绵羊全基因组ROH检测及候选基因鉴定

旨在利用长纯合片段(runs of homozygosity,ROH)信息评估不同绵羊群体的近交情况,并鉴定与绵羊经济性状相关的基因。本研究基于Illumina Ovine SNP50芯片对来自10个绵羊群体共440个个体进行全基因组ROH检测,统计ROH在不同绵羊群体中的数目、长度及频率,根据ROH计算基因组近交系数(F_(ROH)),并对高频ROH区域进行基因注释。结果,在10个绵羊群体中共检测到25 920个ROH片段,不同绵羊群体ROH的数目、长度、频率及分布存在明显差异。ROH平均数目的变化范围从10.17个(苏尼特羊)到95.99个(杜泊羊),平均长度的变化范围从2.04 Mb(四川藏羊)到4.71 Mb(罗布羊),平均F_(ROH)的变化范围从0.010(苏尼特羊)到0.172(杜泊羊)。引进品种的(杜泊羊和德美羊)平均F_(ROH)明显高于地方品种。在地方绵羊群体中,西藏藏羊(0.085)具有最高的平均F_(ROH)。在高频ROH区域鉴定到26个与绵羊经济性状相关的基因,如与生长发育相关的基因NCAPG、LCORL、PRKAA2、FAIM2和HYDIN,与脂肪代谢相关的基因LEPR、WNT10B和NCKAP5L,与肉质及胴体性状相关的基因CDIPT、CAPN3和FGF9。基于ROH评估的近交情况可为绵羊种群育种和保种提供参考依据,鉴定到的候选基因可以作为绵羊标记辅助选择重要的基因。     

TGFβ3基因多态位点及其与猪脊椎数性状的关联分析

本研究旨在探索转化生长因子β3(transforming growth factor beta 3,TGFβ3)基因在大白猪×民猪构建的F2代资源群体内的多态性,并分析其多态性与猪脊椎数性状的关系。试验采用PCR技术,以F0代个体的DNA为模板,筛选TGFβ3基因外显子区的SNP,并将筛选到的SNP在F2代群体中进行验证,进而分析SNP与猪脊椎数性状的关联性。结果发现,TGFβ3基因在F0代个体中仅筛选到1个SNP位点,即SSC7:105179474GA,表现为两种基因型GG和GA。TGFβ3基因不同基因型与F2代个体脊椎数性状的关联分析表明,SSC7:105179474GA与猪肋骨数、胸腰椎数之和呈极显著相关(P0.01),与猪腰椎数无显著相关(P0.05)。χ2适合性检验发现,该位点处于Hardy-Weinberg平衡状态(P0.05)。综上所述,TGFβ3基因可能是影响猪脊椎数性状的主效基因或与主效基因连锁,SSC7:105179474GA位点有望作为提高猪脊椎数性状的分子遗传标记。     

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...     

猪基因组结构变异研究进展

结构变异（structural variation,SV）广泛分布在基因组中,并主要以缺失、插入、重复、倒位和易位的形式出现。SV可以通过不同的机制直接或间接影响基因剂量,从而导致畜禽的表型变异,甚至引起疾病。随着分子生物学的发展和新基因组技术的进步,SV在猪基因组的研究越来越多,主要包括繁殖性状、肉质性状、生长性状、毛色、疾病等。本文参考了国内外相关报道,对SV的定义、分类、形成机制、检测方法以及在猪基因组的研究进展进行综述,并对目前SV研究存在的问题提出了建议以及未来的研究趋势进行了展望。     

合作猪γ-IFN基因外显子4多态性分析

为了研究合作猪γ-IFN基因的多态性,确定其等位基因数、核苷酸多态位点,各等位基因是否符合Hardy-Weinberg平衡状态、多态信息含量、有效等位基因数和杂合度,采用PCR-SSCP方法检测了138头合作猪γ-IFN基因外显子4的等位基因,并克隆、测序群体内变异产生的各等位基因序列,就基因型和等位基因单倍型序列数据开展分析。序列比对分析发现5个核苷酸多态位点,其中5 284 bp(A→G)、5 341 bp(G→A)、5 371 bp(A→G)为新发现突变位点。试验群体发现4种基因型AA、AB、AC和AD,其中A等位基因频率为0.963 8,为优势等位基因。经χ2适合性检验,该群体处于Hardy-Weinberg平衡状态(P>0.05)。γ-IFN基因遗传多态指数中,杂合度(He)、多态信息含量(PIC)、有效等位基因数(Ne)均较低,表明合作猪γ-IFN基因比较保守。     

种猪场育种效率的提高

近20年来，在猪的育种中，无论是数量还是分子方面的技术都有了较大发展，两种技术相互交叉、相互促进，共同为猪的遗传改良带来新的动力。自上世纪80年代开始，BLUP法等估计育种值的方法以及分子标记、     

利用WGCNA方法分析猪胚胎期骨骼肌发育相关共表达网络的研究

为了了解猪胚胎期骨骼肌发育的共表达网络,并进一步揭示造成品种间骨骼肌发育差异的关键基因,试验分别选取大白猪和民猪妊娠第45,70,100天的怀孕母猪各1头,屠宰后采集胎儿的骨骼肌组织24份(大白猪和民猪各12份,即每个品种妊娠第45,70,100天各4份)进行测序,先对所有组织进行聚类分析以排除离群样品,然后采用加权共...     

大白猪繁殖性状遗传参数估计及影响因素的效应分析

本研究对7 945窝大白母猪妊娠周期、总产仔数、产活仔数、健仔数、弱仔数、畸形数、死仔数、木乃伊及死胎数9个繁殖性状进行了最小二乘分析,分析了胎次、配种季节及妊娠周期分类对母猪繁殖性能的影响;并利用动物模型REML(约束最大似然)方法估计动物繁殖性状的遗传力及性状之间的遗传相关.结果表明,胎次对畸形数(P=0.2619)和木乃伊(P=0.4639)影响不显著(P >0.05),对其他7个繁殖性状影响极显著(P <0.01);配种季节对妊娠周期、产活仔数、弱仔数、木乃伊、死仔数及健仔数影响极显著(P <0.01),对畸形数(P=0.3993)影响不显著(P> 0.05),对总产仔数和死胎数影响显著(P <0.05).妊娠周期对木乃伊影响显著(P <0.05),对其他7个性状影响极显著(P <0.01).妊娠周期遗传力最高,为0.34,其他繁殖性状遗传力都低于0.2,为低遗传力性状.总产仔数与妊娠周期之间存在负遗传相关(r_g=-0.10),与产活仔数及健仔数之间存在较强的正遗传相关,遗传相关都超过0.80.妊娠周期与其他繁殖性状之间的遗传相关较小,最高的为妊娠周期与畸形数之间的遗传相关为-0.17.由此得出结论,妊娠周期属于中等遗传力性状,妊娠周期不仅受到胎次、季节等环境因素的影响,而且也受总产仔数等繁殖性状的影响,妊娠周期可作为养猪生产的间接指标.     

北京黑猪PPARD基因G32E多态位点与脂肪沉积相关性状的关联分析

试验旨在研究猪过氧化物酶体增殖物激活受体δ(PPARD)基因第1外显子上的错义突变位点G32E(g.61399G>A)多态性与北京黑猪脂肪沉积相关性状的关联。利用Sequenom质谱检测平台检测北京黑猪及多个中外猪种群体G32E位点的基因型,并分析该位点多态性与北京黑猪背膘厚及肌内脂肪的关联性。结果发现,在北京黑猪中,G32E位点GG基因型个体背膘厚性状极显著高于GA和AA基因型个体(P<0.01),与肌内脂肪含量的关联未达到显著水平(P>0.05)。在梅山猪和二花脸猪中,主要以A等位基因为主;而在中国地方猪种民猪、莱芜黑猪、丫杈猪及国外商品猪种杜洛克猪、长白猪和大白猪中,G等位基因频率高。初步认为PPARD基因G32E位点多态性对背膘厚性状有显著影响,对肌内脂肪含量性状没有影响。     

动物福利与中国的生猪产业

<正>一、中国的生猪产业2016年全球主要猪肉消费国家猪肉消费与生产量2016年全球主要猪肉消费国家猪肉消费量11101.1万吨,生产量为11069.0万吨。2016年全国肉类总产量为8540万吨,猪肉占62%。中国的养猪业规模大、发展落差大,机会大,效率、成本是竞争的关键,生产水平低,资源浪费严重。2015年每头母猪提供的商品猪为16.52头,全程死亡率超过