本书较为系统的阐述了动物育种学中新出现的统计方法，主要对系谱数据处理方法，动物遗传育种中的数据模拟，线性模型的建立、求解及其扩展，多性状模型，分子标记和多基因效应单性状模型，MCMC算法，全基因组统计分析等问题进行了较为详细的论述。为了便于读者较为系统的掌握上述内容，本书附录补充了必要的基础知识。为了便于读者理解抽象的统计学公式、算法，本书大部分内容均配有Julia语言代码，这些代码既有便于读者理解，但运行效率较低的示意性代码，也有经过一定优化的代码，并尽可能为程序增加注释，书中的许多代码可以直接用于科学研究。

第一章 Julia语言使用说明
第二章 系谱数据处理方法
第一节 近交系数与亲缘系数
第二节 分子血缘相关矩阵及其逆矩阵计算
第三节 计算实例
第三章 动物遗传育种中的数据模拟
第一节 随机数和随机变量的产生
第二节 误差计算
第三节 使用Julia语言模拟数据
第四节 计算实例
第五节 基因组模拟软件XSim
第四章 线性模型的建立和求解
第一节 单因子模型
第二节 二因子模型
第三节 建立Henderson混合模型方程组
第四节 稀疏矩阵使用
第五章 线性模型的扩展
第一节 有重复记录的动物模型
第二节 母体效应模型
第六章 多性状模型优势
第一节 多性状模型
第二节 Julia语言实现MT模型
第三节 带有缺失数据的多性状模型
第七章 分子标记和多基因效应单性状模型
第一节 标记辅助选择
第二节 混合模型方程组的储存技术
第三节 Julia语言示例
第八章 MCMC算法
第一节 贝叶斯统计
第二节 Julia语言的实现
第三节 贝叶斯统计在多元线性模型中的应用
第四节 贝叶斯统计示例
第五节 多性状模型的Gibbs抽样
第六节 思考题解答
第九章 全基因组连锁及关联分析
第一节 考虑稀有变异非加性效应的基因组分析
第二节 多元混合线性模型
第三节 贝叶斯GWAS
第四节 单步全基因组分析方法
第五节 GBLUP的准确性
第六节 Julia语言示例
第十章 附录
第一节 线性模型简介
第二节 基于系谱的混合线性模型
第三节 预测SNP效应的固定效应模型
第四节 结合有基因型和无基因型家畜数据
第五节 贝叶斯GWAS
第六节 统计基因组学基础
第七节 Julia和R语言混合编程解决稀有变异关联研究问题
参考文献