerbino

,

D R

,

P

Achuthan

,

W

Akanni

,

M R

Amode

,

D

Barrell

et al.,

2017

Ensembl 2018.

Nucleic Acids Res.

46

:

D754

—

D761

.

© 2020 Pook et al.

(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

Моделирование нескольких коррелированных признаков с базовым и без него-

98

Поддерживается 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), отобранных внутри или сгенерированных 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, развитие

116

инбридинга), в которых интересует один человек 117

Общие методы для отбор, такой как оптимальный генетический вклад.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, такие как

127

различных матриц родословных и геномных отношений (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)). Однако для выполнения моделирования в

132

MoBPS требуются не указанные выше пакеты.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 = «all») 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 или 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.Основной 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.

UC Davis Департамент зоотехники

Система DCBSP — это программа моделирования разведения молочного скота для обучения студентов и аспирантов принципам разведения животных, связанным с отбором молочного скота по множеству признаков.

Текущая версия программы (DCBSP v.4.9) написана на FORTRAN 90, и для учащихся разработан веб-интерфейс для взаимодействия с программой в учебной среде. И механизм внутреннего моделирования, и внешний веб-интерфейс управляются модулем, написанным на языке программирования Visual C ++, который загружает входные файлы, запускает моделирование и выгружает выходные файлы в соответствующие каталоги для каждого учащегося на веб-сайте. .

Система размещена на нашем выделенном сервере моделирования в Калифорнийском университете в Дэвисе, и в настоящее время 13 университетов используют нашу систему в своих курсах по ведению дневников.

DCBSP1a

Калифорнийский университет, Дэвис
Калифорния, США

Инструкторы: Хуан Ф. Медрано, Майкл Миллер, Хао Ченг

DCBSP1b

Университет Гвельфов
Гвельф, Онтарио, КАНАДА

Инструктор: Анджела Кановас

DCBSP2

Государственный университет Нью-Мексико
Нью-Мексико, США

Инструктор: Адам Саммерс

DCBSP3

Universidad de Zaragoza (UNIZAR)
ИСПАНИЯ

Инструктор: Луис Варона

DCBSP4

Государственный университет Южной Дакоты
Южная Дакота, США

Инструктор: Джилл Андерсон

DCBSP5

Ecole Nationale Superieure Agronomique de Toulouse,
ФРАНЦИЯ

Инструктор: Зульма Витезика

DCBSP6

Университет Невады Рино
Невада, США

Инструктор: Миган Э.Серый

DCBSP7

Университет Миннесоты
Миннесота, США

Инструктор: Энтони Дж. Сейкора

DCBSP8

Университет Иллинойса в Урбане-Шампейне
Иллинойс, США

Инструктор: Сандра Родригес-Зас

DCBSP9

Обернский университет
Алабама, США

Инструктор: Лиза Крис-Андерсон

DCBSP10

Virginia Tech
Virginia, USA

Инструктор: Ребекка Р.Кокрум

DCBSP11

Университет Гвельфов
Риджтаун, Онтарио, КАНАДА

Инструктор: Гейл Карпентер

DCBSP12

Колледж Южного Айдахо
Твин-Фолс, Айдахо, США

Инструктор: Рик Паркер

Если вы хотите создать сайт для своего университета, обращайтесь:

Хуан Ф. Медрано, доктор философии
Почетный профессор
Департамент зоотехники
Калифорнийский университет
One Shields Ave
Davis, CA 95616
США

Тел .