ASReml 1993年由澳大利亚产业部和洛桑试验站共同开发。ASReml专为线性混合模型而生，目前广泛应用于动植物育种和农业试验、环境科学、医药研究等领域，对有大数据分析需求的科研人员来说，是一个非常重要的工具。目前已更新至ASReml-SA 和ASReml-R4。
ASReml应用Reml 法，并结合Average Information (AI)和稀疏矩阵算法法，对处理大型数据和复杂模型非常有利(500,000效应以上)，可灵活多变的定义随机效应和残差项 。
ASReml的优势
- 其引擎为REML算法，并结合平均信息算法(AI)和稀疏矩阵(Sparse matrix)，能够快速、准确的完成大型数据复杂模型的分析。
- 主要适用于大型数据混合线性模型的拟合分析，随机项和残差项定义简便灵活。
ASReml 主要应用于：
- 分析半同胞、全同胞、父本模型、动物模型等模型
- 计算BLUP育种值
- 处理重复测量数据
- 处理平衡非平衡的试验设计
- 处理多环境试验（MET）和元分析（meta-analysis）
- 处理规则和不规则的空间分析数据
- 计算遗传力、重复力、遗传相关、表型相关等遗传参数
- 处理基因组数据，估计GBLUP
ASReml-R 4新功能
在第四版中我们做了很多开发和更新工作，包括命名法更加合理和统一，更规范的模型写法和输出对象，和一些扩展函数功能等。例如：
- 拟合随机回归模型的计算更高效，特别是针对变量比观测值更多维的模型，这种情况在使用SNP分子标记时比较常见
- 拟合在方差结构参数的线性关系
- 方差分量及其标准误的近似计算
- 计算信息量。
- 更简单，一致和更适用模型残差的直和结构。通常发生在观察值需要分区，需要分别定义它们的方差结构时。如，在多环境（MET）分析中，每一个地点需要分别定义他们的空间结构和残差结构
- 更加简洁和统一地规范和拟合已知的方差矩阵，包括亲缘关系矩阵, 以及对奇异阵的补充
- own() 新函数，允许用户自定义方差结构
- 广义线性模型的扩展，包括阈值模型，多变量模型中一个变量服从高斯分布，另一变量符合其它指数分布
- 生成设计矩阵
- 预测模型中，可生成因子水平的组合或水平的子集的函数
2020 ASReml-R 4 培训安排
