猪50K液相芯片基因组选择效果分析

本研究收集了1 267头大白猪的生长性能测定记录和800头大白猪的繁殖记录,并用猪50K固相芯片（Geneseek）及基于靶向捕获测序技术的猪50K液相芯片（液相50K）进行基因型分型,比较2款芯片基因组选择的准确性。采用一步法模型,估计达百公斤体重日龄、百公斤活体背膘厚和总产仔数3个性状的基因组育种值。本研究探究不同参考群体规模对基因组选择的影响,生长性状设置500和1 000 2个参考群体规模,繁殖性状设置400和700 2个参考群体规模。结果表明,液相50K与Geneseek芯片具有很好的兼容性,液相50K在2个生长性状的基因组选择准确性比Geneseek平均高出1.7%,对总产仔数的基因组选择准确性略高于Geneseek,但提升幅度较小。2款芯片的并集使标记数增加到62 039个SNP,基因组选择准确性比单款芯片平均提升2.9%。无论是单款芯片还是2款芯片并集,随着参考群体规模扩大,基因组选择准确性明显上升。本研究表明液相芯片技术能够用于基因组选择且有优势,研究结果可为我国猪分子育种提供参考。     

基因组选择技术及其在猪育种中的应用探讨

基因组选择(Genomic Selection,GS)技术是利用覆盖全基因组与性状相连锁的标记信息,通过标记效应的求解和加和,得到个体基因组估计育种值(GEBV),从而达到对畜禽个体进行准确选择的目的。该技术率先在奶牛育种中得到广泛应用。在猪育种中,以杜洛克猪为代表,基因组选择技术的应用可以达到早期选择和提高选择准确性的效果,然而对于母系猪(以繁殖性状选择为主),并没有经济有效的利用方案。本文首先对基因组选择应用过程中关键问题进行讨论;其次简要介绍了基因组选择技术在父系猪中的应用情况;最后围绕我国母系猪育种的现状,探讨基因组选择技术在母系猪中如何应用。     

近年来动物遗传育种领域的一个热点——全基因组选择

基因组选择近年来成为动物遗传育种领域的一个热点,并有望在将来引起传统育种方式产生重大的变化。猪的基因组选择目前主要是利用基因组信息和猪屠宰、繁殖性状的生产记录对猪进行选择。猪的育种值并不能直接观察得到,而是利用个体本身和亲属信息(后裔、同胞及祖先)估计个体的育种值。所利用的信息越多,育种值估计的准确性越高。基因组选择的基本思想是基因分型个体的DNA信息包括来自其他远缘及无关基因分型个体的信息。     

猪重要经济性状选择的遗传进展

随着规模化养猪进程的加快,选育出生产性能优秀的生猪的意义日趋重要。为了促进我国养猪水平的发展,就要加强对猪遗传育种工作研究的重视程度。猪的经济性状包括繁殖性状、生长性状、胴体性状以及肉质性状,这些性状在生猪的选育改良中占据重要地位;生猪的选育方法有常规育种、转基因育种以及分子育种,随着计算机科学技术和分子生物学的发展,育种的方法也得到了发展,大量的先进的育种方法如基因组选择(GS)、标记辅助选择(MAS)、转基因和基因编辑育种等方法,有力地促进了猪经济性状的遗传改良,加快了选择进展。文章就近些年国内外猪的经济性状选择的遗传进展加以综述,旨在为我国的生猪改良提供思路和策略以及猪的选育改良提供方向。     

基因组选择在我国种猪育种中应用的探讨

种猪育种对我国养猪业起着极其重要的作用。基因组选择在我国猪育种生产中的应用水平尚不及欧美发达国家的种猪企业。完整的性能记录、高效的数据系统和资金投入的缺乏是制约基因组选择在我国猪育种生产中应用的重要因素。基因组选择能够增加不同性状遗传评估的育种值准确性,尤其是增加低遗传力性状的准确性。基因组选择在杂交优势、选配和多品种评估方面均具有应用优势。我国种猪企业需要进一步完善表型和性能数据的收集,制定长期的育种规划。通过区域性的联合评估和基因组选择技术的应用,加速群体的遗传进展,加速提升我国商品猪的生产性能。     

国内外肉牛遗传评估体系概况

种公牛的选育是肉牛育种工作的核心。传统选育肉用种公牛需要经过后裔测定进行选择,其优点是准确性高,但存在周期长、屠宰和肉质性状难以收集、成本高等问题,致其选择效率低。自2001年全基因组选择概念提出后,该技术迅速成为动植物育种领域研究的热点。利用全基因组选择进行肉用种公牛的选育,进行早期选择从而大幅度缩短世代间隔,可以提高繁殖性状等低遗传力性状的选择准确性,加快遗传进展,并大大降低育种成本。2014年,美国安格斯协会开始应用全基因组选择技术,其他欧美发达国家也陆续使用,肉牛育种进入基因组时代。中国自2017年开始使用全基因组选择技术选择青年肉用种公牛,并于2020年在全国范围内使用该技术进行基因组遗传评估。本文综述了国内外肉牛遗传评估现状,以期为我国肉牛育种工作提供参考和借鉴。     

猪育种中的选择性状

对特定性状的选择是最重要的育种措施之一。作者简要综述了猪的繁殖、生长肥育、胴体、肉质、次级性状和体形外貌等性状的具体选择策略及其研究进展。     

河北省大白猪繁殖性状基因组选择参考群体构建和应用

联合育种是我国生猪遗传改良计划的重要工作，联合育种能够扩大群体规模，增加群体内遗传变异，提高育种值估计的准确性，且相较于传统育种方法对低遗传力的繁殖性状有着更明显的效果。本研究收集了河北大好河山养殖有限公司、河北裕丰京安养殖有限公司、石家庄清凉山养殖有限公司（以下分别简称大好河山、京安和清凉山）3家育种场共6 790条大白猪的繁殖性状，构建了基因组选择合并参考群体，通过基因型填充将纽勤50K(Geneseek)芯片基因型填充到液相50K，采用一步法进行基因组联合遗传评估。结果表明：清凉山与裕丰京安两场遗传背景相近，大好河山场与其他两场存在较远的联系；基于系谱信息预测大好河山个体的总产仔数育种值准确性为0.170，基因组预测准确性则为0.324；通过联合基因组遗传评估，总产仔数基因组预测的准确性进一步提升至0.347，比基于单场系谱信息提高了104%。本研究表明通过基因型填充统一各场SNP芯片类型，构建河北省大白猪繁殖性状基因组选择参考群，从而进行联合基因组选择是可行的，尤其对提高常规育种进展缓慢的繁殖性状意义重大。     

猪血液免疫性状的复合基因组选择研究

该研究在提出“复合基因组选择（composite genomic selection）”概念的基础上,利用华中农业大学农业动物遗传育种与繁殖教育部重点实验室构建的免疫资源群体数据,通过交叉验证（cross-validation）策略,与标准GBLUP法对照,利用白细胞（WBC）、噬中性粒细胞（NE）等13项血液免疫性状对复合基因组选择的预测效果开展验证。研究结果表明,除血小板（PLT）等3个性状外,所有性状复合基因组选择的准确性均高于标准GBLUP法,分析结果支持复合基因组选择优于基于单一加性遗传组分的GBLUP的结论。同时,还探讨了不同交叉验证参数组合对复合基因组选择准确性的影响,发现最宜交叉验证倍数是性状特异性的,跟性状特性有关。总之,该研究提出了基于全部遗传组分的复合基因组选择法,并得到猪血液免疫性状数据分析结果的初步支持,特别是针对较小规模群体,复合基因组选择可能是提高基因组预测准确性的有效方法。     

基于液相芯片的猪基因组选择实施新策略

基因组选择已成为动植物育种的革命性技术,在我国猪育种工作中也逐渐开展,但我国猪基因组选择实施情况并不乐观.本文针对我国猪基因组选择育种实践中存在的问题和痛点,利用自主知识产权的液相芯片优势,提出了"先低后高,先多后少"的基因组育种新策略,通过具体案例,比较了新策略与传统的基因组选择策略和常规育种的优势,新策略成本降低,...     

大白猪基因组选择在不同应用策略下的比较研究

目前,基因组选择（genomic selection,GS）技术已经在种猪育种中开展,但为获得较高的收益,还需研究一些应用策略,如确定仔猪基因分型个体比例和早期仔猪留种比例。本试验选择温氏集团出生于2011—2016年的大白种猪作为研究对象,共有超过4.5万条的生长测定记录,超过7万条繁殖记录,和2 090个个体的简化基因组测序（GBS）数据,其中,出生于2016年7~12月的440个体作为候选群体。研究性状包括两个生长性状（校正100 kg日龄和校正100 kg背膘厚）和一个繁殖性状（总产仔数）。为对比预测效果,在候选群体进行育种值预测时,按照是否利用其基因型或表型信息分为4种预测方案,比较不同方案的预测可靠性和个体选择指数的排名情况。结果显示,在预测候选群育种值时,利用其表型或基因型信息均比不利用时的预测结果更加可靠。对生长性状终测前、后进行基因组选择指数计算,发现,终测后指数排名前30%的个体都位于终测前指数排名前60%内。若仔猪出生后仅选择常规BLUP预测指数排名前60%的个体,会导致有接近15%的具有优秀潜力的个体被遗漏。本研究建议,对所有新生健康仔猪都进行基因分型并计算基因组选择指数,然后对指数排名靠前60%的个体进行性能测定。     

Comparative Analysis of Different Implementation Strategies on Genomic Selection in Large White Pigs

At present, genomic selection (GS) has been applied in pigs breeding, but some implementation strategies, such as the determination of genotyping ratios or early selection rates for piglets, are required to obtain a higher benefit using this technology. The Large White pigs born from 2011 to 2016 at WENS Foodstuff Group Co.,Ltd were chose as the research objects, including more than 45 000 growth measurement records, more than 70 000 reproduction records and 2 090 individuals with genotyping-by-sequencing (GBS) data. The 440 individuals born from July to December in 2016 were used as the candidate individuals. The traits included two growth traits, age at 100 kg and backfat thickness at 100 kg, and one reproduction trait, number of total born. To compare the prediction effects, four prediction scenarios were designed according to including or ignoring the phenotypic or genotypic information of candidate individuals when predicting their breeding values. The predictive reliability of different scenarios and rankings of selection indices of individuals would be compared. The results showed that the results using the phenotypic and genotypic information was more reliable than ignoring them to predict the breeding values of candidate individuals. When genomic selection indices were calculated before and after performances testing for the growth traits, the individuals ranking in the top 30% of indices after testing were all found in the individuals ranking in the top 60% of indices before testing. If the piglets with the top 60% of traditional BLUP indices were only selected, around 15% of individuals with good genetic potentials would be omitted. This study suggests that all healthy piglets after birth are genotyped and their genomic selection indices are calculated, and then the individuals ranking in the top 60% of indices are chose to perform growth measurement.     

利用基因组信息提高畜禽生产性能研究进展

为了满足人们对畜产品需求的快速增长，必须在加快畜禽产业发展的同时把对环境的影响降到最低，提高畜禽遗传特性有望促进这一问题的解决。进入21世纪以来，以基因组选择为核心的分子育种技术迎来了发展机遇，利用该技术可实现早期准确选择，从而大幅度缩短世代间隔，加快群体遗传进展，并显著降低育种成本。虽然在某些畜种中（如奶牛），基因组选择取得了成功，群体也获得较大遗传进展，但仍无法满足快速增长的需求。因此，亟需寻找能够进一步加快遗传进展的方法。研究表明，在SNP标记数据中加入目标性状的已知功能基因信息，可以提高基因组育种值预测的准确性，进而加快遗传进展。而挖掘更多基因组信息的同时，开发更优化的分析方法可以更有助于目标的实现。文章总结了主要畜禽物种的可用基因组数据，包括牛、绵羊、山羊、猪和鸡以及这些数据是如何有助于鉴定影响重要性状的遗传标记和基因，从而进一步提高基因组选择的准确性。     

基于选择信号分析揭示猪终端父本群体间性状趋同的关键基因

【目的】试验旨在揭示终端父本皮特兰猪与杜洛克猪在人工选择作用下重要经济性状呈现出表型趋同的基因组变化特征。【方法】利用376头皮特兰猪、451头杜洛克猪品系Ⅰ、841头杜洛克猪品系Ⅱ和497头杜洛克猪品系Ⅲ群体的50K SNP芯片数据,以100 kb窗口、50 kb步长计算综合单倍型评分(iHS)和等位基因频率差(△AF),分别取前5%作为猪群体内、群体间的基因组选择信号候选区域;利用bedtools分别对iHS、△AF按照左右200 kb进行合并,每2个群体间合并后的iHS、△AF统计量的重叠区域定义为性状趋同区域,并挖掘该区域与猪重要经济性状相关的平行选择信号。【结果】iHS结果显示,在皮特兰猪和杜洛克猪4个群体内共检测到5 112个选择信号候选区域,总长约487.51 Mb。基于△AF方法,于皮特兰猪和杜洛克猪每2个群体间共检测到9 579个选择信号显著区域,总长约913.50 Mb。基于合并后的iHS和△AF,共检测到52个性状趋同区域,总长约4.67 Mb,注释到88个与猪的繁殖、胴体和肉质等性状相关的平行选择候选基因。【结论】皮特兰猪和杜洛克猪群体间存在性状趋同的基因组选择区域有52个,平行选择信号主要涉及猪的繁殖、胴体及肉质等重要经济性状,这与瘦肉型猪种相同的育种方向相关,这些关键基因的发现可为后续商业猪品种遗传改良提供参考。     

国外生猪育种体系简析及对我国生猪育种的几点思考

选择是生猪育种的核心,而准确地选择和选种依赖于完善和成熟的育种体系。国际养猪发达国家(国际育种企业)对育种体系不断完善,长期进行生长、繁殖和肉品质等各类性状的表型测定,运用多场联合评估和基因组选择等方法不断提高遗传评估的准确性,不断挖掘新的育种性状,并进行测定、评估和选育,实现了种猪群体持续的遗传改良和综合性能的不断提升。本文对欧美发达国家(国际育种企业)的生猪育种技术体系进行了综述,以期为我国的生猪育种工作提供参考,并促进我国生猪种业的创新发展。     

利用后裔测定验证大白猪基因组选择实施效果研究

旨在通过测定基因组选择选留的大白公猪的后裔生产性能,探究基因组选择实际育种效果。本研究选用913头大白猪构建参考群体,利用ssGBLUP对新出生的823头大白公猪在去势前进行第一次基因组评估,待生产性能测定后进行第二次基因组评估,最终选留10头性能差异显著的公猪留种,比较其后代生长性状表型和育种值及综合选择指数差异。结果表明,两次基因组遗传评估,达100 kg体重日龄、100 kg活体背膘厚和总产仔数3个性状基因组育种值（GEBV）估计准确性分别由0.56、0.67和0.64提高至0.73、0.73和0.67,两次基因组选择基因组母系指数相关系数为0.82,表明在去势前进行公猪基因组选择具有较高的准确性,可实现种猪早期选择。根据各性状GEBV和基因组母系指数,10头公猪被划分为高、低生产性能组,后裔测定成绩表明,两组公猪后代100 kg体重日龄表型均值之差为2.58 d,育种值之差为3.08 d,100 kg活体背膘厚表型均值之差为1.15 mm,育种值之差为1.03 mm,综合母系指数均值之差为9.3,除后代100 kg体重日龄表型均值之差外,其他差异均达到极显著水平。本研究证明,在基因组评估中具有显著差异的公猪其后代在表型值和育种值等方面均存在显著差异,通过基因组选择能够挑选出优秀种公猪,可将其遗传优势传递给后代。     

Canine fertility: The consequences of selection for special traits

Pedigree dogs and cats are bred aiming to conform breed standards with very poor consideration for breeding stock fertility. At the same time, the genetic asset underlining reproductive traits could be effectively analysed like in other species under selection. The definition of selection targets is very important in breeding protocols determination. The aim of the present work is to present an overview of the different correlations between reproduction and genetics, starting from selection procedure and inbreeding coefficient moving to genomic and the application of SNPs and GWAS on population study and identification of genes involved in phenotypical variation of reproductive traits in dogs. Particular relevance has been given to the concept of inbreeding which effects on canine reproduction have been presented. The use of genomic information in inbreeding coefficient calculation can be considered an improved effective procedure in the evaluation of the genetic variability loss in canine population and its negative effects on reproductive traits.     

快速型黄羽肉鸡饲料利用效率性状的基因组选择研究

旨在探究快速型黄羽肉鸡饲料利用效率性状的遗传参数,评估不同方法所得估计育种值的准确性。本研究以自主培育的快速型黄羽肉鸡E系1 923个个体（其中公鸡1 199只,母鸡724只）为研究素材,采用"京芯一号"鸡55K SNP芯片进行基因分型。分别利用传统最佳线性无偏预测（BLUP）、基因组最佳线性无偏预测（GBLUP）和一步法（SSGBLUP）3种方法,基于加性效应模型进行遗传参数估计,通过10倍交叉验证比较3种方法所得估计育种值的准确性。研究性状包括4个生长性状和4个饲料利用效率性状：42日龄体重（BW42D）、56日龄体重（BW56D）、日均增重（ADG）、日均采食量（ADFI）和饲料转化率（FCR）、剩余采食量（RFI）、剩余增长体重（RG）、剩余采食和增长体重（RIG）。结果显示,4个饲料利用效率性状均为低遗传力（0.08~0.20）,其他生长性状为中等偏低遗传力（0.11~0.35）;4个饲料利用效率性状间均为高度遗传相关,RFI、RIG与ADFI间为中度遗传相关,RFI与ADG间无显著相关性,RIG与ADG间为低度遗传相关。本研究在获得SSGBLUP方法的最佳基因型和系谱矩阵权重比基础上,比较8个性状的估计育种值准确性,SSGBLUP方法获得的准确性分别比传统BLUP和GBLUP方法提高3.85%~14.43%和5.21%~17.89%。综上,以RIG为选择指标能够在降低日均采食量的同时保持日均增重,比RFI更适合快速型黄羽肉鸡的选育目标;采用最佳权重比进行SSGBLUP分析,对目标性状估计育种值的预测性能最优,建议作为快速型黄羽肉鸡基因组选择方法。     

Using Progeny Testing to Evaluate the Efficiency of Genomic Selection in Large White Pigs

This study aimed to evaluate the actual genetic improvement effect of genomic selection in Large White boars through progeny testing in production performance. Nine hundred and thirteen Large White pigs were used to construct a reference group, and 823 new-born Large White boars were used to implement the first genomic selection through ssGBLUP before castration. The second genomic selection were carried out after performance testing, then 10 boars with significant difference in production performance were selected and their offsprings were compared in phenotypic values, estimated breeding values of growth traits and selection index. The results showed that the accuracies of genomic prediction on age at 100 kg body weight, 100 kg backfat thickness and total number born increased from 0.56, 0.67 and 0.64 in the first genomic selection to 0.73, 0.73 and 0.67 in the second genomic selection, respectively. The correlation coefficient of maternal selection index between the two genomic selection before castration and after performance testing was 0.82, which indicated that the first genomic selection before castration was accurate enough to make early selection on boars. According to the genomic breeding values and maternal selection index of 10 selected boars, two groups with high and low production performance were set up. The progeny testing showed that the difference of average phenotypic value between groups was 2.58 days, and the difference of average evaluated breeding value(EBV) between groups was 3.08 days in age at 100 kg body weight, those were 1.15 mm and 1.03 mm in 100 kg backfat thickness, respectively, and the difference in the mean of the comprehensive maternal index was 9.3, all the differences(except age at 100 kg body weight) were extremely significant. This study prove that the offspring of boars with significant differences in genomic evaluation have significant differences in phenotypic values and breeding values, which indicate that, through genomic selection, excellent breeding boars can be selected and their genetic superiority can be passed to their offsprings.