اولین کارهای عملی برای انجام اصلاح نژاد توسط روبرت بک­ول در سال 1760 شروع شد، وی معتقد بود که والدین برتر، فرزندان برتری تولید می­کنند و انتخاب خود را روی آنها متمرکز کرد. از اواخر قرن 19 با ایجاد و سازماندهی Herd Bookاین امکان بوجود آمد که اطلاعات حیوانات را در دوبخش، شجره و عملکرد ثبت کنند. این عمل رفته رفته زمینه را برای پروژنی تست فراهم کرد. تا اواخر قرن بیستم، گاوهای نر با سیستم­های متداولی همانند پروژنی تست ارزیابی می­شدند و بلاخره سیستم CC (ContemporaryComparison) ابداعگشت. این سیستم شامل مقایسه میانگین تولید اولین دوره شیردهی دختران گاوهای نر تحت پروژنی تست با میانگین تولید سایر تلیسه­های هم­دوره بود. میانگین تولید این دختران، در گله آزمون می­گشت که نشاندهنده این بود که تولید شیر نه تنها توسط شایستگی ژنتیکی، بلکه توسط نوع مدیریت و تغذیه نیز تحت تأثیر قرار می­گیرد.

در اصلاح نژاد دام عموماً داده‌­های فنوتیپی برای برآورد پارامترهای ژنتیکی و پیش بینی ارزش­های اصلاحی مورد استفاده قرار می‌گیرند.برای اخذ ارزش‌های اصلاحی منابع مختلفی از اطلاعات جهت گرفتن دقیق­ترین ارزش اصلاحی یا توان ژنتیکی یک حیوان مورد استفاده قرار می‌گیرند.این اطلاعات شامل اندازه‌های فنوتیپی هستند که نه تنها تحت تاثیر ژن­های حیوان قرار دارند، بلکه توسط تعداد زیادی از اثرات محیطی نیز تحت تأثیر قرار می­گیرند. یک راه حل ساده، گرفتن انحرافات از میانگین می­باشد، این میانگین می تواند میانگین کل جمعیت و یا چنانچه حیوانات در سال­ها یا گله­های متفاوتی عملکرد داشته باشند، میانگین همه حیوانات در سال خاص یا گله خاص باشد. سوالی که مطرح می شود این است که چه میزان از اطلاعات برای برآورد میانگین مورد استفاده است؟ بفرض برآورد میانگین گله براساس 5 حیوان در مقایسه با گله­ای که 100 حیوان دارد، دارای دقت کمتری است. مزیت اصلی مدل خطی این است که همه اثرات مؤثر بر یک اندازه گیری را با برآورد همزمان و توأم و تصحیح برای همدیگر بیان می­نماید. مدل­های خطی عمومی ترین مدل­های آماری هستند که در اصلاح دام جهت پیش بینی ارزش­های اصلاحی از روی مشاهدات فنوتیپی مورد استفاده قرار می­گیرند.

روش BLUPیک تکنیک آماری است که سهم ژنتیکی را از اثرات محیطی به بهترین شکل ممکن با ایجاد ماتریس­‌ها تفکیک می­کند و سپس پیش­بینی دقیقی از BV را ارائه می­دهد. از اولین کاربردهای BLUP، مدل پدری در سال 1970 بود. در این مدل رکوردها نسبت به اثرات محیطی تصحیح گشتند که این عمل نسبت به پروژنی تست برتری داشت، اما همچنان در این مدل نیز اثرات مادری نادیده گرفته شد. سپس مدل حیوانابداع شد. این مدل به علت وارد کردن اطلاعات تمامی خویشاوندان، کارایی بیشتری یافت.در ابتدا اکثر کارها با BLUP تک صفته بود. اما از آنجایی­که در اصلاح دام به دنبال بهبود همزمان صفات هستیم، اصلاح­گران به دنبال مدل­‌های چند صفته رفتند.

نهایتاً در سال 1976 هندرسون و گاوس از BLUP برای ارزیابی چند صفته استفاده نمودند. روشBLUP مانند ایندکس است، اما اثرات محیطی را خود BLUP برآورد می­کند، که لازمه آن وجود شجره و رکورد تمامی اطلاعات حیوانات است. روشBLUP محدودیت ایندکس­گذاری را در مورد اثرات محیطی رفع کرده و بطور همزمان نسبت به اثرات محیطی تصحیح انجام داده وBVرا ارائه می­دهد.همچنین بدلیل محاسبات خطی و ماتریس­های بکاررفته در BLUP این امکان وجود دارد که ارزیابی‌­ها را در هر تعداد گله و باهر تعداد صفت انجام دهیم، که آنرا نسبت به شاخص انتخاب متمایز می­‌کند.

علی­رغم پیشرفت­‌های چشمگیری که در زمینه مدل­‌های پیش­بینی ارزش اصلاحی بکار رفته، اکثر این اطلاعات در قالب مقاله­ها بوده و مرجع روان و به زبان فارسی در زمینه عملیات ماتریسی و پیاده نمودن مدل ­های خطی برای پیش­بینی ارزش اصلاحی در دست نمی‌­باشد.

بدلیل اینکه تعیین ارزش­‌های اصلاحی و نوشتن مدل‌­های خطی همگی در قالب ماتریسی می‌­باشد، برای درک بهتر خواننده، ابتدا در فصل اول تا فصل پنجم، کلیاتی در مورد جبر و عملیات ماتریسی آورده شده است.سپس از فصل ششم تا فصل هشتم، چارچوب کلی کاربرد BLUPدر ارزیابی­های ژنتیکی، تشریح می­گردد. در فصول نهم، دهم و یازدهم، کوواریانس ژنتیکی و نحوه تشکیل ماتریس روابط خویشاوندی بیان شده است. انواع مدل حیوان در فصول دوازده و سیزده و مدل تکرارپذیری در فصل چهاردهم توضیح داده شده است.سپس صفات مادری در فصل پانزده و مدل گروه‌­های ژنتیکی افزایشی در فصل شانزدهم آورده شده است. در فصل هفدهم مدل چندصفتی ارائه می­گردد. در نهایت در فصل هجدهم مدل رگرسیون ثابت و تصادفی و در فصل نوزده،تشکیل مدل­‌های خطی در انتخاب به کمک مارکر مورد بحث قرار می­‌گیرد.

در این کتاب ابتدا سعی شده تعریف کاملی از هر روش ارائه گردد، سپس برای درک بهتر دانشجویان عزیز، از هر روش مثال­‌های متعددی آورده شده و سعی شده است با تعریف فرمول­‌های مناسب، نحوه محاسبه پاسخ­‌های اثرات ثابت و تصادفی تحت مدل­‌های مختلط توضیح داده شود.

پیشگفتار/11

فصل1: ماتریس/13

فصل2: تابعیت خطی، تشکیل ماتریس معکوس و سازگاری معادلات خطی/23

فصل3: جبر ماتریس ها/33

فصل4: عملکرد توزیع متغیرهای تصادفی/39

فصل5: امید ریاضی، واریانس و کوواریانس متغیرهای تصادفی/47

فصل6: بهترین پیش بینی کننده نااریب خطی/87

فصل7: مدل های خطی مختلط/63

فصل8: مدل های مختلط رتبه ناقص/81

فصل9: کوواریانس ژنتیکی/89

فصل10: ماتریس روابط خویشاوندی افزایش و معکوس آن/103

فصل11: تشکیل ماتریس روابط خویشاوندی پدر-پدربزرگ مادری و معکوس آن/115

فصل12: مدل حیوان و مدل های حیوان کاهش یافته/121

فصل13: انواع مدل حیوان/131

فصل14: مدل تکرارپذیری/153

فصل15: مدل صفات مادری/167

فصل16: مدل گروه های ژنتیکی افزایشی/177

فصل17: مدل چندصفتی/185

فصل18: مدل رگرسیون ثابت و تصادفی/213

فصل19: انتخاب به کمک مارکر توسط بهترین پیش بینی کننده خطی/229

منابع/245