一句话讲清楚：先用一大批既有生产成绩、又测了基因型的个体“训练”一个模型，再用这个模型给只有基因型的年轻个体估算基因组育种值（GEBV），在它出生时就挑出好种畜。
点任意一步查看动画和讲解，或让它自动播放。
模型训练好后，每个 SNP 都有一个效应值 a（表头那一行）。三头犊牛还没有任何生产记录，只要把各自的基因型乘上效应再加起来，就得到 GEBV。点格子改基因型（0→1→2），看看排名怎么变。
提示：效应为正的位点，多携带一个 B 就加分；效应为负的位点则扣分。
竖线为 0（群体平均水平）。真实评估中有几万个位点，单个位点效应都很小。
准确性主要由三件事决定：参考群有多少头（N）、性状遗传力多高（h²）、群体的基因组有多“复杂”（独立染色体片段数 Me）。下图用 Daetwyler 等（2008）的公式：r = √( N·h² / (N·h² + Me) )。
低遗传力性状（如繁殖、抗病）需要大得多的参考群；Me 与有效群体大小和基因组长度大致成正比，品种越“杂”，Me 越大。
每年遗传进展 ΔG = i · r · σA / L。基因组选择的准确性 r 未必比后裔测定高，但世代间隔 L 大幅缩短，年进展反而更快。下面以奶牛公牛选择为例（示意数值），时间轴上每个图标代表一次世代更替。
GBLUP 就是你熟悉的动物模型 y = Xb + Zu + e，唯一的变化是 u 的协方差从 Aσ²a 换成 Gσ²g。系谱只知道全同胞“平均”共享一半基因，标记却能看到他们实际分到了多少（孟德尔抽样）。
任何一对全同胞都是 0.50，分不出谁更像谁。
这对全同胞实际相似度 0.62，比期望高；选择时能区分同一家系里的好坏个体。