母猪初情期全基因组关联分析和位置候选基因研究

 通信作者陈从英,Tel/Fax：0791-83813080;E-mail：chcy75@  hotmail.com【目的】分离影响母猪初情期的主效基因或分子标记。【方法】以白色杜洛克×二花脸资源群体F2代母猪为研究材料,利用Illumina猪60K SNP芯片分别对F0和F1及316头有初情期表型记录的F2代母猪进行基因型判定,通过单标记全基因组关联分析（GWAS）和连锁-连锁不平衡（LDLA）分析检测与母猪初情期显著关联的SNP位点或单倍型。采用标准关联分析、标记辅助关联分析和F值下降检验分析lin-28同源B基因（LIN28B）和跨膜蛋白38B基因（TMEM38B）3个SNP位点与母猪初情期的关联性。【结果】①与母猪初情期关联性最强的SNP为ASGA0032316,位于7号染色体（SSC7）33.07 Mb处RAB23基因内含子中,同时在1、6、12、15和17号染色体也检测到与母猪初情期显著关联的SNP;②达基因组显著水平的单倍型均位于SSC7,其中关联性最强的单倍型位于SSC7的38.39 -38.47 Mb处F1RVR7和ZFAND3基因之间的基因间隔区;③LIN28B和TMEM38B基因的3个SNP与母猪初情期均未达到显著相关（P＞0.05)。【结论】在白色杜洛克×二花脸资源群体中,与母猪初情期关联性最强的SNP位点和单倍型均定位于7号染色体, 1、6、12、15和17号染色体也定位到与母猪初情期显著关联的SNP,LIN28B和TMEM38B基因不是1号染色体QTL区间内的因果基因或需要搜寻更多的SNP进行分析验证。     

全基因组关联分析鉴别白色杜洛克×二花脸F2资源家系中猪阴囊疝易感基因位点的鉴定

【目的】通过基于单倍型的病例-对照全基因组关联分析(GWAS)鉴别白色杜洛克×二花脸F2资源家系中影响猪阴囊疝的易感位点及位置功能候选基因,并在远缘纯种猪阴囊疝三联体核心家系（Trio）群体中进行重复验证。【方法】利用Illumina porcine 60K SNP芯片对1 020头白色杜洛克×二花脸F2资源家系阴囊疝群体(包含19个阴囊疝患病个体)进行扫描获取基因型。通过Plink v1.07软件对基因型数据进行质量控制;剔除个体基因型检出率< 90%的个体,剔除SNP位点检出率< 90%、哈迪温伯格平衡卡方检验P≤10-3和最小等位基因频率< 0.05及性染色体上和无法定位的SNP位点。质控合格的SNP位点用PHASEBOOK构建出F2资源家系中每个个体的单倍型,并采用隐马尔可夫模型将其归类到数目预先定义的祖先单倍型中。使用基于广义线性混合模型的GLASCOW软件进行利用祖先单倍型的病例-对照全基因组关联分析。采用保守的Bonferroni校正方法得到基因组显著水平和染色体显著水平的阈值。对F2资源家系中达到染色体显著水平的易感SNP位点在包含237个患病个体的远缘纯种猪阴囊疝三联体核心家系(Trio)群体中进行同样的质控,并利用Haploview软件对质控合格的SNP位点分别展开基于单点和基于单倍型的传递不平衡分析(TDT),进行重复验证。【结果】白色杜洛克×二花脸F2资源家系中全部个体的38 033个SNP标记通过质控。在GWAS分析中,共发现108个达染色体显著水平(P<2.63×10-5)的猪阴囊疝关联SNP位点,分别位于染色体2、8和17上,最强相关的SNP位点位于17号染色体上。在远缘三联体核心家系群中,724个个体的96个SNP位点通过质控。对质控合格的SNP位点进行基于单点的TDT分析,结果发现5个显著相关的SNP位点得到重复验证(P<0.05),其中2号染色体上有1个SNP位点和17号染色体上有4个SNP位点,分别位于IQGAP2,CHMP4B,SERINC3,ZNF334 等4个基因内或其上下游。基于单倍型的TDT验证分析发现两个易感单倍型框,其中与基于单点TDT验证分析有重合的仅有SSC17上CHMP4B内及下游的两个易感位点。结合疝气发生机制及TDT分析结果,推测IQGAP2和CHMP4B可能是影响猪阴囊疝发生的两个重要的位置功能候选基因。【结论】本研究利用基于小样本的GWAS分析和较大样本群验证分析,在SSC2和SSC17上分别鉴别1个和4个阴囊疝易感位点,在SSC17上鉴别到两个易感单倍型。易感位点附近的2个基因IQGAP2和CHMP4B可能是影响猪阴囊疝发生的位置功能候选基因,值得进一步研究。     

杜洛克猪生长性状全基因组关联分析

对猪全基因组高密度SNP基因型数据及生长性状表型数据进行全基因组关联分析,以期找到影响这些性状的候选基因,更准确地了解这些生长性状的遗传基础。利用Illumina猪60KSNP芯片对191头杜洛克猪进行基因型检测,使用R语言环境下GenABEL 软件包提供的单标记回归分析模型,对体重达100 kg 日龄(D100)、活体背膘厚(BFT)和活体眼肌面积(LMA)3个生长性状的表型分别进行全基因组关联分析。在D100和LMA2个性状中分别检测到1个基因组水平和6个染色体水平显著关联的SNP,均位于5号染色体;没有检测到与BFT显著相关的SNP。生物信息学分析表明,BTG1和EFCAB6可能是影响生长性状的重要候选基因,但其功能有待进一步研究确认。关键词猪;全基因组关联分析;候选基因;生产性状。     

利用高密度SNP对猪血糖和糖基化血清蛋白性状的全基因组关联分析

【目的】测定苏太猪和白色杜洛克×二花脸F₂资源家系240 d血糖（glucose,GLU）和糖基化血清蛋白（glycosylated serum proteins,GSP）浓度,采用全基因组关联分析定位影响GLU和GSP的染色体位点,为最终鉴别影响该性状的因果基因奠定基础,同时为人类低血糖症和糖尿病的遗传学研究提供参考。【方法】分别将435头苏太猪和760头白色杜洛克×二花脸F2资源家系F₂个体在相同条件下饲养至240日龄进行统一屠宰,收集血液后分离血清,利用全自动生化分析仪测定GLU和GSP浓度。采集猪只耳组织提取DNA并测定DNA浓度。将质检合格的DNA样品利用Illumina porcine 60K SNP芯片判定基因型。运用PLINK软件对SNP判型结果进行质控,将合格的SNP标记用于后续的关联性分析,利用广义混合线性模型及R语言GenABEL软件包进行全基因组关联分析,定位影响苏太猪和白色杜洛克×二花脸F₂资源家系240 d血清GLU和GSP含量的染色体位点。根据全基因组关联分析结果从Ensembl或NCBI网站上分析可能的位置候选基因。【结果】全基因组关联分析共检测到5个与血清GLU和GSP达染色体显著水平相关的SNP位点。其中白色杜洛克×二花脸F₂资源群体在10号染色体（SSC10）24.67Mb处定位到与血清GSP含量显著相关的SNP（ALGA0057739,P=1.58×10^-5）,解释表型变异为3.72%。苏太猪群体共检测到2个与血清GSP显著相关的SNP（ALGA0108699和DRGA0017552,P=1.45×10^-5）,解释表型变异均为3.72%。使用猪参考基因组序列（10.2版本）,无法定位到具体的染色体位置。通过人、猪比较基因组分析,这两个SNP都位于SSC8,距STPG2基因3’端约180.0—193.0 kb。将两个群体进行Meta分析,未发现新的与GSP显著相关的SNP;在1号染色体250.32Mb处（DRGA0002016,P=2.48×10^-5）和14号染色体43.97Mb处（ASGA0062984,P=1.29×10^-5）,定位到与血清GLU显著相关的SNP。通过搜寻显著相关SNP所在染色体区域内的注释基因,发现ASPM、TRPM3和KCTD10 等基因是影响血清GSP和GLU的重要候选基因。【结论】检测到5个显著影响猪血清GLU和GSP的SNP位点。这些SNP位点所处染色体区域内的ASPM、TRPM3、STPG2和KCTD10基因是影响血清GSP和GLU的重要候选基因。     

利用CottonSNP63K芯片构建棉花品种的指纹图谱

【目的】利用SNP位点的单拷贝特性,结合陆地棉TM-1参考基因组序列信息,筛选基因组特异的SNP。【方法】以719份遗传背景来源广泛的陆地棉种质资源为材料,采用Illumina公司开发的Cotton SNP63K芯片,利用Genome Studio软件对芯片扫描所获得原始数据进行基因型数据质量控制,获得待测样品SNP位点的基因型数据。根据已公布的陆地棉TM-1基因组的两个版本——中国农业科学院棉花研究所版本Gossypium hirsutum(AD1)genome BGI v1.0与南京农业大学版本G.hirsutum(AD1)genome NBI v1.1为参考序列,对Cotton SNP63K芯片(63 058个SNP)各位点的侧翼序列分别进行全基因组Blast比对分析,以筛选具有单拷贝特性的特异SNP位点并用于样品指纹图谱的构建。【结果】利用Cotton SNP63K芯片对719份材料进行SNP位点基因分型,主要表现为无检出信号的SNP位点、无多态性的SNP位点、具有多态性的SNP位点,而具有多态性的SNP位点的分型结果又可分为单位点SNP(基因组特异SNP)、双位点SNP和多位点SNP。通过对两个已公布的陆地棉TM-1参考基因组序列Blast比对结果表明,中国农业科学院棉花研究所TM-1基因组版本比对获得基因组特异SNP标记为5 474个,而南京农业大学TM-1基因组版本比对获得基因组特异SNP标记仅为1 850个,两者共有的特异SNP为1 594个,进一步通过分型效果、检出率及多态性3个评价指标,筛选score值≥0.7,call frequency值≥0.95,且MAF值≥0.2的SNP位点,获得471个分型效果理想,检出率高且多态性较高的特异SNP位点。在471个SNP位点中,430个位于染色体上,41个位于scaffold片段上。考虑到标记间的连锁程度,剔除连锁标记37个,最终获得393个核心SNP位点。利用393个核心SNP构建了719份品种资源的特征DNA指纹图谱,除个别材料之间遗传背景高度相似、基因型完全一致外,97%的材料均能实现准确有效的鉴别。【结论】筛选出393个基因组特异的SNP,并利用这些核心SNP构建了719份资源材料的特征DNA指纹图谱,为SNP分子标记应用于棉花重要性状遗传改良提供了参考。     

限制性两阶段多位点全基因组关联分析法在遗传育种中的应用

全基因组关联分析（genome-wide association studies,GWAS）通过建立全基因组高密度分子标记以检测基因型与表型间的关联性,已成为动植物数量性状遗传解析的主要方法。然而,以往GWAS方法只注重于个别主要QTL的检测,而且使用仅有2个等位变异的SNP标记不能检测自然群体中广泛存在的复等位变异,一定程度限制了GWAS的应用。限制性两阶段多位点全基因组关联分析方法（RTM-GWAS）首先根据全基因组高密度SNP标记间的连锁不平衡程度,将多个相邻且紧密连锁的SNP标记组成为具有复等位变异（单倍型）的连锁不平衡区段（SNPLDB）标记。其次,RTM-GWAS使用由SNPLDB标记计算的遗传相似系数矩阵作为群体结构偏差的通用估计,并提取该矩阵的特征向量作为模型协变量以降低由群体结构偏差导致的假阳性。最后,利用具有复等位变异的SNPLDB标记与建立的多位点复等位变异模型,RTM-GWAS将性状遗传率作为QTL表型变异解释率的上限,通过两阶段分析策略高效地进行全基因组QTL及其复等位变异的检测,并最终构建多QTL遗传模型。该法还可以基于性状小区观测值,建立QTL与环境互作多位点模型,不仅能检测与环境有交互作用的主效应QTL,还能检测仅与环境有交互作用的无主效应QTL。RTM-GWAS不仅解决了以往GWAS不能估计复等位变异的问题,而且通过使用多位点模型拟合多个QTL提高了检测功效并能有效地控制假阳性的膨胀,为全面解析自然群体QTL及其复等变异提供了通道。该法能估计出等位基因的效应及其在群体内的相对频率,由其结果建立的QTL-allele矩阵代表了目标性状在群体中的全部遗传组成,不仅可用于候选基因发掘,还为群体内QTL及其复等位变异（基因及其复等位基因）的动态研究（群体遗传分化以及特有与新生等位变异）提供了新的工具。依据QTL-allele矩阵,还能进一步利用计算机模拟产生杂交组合后代基因型,并预测杂交组合后代纯合群体的表现,从而进行优化组合设计与分子设计育种。此外,RTM-GWAS还适用于双亲杂交后代重组自交系群体以及多亲杂交后代巢式关联作图群体,因避免了群体结构偏离的干扰,检测功效更高。本文归纳了RTM-GWAS的原理和方法,并综述了其在遗传育种研究中的应用。     

枫泾猪、梅山猪和沙乌头猪全基因组ROH检测及候选基因鉴定

通过检测枫泾猪、梅山猪和沙乌头猪的长纯合片段(Runs of homozygosity,ROH),鉴定其与3个猪种经济性状相关的候选基因.利用全基因组单核苷酸多态性(Single Nucleotide Polymorphisms,SNP)芯片数据对这3个猪群体进行全基因组ROH检测,统计ROH数量、长度及分布,计算基于ROH的近交系数(FROH),并在高频ROH区域鉴定候选功能基因.结果显示,从枫泾猪、梅山猪和沙乌头猪群体中分别检测到1588个、3314个和4419个ROH.枫泾猪的ROH平均长度为12.84 Mb,平均FROH为0.084;梅山猪的ROH平均长度为10.55 Mb,平均FROH为0.164;沙乌头猪的ROH平均长度为10.52 Mb,平均FROH为0.141.在高频ROH区域共鉴定到9个枫泾猪候选功能基因和8个梅山猪候选功能基因.研究结果为枫泾猪、梅山猪和沙乌头猪的资源保护和分子标记辅助选择奠定了基础.     

3款猪50K SNP芯片基因型填充至序列数据的效果评估

【目的】利用猪 50K SNP（Single nucleotide polymorphisms） 芯片开展基因组育种已经得到了广泛的应用与认可。基因型填充可在不增加基因型检测成本的前提下大幅提高基因型数据量，有利于开展复杂性状的遗传解析与遗传评估。本研究旨在评估 3 款猪 SNP 芯片基因型填充至序列数据的填充效果。【方法】选用 3 款芯片共同检测的 48 头杜洛克猪群体作为填充的目标群体，260 头猪的全基因组测序数据作为参考群体，使用Beagle5.1 软件进行基因型填充，对比 3 款不同猪 SNP 芯片纽勤 50K、中芯一号 50K 和液相 50K 基因型填充至序列数据的填充效果。【结果】 3 款芯片原始的 SNP 数分别为 50 697、57 466 和 50 885 个。填充至序列后，未质控时位点填充准确性 （基因型一致性） 分别为 0.886、0.886 和 0.898，质控过滤 DR²（Dosage R-squared）<0.95 的位点后，填充准确性 （基因型一致性） 分别提升至 0.974、0.976 和 0.969，位点数分别为 3 39...     

限制性两阶段多位点全基因组关联分析法在遗传育种中的应用

全基因组关联分析(genome-wide association studies,GWAS)通过建立全基因组高密度分子标记以检测基因型与表型间的关联性,已成为动植物数量性状遗传解析的主要方法。然而,以往GWAS方法只注重于个别主要QTL的检测,而且使用仅有2个等位变异的SNP标记不能检测自然群体中广泛存在的复等位变异,一定程度限制了GWAS的应用。限制性两阶段多位点全基因组关联分析方法(RTM-GWAS)首先根据全基因组高密度SNP标记间的连锁不平衡程度,将多个相邻且紧密连锁的SNP标记组成为具有复等位变异(单倍型)的连锁不平衡区段(SNPLDB)标记。其次,RTM-GWAS使用由SNPLDB标记计算的遗传相似系数矩阵作为群体结构偏差的通用估计,并提取该矩阵的特征向量作为模型协变量以降低由群体结构偏差导致的假阳性。最后,利用具有复等位变异的SNPLDB标记与建立的多位点复等位变异模型,RTM-GWAS将性状遗传率作为QTL表型变异解释率的上限,通过两阶段分析策略高效地进行全基因组QTL及其复等位变异的检测,并最终构建多QTL遗传模型。该法还可以基于性状小区观测值,建立QTL与环境互作多位点模型,不仅能检测与环境有交互作用的主效应QTL,还能检测仅与环境有交互作用的无主效应QTL。RTM-GWAS不仅解决了以往GWAS不能估计复等位变异的问题,而且通过使用多位点模型拟合多个QTL提高了检测功效并能有效地控制假阳性的膨胀,为全面解析自然群体QTL及其复等变异提供了通道。该法能估计出等位基因的效应及其在群体内的相对频率,由其结果建立的QTL-allele矩阵代表了目标性状在群体中的全部遗传组成,不仅可用于候选基因发掘,还为群体内QTL及其复等位变异(基因及其复等位基因)的动态研究(群体遗传分化以及特有与新生等位变异)提供了新的工具。依据QTL-allele矩阵,还能进一步利用计算机模拟产生杂交组合后代基因型,并预测杂交组合后代纯合群体的表现,从而进行优化组合设计与分子设计育种。此外,RTM-GWAS还适用于双亲杂交后代重组自交系群体以及多亲杂交后代巢式关联作图群体,因避免了群体结构偏离的干扰,检测功效更高。本文归纳了RTM-GWAS的原理和方法,并综述了其在遗传育种研究中的应用。     

鲤遗传连锁图谱的构建

利用JoinMap 4.0软件包,以德国镜鲤选育系为祖父母所培育的自交F2群体的68个个体为作图群体,首次以新型分子标记单核苷酸多态性(Single Nucleotide Polymorphism,SNP)为主要作图标记,以微卫星(Simple Sequence Repeats,SSR)和表达序列标签(Expressed Sequence Tag,EST)为辅助标记,采用CP(CrossPollinators)模型构建鲤的遗传连锁图谱。构建的遗传连锁图谱含有560个标记(174个SSR标记、41个EST-SSR标记和345个SNP标记),分布在50个连锁群上,最大连锁群由60个标记组成,最小连锁群仅含2个标记,平均每个连锁群有11.2个标记。最大连锁群的图距为198.1厘摩(centimorgan,cM),最小的连锁群图距为1.5 cM,图谱总图距为3 295.92 cM,标记间平均间距为7.21 cM,图谱覆盖率为76.26%。构建的图谱为中等密度的遗传连锁图谱可为进一步的鲤相关经济性状的QTL定位研究和分子标记辅助选择育种(MAS)打下基础。研究亮点:首次以新型分子标记SNP为主要作图标记并以SSR标记为...