基因组选择一步法理论及应用研究进展

基因组选择(Genomic selection,GS)是一种新兴的畜禽遗传评定方法,较传统方法有明显优势,近十几年来成为畜禽遗传评定研究热点。但基因分型成本较高,实际育种过程中不可能对所有个体进行基因型检测,致使某些经济价值较小物种实施GS受限。一步法(Single step procedure)有效解决了这个问题。一步法既能将全基因组遗传标记用于畜禽遗传评定,又能将未经基因分型的个体全部纳入遗传评定模型,在猪、鸡等群体的基因组选择中应用备受关注。介绍了基因组选择一步法的原理,综述了其应用效果及相关问题等。     

大白猪多群体一步法基因组选择的应用效果分析

【目的】探究在拥有大量无基因型参考群的群体中,基因组选择（GS）方法与传统 BLUP 方法预测准确性的差异。同时,对比联合评估中 GBLUP 和一步法 GBLUP 的应用效果,为联合评估提供参考依据。【方法】使用 6 个大白猪群体（A~F）的校正达 100 kg 体重日龄（DAYS_100）和校正达 100 kg 体重背膘厚（BFT_100）2个性状进行分析,并估计遗传力及遗传相关。探究 BLUP、GBLUP 和 ssGBLUP 模型在不同群体及合并群体中的预测准确性。【结果】（1）F 群体 BFT_100 性状遗传力较低、仅为 0.071,其他群体的 BFT_100 性状遗传力为 0.205 ~ 0.383。6 个群体的 DAYS_100 性状遗传力为 0.258 ~ 0.598。（2）除 D 群体 2 个性状间的遗传相关为 0.211 外,其他群体的遗传相关为负相关（-0.462 ~ -0.200）。（3）对于 DAYS_100 性状,B、C、E 和 F 群体中 GBLUP 模型的预测准确性最高。对于 BFT_100 性状,A、B 和 C 群体中 ssGBLUP 模型的预测准确性最高,而 D 和 E 群体中 GBLUP 模型的预测准确性最高。（4）F 群体与 A 群体的场间关联率（CR）达 3.096%,而在 F 群体中,使用合并参考群的一步法基因组选择,可以提高 BFT_100 性状的预测准确性。【结论】在基因型个体数 >500 且群体占比＞ 7% 的群体中,GBLUP 或 ssGBLUP 模型的预测准确性高于 BLUP 模型;利用 ssGBLUP 模型对场间关联率达到 3% 的群体进行联合评估,可提高低遗传力性状的预测准确性。     

基因组选择及其在猪育种中的应用

基因组选择(Genomic Selection,GS)实际上是全基因组范围内的标记辅助选择(Marker Assisted Selection,MAS)。基因组选择能大大提高畜禽育种的遗传进展,同时还能降低群体的近交量,是近年畜禽育种界的研究热点。综述了基因组选择的研究进展,并分析了基因组选择在猪育种中的应用前景和面临的挑战。     

猪基因组选择“两步走”策略的计算机模拟评估

【背景】基因组选择育种自2001年被MEUWISSEN等提出以来,已广泛应用在奶牛、猪等重要家畜的育种中,并显著加快了其重要经济性状的遗传改良速度。2017年,在全国畜牧总站的组织协调下,在全国生猪遗传改良计划框架内,猪全基因组选择育种平台项目正式启动。【目的】尽管基因组选择在种猪选育中取得了良好的效果,基因分型技术的不断升级也带来了成本的持续下降,但对于我国多数核心育种场依然面临着基因芯片分型个体数量不足、基因组选择实施流程不完善等问题,限制了该技术的大规模推广应用。结合我国生猪育种的实际情况,研究提出了一种“终测选择-早期选择”的“两步走”基因组选择策略。“终测选择”指在终测结束后利用一步法基因组BLUP对后备猪进行遗传评估,当群体中芯片分型个体数量达到一定规模后进行“早期选择”。【方法】以杜洛克、长白和大白三个种猪品种真实的50K基因芯片数据作为基础群体对不同品种分别进行大群模拟,共模拟4个世代,前3个世代作为基础群体,第4个世代作为测试群体,每个个体模拟两个性状（中等遗传力性状和低遗传力性状）,利用猪基因组选择育种平台基于HIBLUP软件计算不同品种、不同性状的育种值,比较一步法基因组BLUP和常规BLUP两种方法的预测准确性。根据测试群个体有无终测成绩对其基因组育种值影响大小来评估早期选择效果。【结果】分析表明在3个品种内中等遗传力性状的终测选择效果和早期选择效果均好于低遗传力性状。一步法基因组BLUP的选择准确性均优于常规BLUP的选择准确性,并且随着测试群中芯片分型个体数量的增加、群体规模的扩大,预测准确性越来越高。一步法基因组BLUP的早期选择效果好于常规BLUP,当群体中芯片数量达到2 000张时就可以开展早期选择,阉割排名后30%的个体,可以保证前1%的优秀个体不会被错误淘汰,并且随着芯片数量的增加、早期选择的效果会越来越好。【结论】基因组选择“两步走”的策略符合我国国情、容易在生猪育种中推广实施。当芯片数量较少时,可以开展“终测选择”,一定程度上提高选择的准确性,提高育种效率;当芯片数量较多时,可以开展“早期选择”,对排名靠后的猪只个体进行早期阉割,增加优秀个体的测定量,增大选择强度、加快遗传进展。“两步走”策略符合我国生猪产业基因组选择育种的实际需求,该策略的实施将有利于推动我国猪基因组选择的应用、加快种猪改良进程。     

猪MHCⅠ类基因区基因组DNA的RFLP初步分析

用４种限制性内切酶ＥｃｏＲＩ，ＢａｍＨＩ，ＨｉｂｄⅢ和ＲｓｔＩ对纯种二花脸猪和梅山猪白细胞基因组ＤＮＡ进行内急酶消化和电泳，经Ｓｏｕｔｈｅｒｎ ｂｌｏｔ将ＤＮＡ转移到ＮＣ膜上，将来源于猪ＭＨＣ的Ⅰ类基因猪移植抗原基因片段克隆ＰＤ１－ＡＤＮＡ（４．３ｋｄ）用ｄｉｇｏｘｉｇｅｎｉｎ标记作为ＤＮＡ探针，进行分子杂交反应，比较了不同品系和个体间的限制性酶切片段长度多态性（ＲＦＬＰ），结果表明：（１）经各种     

京津冀地区猪圆环病毒3型的全基因组克隆与分析

【目的】监测近期在京津冀地区流行的猪圆环病毒3型毒株及其基因变异情况。【方法】以近期京津冀地区猪圆环病毒3型阳性临床样品为模板,用PCR技术扩增猪圆环病毒3型全基因组片段,随后进行基因克隆、序列测定和序列分析。【结果】PCR扩增、序列测定和BLAST比对结果显示获得4株大小都为2 000个核苷酸的猪圆环病毒3型全基因组序列。基于全基因组核苷酸分析结果显示,这4株猪圆环病毒3型与选取的国内外15株猪圆环病毒3型的同源性均达98.4%以上,系统发育树显示上述PCV3毒株所处的分支虽有所不同但却都非常近,表明不同猪圆环病毒3型毒株之间的全基因组核苷酸有非常高的同源性和保守性。基于开放阅读框2基因核苷酸的系统发育树显示上述猪圆环病毒3型毒株被分成3个分支,所得4株猪圆环病毒3型分别归属于基因型a与c,并呈现出一定的地域差异。【结论】获得了京津冀地区4株猪圆环病毒3型全基因组序列,虽然它们具有很高的全基因组核苷酸同源性与保守性,但却分属于2种基因型,并呈现出一定的地域差异。     

杜长大猪、二花脸猪和莱芜猪3个群体25种血液性状的全基因组关联分析

【目的】 利用全基因组关联分析定位影响杜长大猪（DLY）、二花脸猪（EHL）和莱芜猪（LW）3个群体25种血液性状的染色体位点,为最后鉴定影响这些性状的因果基因提供前期基础,同时为猪抗病育种和生产提供参考。【方法】将610头杜长大三元杂猪在（180±5）日龄,336头二花脸猪和333头莱芜猪在（300±5）日龄进行统一屠宰。收集2 mL血液于抗凝管中,利用全自动生化分析仪进行25种血液性状的血常规检测。采集猪耳组织提取DNA并测浓度和质量。将质检合格的DNA样品利用Illumina 60K SNP芯片进行基因型判定。运用PLINK软件对判型结果进行质量控制,将合格的SNP标记用于后续的关联分析。使用R语言GenABEL软件包中的广义混合线性模型进行全基因组关联分析,定位影响3个群体25种血常规性状的显著性染色体位点。据全基因组关联分析结果,在Ensembl或NCBI网站上搜寻潜在的位置候选基因。【结果】杜长大猪、二花脸猪和莱芜猪三个群体通过质控的有效表型数据个体数分别为552头、325头和281头。60K SNPs经过质量控制过后,杜长大猪剩余56 216 SNPs,莱芜猪剩余49 343 SNPs,二花脸猪剩余35 974 SNPs,用于Meta分析的SNPs共有32 967。运用全基因组关联分析和Meta分析共定位到610个显著影响3个群体25种血液性状的SNPs,其中135个SNPs达基因组显著水平,475个SNPs达建议水平;分布在所有染色体上。在杜长大猪中共鉴别到32个基因组显著水平SNPs以及85个建议水平SNPs,且8种性状有基因组显著水平的SNPs,分别是淋巴细胞数目（LYM）、淋巴细胞比率（LYMR）、嗜碱性粒细胞数目（BAS）、嗜碱性粒细胞比率（BASR）、平均红细胞体积（MCV）、红细胞分布宽度变异系数（RDW_CV）、平均红细胞血红蛋白含量（MCH）和血小板分布宽度（PDW）。在二花脸猪中共鉴别到33个基因组显著水平SNPs以及139个建议水平SNPs,且9种性状有基因组显著水平的SNPs,分别是LYM、MCH、平均红细胞血红蛋白浓度（MCHC）、单核细胞数目（MON）、单核细胞比率（MONR）、平均血小板体积（MPV）、中性粒细胞比率（NEUR）、大血小板细胞（P_LCC）以及血小板压积（PCT）。在莱芜猪中共鉴别到54个基因组显著水平SNPs以及169个建议水平SNPs,且6种性状有基因组显著水平的SNPs,分别是BASR、红细胞压积（HCT）、MCH、MCHC、MCV和红细胞数目（RBC）。在Meta分析结果中,共鉴别到16个基因组显著水平SNPs以及82个建议水平SNPs,且6种性状有基因组显著水平SNPs,分别是RBC、HCT、MCH、MCHC、MCV以及MON。通过在Ensembl或NCBI网站上搜寻最强相关SNP区域内的候选基因,初步将F13A1、SPTA1、DBNL、SLC25A28、CTSC基因分别确定为影响BASR、HCT、LYM、MCHC、NEUR的重要候选基因。【结论】通过全基因组关联分析和Meta分析共得到610个显著影响杜长大猪、二花脸猪和莱芜猪3个群体25种血液性状的SNP位点,初步确定F13A1、SPTA1、DBNL、SLC25A28和CTSC基因分别是BASR、HCT、LYM、MCHC和NEUR的重要位置候选基因,为解析商业猪和纯种地方猪的血液性状或免疫性疾病提供重要参考。     

长期选择的杜洛克猪群体经济性状遗传参数及遗传进展分析

目的 对受长期选择的实际杜洛克猪育种群体3个重要经济性状进行遗传参数估计,分析各性状取得的遗传进展,并探讨实际育种群体中长期选择等因素对群体遗传参数的影响。方法 收集广西某种猪场核心育种群杜洛克猪2003—2018年共计15 760条生长性能测定记录。运用DMU软件的DMUAI模块和DMU4模块,利用多性状动物模型估计3个重要经济性状的群体遗传参数和个体育种值。并通过估计该群体的年度累计群体遗传参数以评估该群体在长期选择过程中遗传参数的变化情况。结果 杜洛克猪3个重要经济性状(达100 kg体质量日龄、背膘厚和眼肌面积)的估计遗传力分别为0.354、0.477和0.479,均属中高遗传力性状。3个性状间的遗传相关范围为-0.110~0.039,表型相关范围为-0.076~0.082,均属于弱相关。性状达100 kg体质量日龄在长期选择中取得了较大的遗传进展,而性状达100 kg体质量背膘厚和达100 kg体质量眼肌面积取得的遗传进展较小。分析年度累积群体估计的遗传参数发现,3个经济性状的加性遗传方差出现了不同程度的变化。结论 杜洛克猪群体3个重要经济性状均为中高遗传力性状且性状间相关性较弱。在实际育种群体中,长期选择及引种等因素会导致群体遗传参数发生变化,育种实践中应及时开展遗传参数估计,以获得准确的遗传评估结果,加速群体遗传改良。     

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。     

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。     

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。     

畜禽基因组选择中贝叶斯方法及其参数优化策略

品种选育在畜禽育种中占十分重要的地位,基因组选择作为畜禽育种的新兴技术手段而备受关注。其优点为可以缩短世代间隔,加快遗传进展,可以不依赖于表型进行选择。2001年,Meuwisen提出基因组选择的概念后,基因组选择首先应用于奶牛育种,至2014年8月,国际公牛组织已有34个成员国在其国家奶牛育种群中应用基因组选择。随着基因组选择的不断推广应用,提高基因组育种值估计准确性的问题有待于解决,当前对基因组选择方法的研究和探讨正在不断深入,有效的模型及算法对提高基因组育种值估计的准确性具有重大现实意义。至今已有17种贝叶斯方法相继被提出,本文简要介绍了基因组选择中的经典BayesA和BayesB方法,其中BayesA假设所有位点都有效应,BayesB假设部分位点有效应,且这部分有效应的位点所占的比例很小,它们的假设模型和算法都不相同。Meuviwisen提出经典贝叶斯方法后,其它贝叶斯方法犹如雨后春笋般涌出,这些新方法的提出,都是基于经典贝叶斯方法原理,对假设模型和算法进行适当改进,以期对模型中的参数进行优化。如BayesC方法在BayesB的基础上对模型中的π值进行优化,BayesCπ和 BayesDπ是在BayesC的基础上进行改进,这两种方法假设各位点的效应方差是相同的,而BayesC假设各位点的效应方差是不同的,BayesDπ又是在BayesCπ基础上对效应方差服从尺度逆卡方分布中的尺度参数进行优化。Bayes Lasso的思想和BayesA一样,不同之处在于它假设标记效应服从另一种分布-拉普拉斯分布,所以标记效应的后验分布也随之改变。BayesRS方法假设各位点的效应方差是按占一定比例的总遗传方差分配的。其它的贝叶斯方法也都是在前人研究的基础之上对模型中的先验假设进行变换和模型中的参数进行优化,以期寻找最适合群体的假设模型和参数。目前广泛应用的贝叶斯算法仍是经典贝叶斯算法以及BayesCπ,这是由于它们计算结果的稳定性和较高的基因组育种值估计准确性。在这3种贝叶斯算法中,基因组育种值估计准确性基本上是BayesB＞BayesCπ＞BayesA,但某些性状计算的基因组育种值准确性结果并非如此。相对于经典贝叶斯方法,参数优化过程在一定程度上提高了基组育种值估计的准确性。总之,在经典贝叶斯方法的基础上,贝叶斯方法的改进算法及其参数优化策略围绕着以提高基因组育种值估计的准确性为目的,通过生物遗传算法与实际的群体情况相结合,寻找最适的假设模型和参数优化策略,丰富和拓展了基因组选择算法,并能使得基因组育种值更具参考价值。由于中国的动物育种历程与国外育种差距甚远,利用基因组选择可以加快畜禽育种进程,进而还可以培养新品系,丰富遗传资源。同时对基因组选择在中国的方法研究及应用进行了介绍,面对基因组选择的种种优点,全基因组选择育种技术势在必行。此外,文章还探讨了畜禽基因组选择中贝叶斯方法及其参数优化策略存在的主要问题和今后研究的热点,以期为获得更加可靠和快捷的基因组选择算法提供参考。     

桃果实单果重及可溶性固形物含量的全基因组选择分析

【背景】桃单果重和可溶性固形物含量（SSC）是育种家关注的两个重要的数量性状,受到多个微效基因的控制,难以通过单个标记进行早期筛选。全基因组选择作为一种新颖的数量性状早期预测工具,在果树上已经有了初步应用,但其在桃上的应用效果以及影响预测准确性的因素仍需要深入探讨。【目的】建立桃单果重和SSC的全基因组选择技术,为桃高效分子育种技术体系的建立奠定基础。【方法】以520株训练自然群体为试材,通过重测序筛选出的48 398个SNP进行分型,在11个全基因组预测模型中分别筛选出两个数量性状适宜的模型,进而在56株自然群体和1 145株杂交群体上进行应用。【结果】3类群体的平均测序数据量在1.95—3.52 Gb,测序深度为5.29—10.79×。训练自然群体经与参考基因组比对,共得到5 065 726个SNP,去除缺失率较高（>20%）、最小等位基因频率过低（<0.05）的位点后,随机挑选基因组上48 398个SNP用于训练群体的全基因组选择模型构建。单果重预测精度最高的模型是BayesA,SSC预测精度最高的模型为randomforest。分别利用两个数量性状最适的模型进行预测...     

畜禽全基因组选择

数量遗传学在经历了传统的数量遗传学后逐步发展产生了数量遗传学与分子遗传学、生物技术相结合的分子数量遗传学。应用分子标记定位影响重要经济性状的QTL已经取得了显著的成果。QTL一旦得到定位,确定了该位点对表型的贡献率,就可以利用位于QTL侧翼的标记直接进行标记辅助选择。然而应用于标记辅助选择的标记只捕获了构成表型的一部分变异,而无法检测到构成性状的所有变异,为了解决这个问题,其中的一个途径就是利用全基因组范围内的标记,进行标记与表型的全基因组关联分析,鉴定对性状有影响的遗传标记,然后将这些标记应用于选择,这就是全基因组选择。文章就家畜QTL定位和标记辅助选择进行了简要的概述,同时对家畜全基因组选择进行了重点综述。     

基因组选择育种在草原家畜育种中的应用前景

文章综述了基因组选择育种的研究进展,并分析了基因组选择育种在奶牛和内蒙古绒山羊上的应用前景和面临的挑战。利用基因组选择育种对奶牛和内蒙古绒山羊的遗传改良进展速度尤为重要。     

柯乐猪血液基因组甲基化修饰与细胞因子水平的相关性

为探明柯乐猪血液免疫细胞的基因表达是否受甲基化调控,应用甲基化敏感扩增多态性技术(MSAP)和酶联免疫吸附测试技术(ELISA)对柯乐猪与大白猪血液基因组DNA的甲基化水平、血清中的细胞因子浓度进行检测,分析柯乐猪与大白猪在甲基化水平、细胞因子浓度方面的差异及其相关关系。结果表明:柯乐猪基因组总甲基化水平为32.38%,与大白猪接近(P0.05);IL-2、IL-4、IL-6和IL-10浓度分别为(302.37±125.72)pg/mL、(88.71±32.05)pg/mL、(219.01±30.42)pg/mL和(116.95±30.24)pg/mL,其中IL-6和IL-10分别极显著、显著低于大白猪;IFN-α、IFN-γ分别为(211.09±76.08)pg/mL和(57.18±14.21)pg/mL,分别极显著、显著高于大白猪。柯乐猪基因组的全甲基化水平与IFN-γ浓度间呈弱负相关关系(ρ=-0.256)。说明,血液免疫细胞的基因表达可能受甲基化的调控,且与柯乐猪的抗病力强有关。