2020-11期目录

随着新一代基因组测序技术的快速发展，基因组选择技术在促进优良基因型精准高效选育方面展现了前所未有的应用前景。近年来，基因组选择在动植物数量性状遗传育种领域的研究进展引起了广泛关注，关于其在林木改良驯化中的应用 也逐渐被报道。本文通过综述基因组选择的基本概况、主要模型方法及其在动植物中的研究进展，进一步探讨了基因组选择在林木育种研究中的现状和发展趋势，强调了对预测模型优化与机器学习等新兴技术的引入与方法创新，提出了联合利用全基因组关联分析与基因组编辑技术的优化育种方案，为加快林木优良品种的精准选育提供了新思路。      

全基因组选择在植物育种中的研究进展

育种值的估计是品种选育核心,在农业生产中占有十分重要的地位。全基因组选择通过估计全基因组所有标记或单倍型的效应,从而得到基因组估计的育种值,是分子标记辅助选择的一种新方法。随着高通量基因分型技术的发展及高密度全基因组SNP标记的开发应用,全基因组选择已成为动植物遗传育种的研究热点。对全基因组选择的原理、计算方法、影响准确性的因素及植物育种中的研究现状等进行综述,并对全基因组选择在植物育种的应用进行了展望。     

猪群体一步法基因组选择应用效果评估

【背景】在提高畜牧生产效率中,遗传育种的贡献率占比最高。通过育种可使畜牧企业提高生产效率,获得最大的经济效益。目前,基因组选择已经成为动植物育种中广泛应用的技术手段。基因组选择能够利用覆盖全基因组的高密度标记对育种值进行估计,与系谱信息相比,利用这些标记得到的个体间平均亲缘关系更加准确,从而能更准确地估计育种值（Estimate breeding values, EBV）,对个体进行选育。在实际育种中,对所有个体进行基因分型是不现实的,尤其是猪这种个体经济价值较小的物种,这限制了基因组选择在猪育种中的应用。一步法（single-step genomic best linear unbiased prediction,ssGBLUP）能够同时利用系谱和基因型信息,允许只测定部分个体的基因型,在保持较高预测准确性的同时,大大降低基因分型成本。目前,已经有很多研究表明,在猪育种中使用基因组选择方法能够提高预测准确性,但在实际育种中,育种成本也是畜牧企业考虑的一个重要问题。因此,如何经济有效地实施育种方案,具有重大的研究价值。【目的】通过对一步法基因组选择在杜洛克猪群体评估效果的研究,为基因组选择育种方案提供依据。【方法】以福建某猪场2009—2018年出生的杜洛克猪群体的3个重要经济性状为研究对象,比较了BLUP、GBLUP和一步法等方法在杜洛克猪生长性状上的基因组预测准确性与估计育种值预测可靠性,探究了当参考群中具有不同比例的基因型个体时,一步法预测准确性的变化规律。【结果】（1）达100 kg日龄、背膘厚和眼肌面积的遗传力分别为0.257±0.038、0.250±0.039和0.399±0.040;（2）ssGBLUP相比于BLUP准确性提升14.7%—51.1%;相比于GBLUP准确性提升13.4%—45.7%;（3）10%—30%的个体有基因型时,ssGBLUP预测的准确性超过BLUP;在40%—60%的个体有基因型时,准确性提升速度降低,趋于平缓。【结论】（1）与BLUP相比,一步法能提高各性状估计育种值的准确性和可靠性;与GBLUP方法相比,只有无基因型个体的系谱信息时一步法略低于GBLUP,但在加入无基因型个体的表型信息后,一步法表现优于GBLUP。（2）随着参考群中测定基因型个体的比例逐渐提高,不管使用哪种筛选测定基因型个体的方式（随机选取和筛选关键个体）,一步法预测效果都逐渐提高。表明,在企业育种预算有限时,即使只测定部分个体基因型,一步法可提高基因组选择的预测效果。     

植物数量性状全基因组选择研究进展

全基因组选择是新近开始在植物数量性状研究和植物育种中应用的一种分析方法.它以连锁不平衡为基础,利用BLUP(best linear unbiased prediction)分析方法准确估计某一群体每一遗传标记的育种值,从而只利用这些预测的育种值来进行选择.文章综述了全基因组选择的原理、方法以及全基因组选择在植物育种方面的研究进展,探讨各种因素对全基因组选择的影响,并讨论了全基因组选择在植物数量性状分子育种研究中可能的应用.     

基于GBLUP和BayesB方法对肉鸡屠宰性状基因组预测准确性的比较

【目的】育种值估计是畜禽育种的核心内容,准确的育种值估计是提高选种准确性的重要手段。屠宰性状是肉鸡重要的经济性状,且无法活体测量,利用基因组信息进行育种值估计的基因组选择是十分有力的工具。文章通过比较GBLUP和BayesB方法对肉鸡屠宰性状的基因组预测的准确性,为肉鸡育种值估计的策略提供依据。【方法】用本课题组前期收集的3 362只白羽肉鸡的表型记录,性状包括胸肌率（BrR）、胸肌重（BrW）、屠体重（CW）、腿肌率（ThR）和腿肌重（ThW）。利用中国农业科学院自主研发的“京芯一号”鸡 55 K SNP芯片对所有个体进行了基因分型,采用PLINK软件对芯片的基因型数据进行质量控制,基因组选择的GBLUP和BayesB方法分别由基于R语言的ASReml包和hibayes包实施,并采用世代验证法评估两种方法的基因组育种值的预测准确性。【结果】研究发现基因组选择的准确性与性状的遗传力大致呈正相关。结果显示,在使用GBLUP方法时,预测准确性最高的性状为胸肌率。胸肌率、胸肌重、屠体重、腿肌率和腿肌重的基因组预测的准确性分别为0.3262、0.2871、0.2780、0.2153、0.2126;在使用BayesB方法时,预测准确性最高的性状为胸肌率。5个性状的基因组预测的准确性分别为0.3765、0.2257、0.1376、0.2525、0.2844。结果表明,对于白羽肉鸡屠宰性状的基因组选择研究,BayesB方法的预测准确性略高于GBLUP方法。对于3000的样本量和55 K的标记密度,GBLUP方法的计算时间大约为1h,BayesB方法的计算时间大约为7h。【结论】对于胸肌率、腿肌率和腿肌重,BayesB方法的预测准确性高于GBLUP方法;对于屠体重和胸肌重,GBLUP方法的预测准确性高于BayesB。畜禽的育种工作注重实效性。在实际的育种工作中,需要综合考虑育种值估计的准确性和育种的时效性来决定用何种方式估计基因组育种值。     

作物分子标记辅助选择育种的现状与展望

分子标记辅助选择育种可以通过精准选择目标性状提高育种效率,加快育种进程。分子标记辅助选择已在主要农作物育种中广泛应用,全基因组选择正逐步成为研究热点,有望推动分子标记辅助选择育种技术的更快发展。综述了分子标记辅助育种的基础及在农作物中的应用进展,全基因组选择的原理、方法、优势以及全基因组选择在植物育种方面的应用,并对作物分子选择育种作出了展望。     

机器学习在动物基因组选择中的研究进展

基因组选择是指利用覆盖在全基因组范围内的分子标记信息来估计个体育种值。利用基因组信息能够避免因系谱错误带来的诸多问题，提高选择准确性并缩短育种世代间隔。根据统计模型的不同，基因组选择方法可大致分为基于BLUP(best linear unbiased prediction, BLUP)理论的方法、基于贝叶斯理论的方法和其他方法。目前应用较多的是GBLUP及其改进方法 ssGBLUP。准确性是基因组选择模型最常用的评价指标，用来衡量真实值和估计值之间的相似程度。影响准确性的因素可以从模型中体现，大致分为可控因素和不可控因素。传统基因组选择方法促进了动物育种的快速发展，但这些方法目前都面临着多群体、多组学和计算等诸多挑战，不能捕获基因组高维数据间的非线性关系。作为人工智能的一个分支，机器学习是最贴近生物掌握自然语言处理能力的一种方式。机器学习从数据中提取特征并自动总结规律，利用该规律与新数据进行预测。对于基因组信息，机器学习无需进行分布假设，且所有的标记信息都能够被考虑进模型当中。相比于传统的基因组选择方法，机器学习更容易捕获基因型之间、表型与环境之间的复杂关系。因此，机器学习在动物基因组...     

北京地区大白猪基因组联合育种研究

【目的】 利用基因组选择技术,进行北京地区大白猪基因组联合遗传评估,并实施基因组选择分子育种,预测刚出生的小公猪基因组估计育种值,提高选种准确性。【方法】 利用北京地区3家核心育种场英、美系大白猪2007-2017年场内性能测定记录,筛选4020头个体构建基因组选择混合参考群,性状包括达100kg体重日龄、100kg活体背膘厚和总产仔数,参考群个体和候选公猪个体基因型信息主要采用Illumina 80K SNP芯片进行测定。基因组育种值采用同时利用系谱信息和基因组信息的一步法（SSGBLUP）方法,对3家核心场猪只进行基因组联合遗传评估,分别在公猪去势前和性能测定结束时预测大白公猪生长性状和繁殖性状基因组估计育种值（GEBV）,并进行相应选种。3个场之间的场间遗传联系用关联率衡量。【结果】 场间关联率计算结果表明,由于遗传背景差异,北京地区3家核心场场间遗传联系偏低,无法开展传统联合遗传评估,但基于基因组信息的G矩阵亲缘关系结果显示,不同群体间个体存在亲缘关系,说明通过基因组选择可以实现3个育种场间的基因组联合遗传评估。基因组选择实施后,累计基因组预测大白公猪1789头。与传统育种方式相比,基因组选择准确性大幅提高。实施第一次基因组选择或早期选择时（公猪去势前）,达100 kg体重日龄、100 kg活体背膘厚和总产仔数系谱指数的准确性分别为0.55,0.56和0.41,而3个性状GEBV的准确性分别为0.65,0.70和0.60,提高了10、14和19个百分点。终选（性能测定结束）时,3个性状的传统育种值（EBV）准确性为0.70、0.72和0.41,GEBV准确性进一步提高至0.78、0.84和0.60,提高了8、12和19个百分点。低遗传力的总产仔数准确性提高幅度最大。公猪去势前初选时基因组选择准确性与常规性能测定结束时的常规育种值选择准确性几乎一致,表明基因组选择早期选种效果与常规育种相当,节省了育种时间和成本。338头完成性能测定的候选公猪两次基因组选择准确性表明,第二次基因组选择由于加入了候选公猪的测定信息,达100kg体重日龄和100kg活体背膘厚的GEBV准确性由第一次的0.55和0.62分别提高到0.72和0.84,提高了17和22个百分点。无偏性系数在0.82-1.00之间,两性状GEBV的无偏性由第一次基因组选择的0.82、0.96 分别提高到0.91、1.00,说明第二次估计的偏差更小,结果可信度更高,能更准确选出优秀的种公猪。【结论】 基因组选择可以建立场间遗传联系,实现常规育种不能进行的联合遗传评估,能够进行更大范围的联合育种。基因组选择的准确性高于传统的系谱指数和育种值选种,且低遗传力性状提高幅度最大。基因组选择能够实现早期选择,提高育种效益。     

作物数量遗传研究回顾与展望

数量遗传学是遗传学的重要分支,是进化研究和动植物育种的重要理论基础.扬州大学数量遗传研究室长期从事作物数量性状遗传分析方法和应用研究工作.系统综述了该团队30余年来在三倍体胚乳性状数量遗传模型和分析方法、作物质量-数量性状遗传分析方法、数量性状基因定位方法以及作物全基因组选择育种模型构建和分析方法等方面的研究进展,并对后基因组时代的数量遗传研究进行了展望.     

植物全基因组选择育种研究进展与前景

全基因组选择是指基于基因组育种值(GEBV)的选择方法,指通过检测覆盖全基因组的分子标记,利用基因组水平的遗传信息对个体进行遗传评估,以期获得更高的育种值估计准确度。当前,大部分关于全基因组选择的研究都集中在动物育种领域,其中有限群体容量的连锁不平衡、衰减程度、育种目标、试验设计和其他群体的特性以及育种程序都和植物育种不同。随着生物技术的迅猛发展,全基因组选择近年开始在植物数量性状研究和植物育种中也取得了一定的进展。综述了全基因组选择的原理、方法、优势以及全基因组选择在植物育种方面的研究进展。