不同尾型绵羊全基因组选择信号检测

为研究不同尾型绵羊群体遗传分化程度,检测全基因组选择信号,以挖掘不同尾型绵羊重要性状相关的候选基因。本研究基于蒙古羊(短脂尾)和藏羊(瘦尾)群体的Illumina Ovine SNP 50K芯片分型数据,借助遗传分化系数FST法进行群体间选择信号检测,寻找选择信号区域内的重要基因,并对其中与脂肪代谢相关的基因PPARG、PDGFD在呼伦贝尔羊(大尾和小尾品系;肥尾)与藏羊(瘦尾)尾脂进行mRNA相对表达量研究。结果,(1)465个SNPs被选择,基因注释找到448个候选基因,筛选到50个与脂类代谢相关的基因,GO功能富集分析发现,主要富集在脂类生物合成过程、磷脂代谢、脂质结合等条目,此外发现4个基因(PPARG、RXRG、SLC27A2和ACSL6)富集到PPAR信号通路。(2)肥瘦尾之间,呼伦贝尔羊(大尾和小尾品系)PPARG和PDGFD基因表达量均显著高于藏羊(P0.01),而大小肥尾之间,呼伦贝尔羊大尾品系PPARG基因表达量显著高于小尾品系(P0.05),PDGFD基因表达量则无明显差异。通过FST法有效检测到受选择的基因,部分与绵羊重要性状相关,相对定量试验证明PPARG和PDGFD基因与尾部脂肪沉积密切相关,可以作为尾型选育的候选基因,为绵羊育种及改良提供重要参考。     

不同藏猪类群全线粒体基因组群体多样性与系统发育研究

本试验旨在研究藏猪4个类群的全线粒体基因组的群体多样性与系统发育关系。研究共收集120头分布在4个地区的藏猪进行重测序,组装线粒体基因组并对其进行分析。结果表明：西藏藏猪拥有相对高的遗传多样性（Pi=0.00111）;四川藏猪与西藏藏猪的遗传距离相对更近（0.045）。构建系统发育树发现,甘肃藏猪与云南藏猪群体内部相对独立。单倍型分析发现4个藏猪群体存在27个单倍型,西藏藏猪拥有高于其他群体的单倍型分布（12/27）。综上所述,4个地理分布不同的藏猪群体全线粒体基因组存在差异,甘肃藏猪与云南藏猪的系统发育关系揭示了群体内部可能存在近交进而导致遗传距离降低。本研究为进一步更新藏猪类群遗传多样性与遗传结构提供了理论支持,并为藏猪的保种与利用奠定了基础。     

全基因组关联分析研究现状及展望

全基因组关联分析(Genome-Wide Association Study,GWAS)是近年来迅速兴起的一种新型基因组分析方法,它利用全基因组范围内筛选出高密度的分子标记对所研究的群体进行扫描,分析扫描得出的分子标记数据与表型性状之间关联关系的方法。GWAS的出现为全面系统地研究基因组学打开了新的篇章,目前主要应用于人、动植物以及微生物主要疾病复杂性状的分析,已成为研究基因组学的关键手段。本文主要针对GWAS的概念、近年来GWAS在动物疾病模型和致病菌中的研究、存在问题及未来发展进行阐述。     

全基因组关联分析在畜禽中的研究进展

全基因组关联分析(genome-wide association study,GWAS)是近几年逐渐发展起来研究复杂性状的方法,并且在人类疾病和动植物复杂性状研究中得到广泛应用。文章主要综述了GWAS方法及近几年GWAS在畜禽重要经济性状的研究进展,主要目的是通过GWAS为畜禽复杂性状遗传机理的研究提供参考依据,为动物分子育种研究奠定基础。     

家畜全基因组关联分析研究进展

全基因组关联分析（genome-wide association study,GWAS）是一种研究经济性状候选基因的分析方法。近年来,随着家畜全基因组测序的完成,大量的单核苷酸多态性（single nucleotide polymorphisms,SNPs）被标识,GWAS也越来越多地应用于家畜重要性状的研究领域中,在动物遗传育种中,通过对家畜基因组进行GWAS分析研究,找到控制家畜主要经济性状的重要SNPs,从而挖掘重要经济性状的候选基因。作者详细综述了GWAS的分析方法及其在重要家畜育种中的研究进展。GWAS分析方法包括基因组控制法（genommic control）、分层分析法（stratification analysis）、主成分分析法（principal components analysis,PAC）和混合线性模型分析法（mixed-linear-model association,MLMA）,通路分析方法包括非核算法（基因功能富集分析（gene set enrichment analysis,GSEA）和分层贝叶斯优取（hierarchical Bayes prioritization,HBP））和核算法。依据不同的目标性状选择合理的分析方法,提高GWAS分析结果的准确性,为进一步利用GWAS分析各种性状的遗传基础提供合理的借鉴。     

全基因组关联分析方法的研究进展

全基因组关联分析目前已经成为研究复杂性状和疾病遗传变异的有效方法,但是由于群体结构的存在,导致分析结果出现虚假关联。经过数十年的发展,各种新方法不断出现和完善,用于减少群体结构对分析的影响。本综述将对在全基因组关联分析中能够处理群体结构的方法进行介绍,以期为进一步选择GWAS方法准确揭示各种性状的遗传背景提供参考。     

家畜全基因组关联分析研究进展

全基因组关联分析(genome-wide association study,GWAS)是一种研究经济性状候选基因的分析方法。近年来,随着家畜全基因组测序的完成,大量的单核苷酸多态性(single nucleotide polymorphisms,SNPs)被标识,GWAS也越来越多地应用于家畜重要性状的研究领域中,在动物遗传育种中,通过对家畜基因组进行GWAS分析研究,找到控制家畜主要经济性状的重要SNPs,从而挖掘重要经济性状的候选基因。作者详细综述了GWAS的分析方法及其在重要家畜育种中的研究进展。GWAS分析方法包括基因组控制法(genommic control)、分层分析法(stratification analysis)、主成分分析法(principal components analysis,PAC)和混合线性模型分析法(mixed-linear-model association,MLMA),通路分析方法包括非核算法(基因功能富集分析(gene set enrichment analysis,GSEA)和分层贝叶斯优取(hierarchical Bayes prioritization,HBP))和核算法。依据不同的目标性状选择合理的分析方法,提高GWAS分析结果的准确性,为进一步利用GWAS分析各种性状的遗传基础提供合理的借鉴。     

全基因组关联分析在鸭育种中的研究进展

全基因组关联分析(genome-wide association study, GWAS)是一种在人类或动植物全基因组中寻找变异序列,并筛选与目的性状相关位点的方法。目前,GWAS在畜禽重要经济性状研究中广泛应用。文章叙述了GWAS的基本原理,归纳了GWAS的研究方法和优缺点,并且列举了通过GWAS已定位到的鸭重要经济性状相关的标记位点和候选基因,旨在为后续鸭育种研究提供理论基础。     

全基因组关联分析在猪育种中的研究进展

全基因组关联分析(genome-wide association studies, GWAS)是一种利用大规模群体的DNA样本进行全基因组高密度基因型分型,探究与目标性状相关联的遗传变异的研究方法。GWAS在揭示猪重要经济性状的变异规律和推动基因组选择在猪育种中的实际应用等方面有着重要作用。本综述主要围绕GWAS的基本原理、GWAS的分析方法、GWAS在猪育种方面取得研究进展和其未来展望进行综述,以期为利用GWAS进行猪重要经济性状遗传基础的研究提供参考。     

山羊产羔数全基因组关联分析

本研究旨在通过对山羊产羔性状的全基因组关联分析(GWAS),寻找和定位与山羊产羔性状密切关联的新基因。以云南黑山羊6个公羊家系的302只山羊为试验材料,用Illumina公司Iselect Goat60k芯片技术进行SNP分型,分型结果利用plink V1.07的线性回归模型对山羊产羔数性状进行全基因组关联分析。研究结果表明:在2号染色体上有2个SNPs位点与山羊产羔数达到5%基因组水平显著相关(P1.48E-6),分别位于SLC4A10基因的下游和TBR1基因的上游;5个SNPs位点与山羊产羔数达潜在关联(P2.97E-5),分别位于1号染色体SENP7基因上游,21号染色体Hypothetical Protein基因的上游,以及28号染色体WDFY4基因和TMEM26基因的上游、BICC1基因的下游。这些基因可作为山羊产羔数性状的相关候选基因,也可为山羊产羔性状的分子机制研究和今后标记辅助选择的开展提供理论基础及新的研究线索。     

绵羊体重性状全基因组关联分析

Motivated by mining major candidate genes across Ovine genome, the present study is to perform genome-wide association studies(GWAS) to detect genes associated with body weight traits. Using Illumina OvineSNP50 BeadChip, we performed a GWA study in 329 purebred sheep phenotyped for 6 body weight traits(birth weight, weaning weight, 6-month weight, pre-weaning gain, post-weaning gain, daily weight gain). Statistics and data analysis were based on TASSEL program,mixed linear model and the latest Ovis_aries_v3.1 genome sequence (released October 2012). The results indicated that 10 SNPs consistently reached genome-wise significant level for post-weaning gain and 22 SNPs reached chromosome-wise significant level for other body weight traits. The SNPs were within (MEF2B,RFXANK,et al) or close to some ovine genes, which were thought to be the most important candidate genes associated with body weight traits. The results will contribute to identify candidate genes for ovine body weight traits, and facilitate the potential utilization of genes involved production traits in sheep in future.     

蛋鸡直肠重量全基因组关联分析

直肠发育在蛋鸡健康生长生产中发挥着重要作用,尤其是直肠黏膜免疫功能,与畜禽免疫机制的建立息息相关。本研究通过对白来航鸡与东乡绿壳蛋鸡杂交所得F2代个体的直肠重量进行测量,并运用SNP芯片检测其基因分型。根据SNP检测数据运用SAS进行遗传评估,用全基因组混合模型关联算法GEMMA进行单变量全基因组关联分析（GWAS）。结果表明,直肠重量表现出中等遗传力水平（0.34）。GWAS鉴定出3个SNP与直肠重量显著相关,分别位于3号染色体的79252286、15号染色体的3307271和17号染色体的1366852,对应HTR1B、RIMBP2和CACNA1B 3个基因,它们可能是影响直肠重量的重要SNP位点和基因。本研究结果为揭示蛋鸡直肠发育的机制和遗传育种提供了参考。     

全基因组关联分析及其在猪育种中的研究进展

近年来,随着高通量单核苷酸芯片和基因分型技术的不断发展,利用全基因组关联分析猪的性状成为可能。全基因组关联分析是一种新兴的遗传分析方法,能有效进行复杂疾病和性状的研究。国内外相关研究人员针对猪性状进行全基因组关联分析,积累了大量的单核苷酸多态性(SNP)标记、候选基因以及数量性状位点,为猪分子育种提供基础。该文主要对全基因组关联分析的基本原理、分析方法以及对猪性状的研究进展进行综述。     

南阳牛生长性状相关基因组区域全基因组关联分析

本研究旨在筛选和鉴定与南阳牛生长性状相关的基因组区域和候选基因,从而更好地了解牛生长性状的遗传机制。试验共采集71头南阳牛母牛血样并提取基因组DNA,利用SLAF-seq(specific-locus amplified fragment sequencing)技术获得全基因组SNP标记并对试验个体基因型进行分型。对每头个体初生重及不同月龄(6、12、18、24、36)的体重、体高、体斜长、胸围和坐骨端宽及每6个月体增重等生长性状进行全基因组关联分析;获得显著相关的基因组区域后,对其中基因进行功能注释以筛选候选基因。结果显示,共获得141 755个筛选后的SNPs,通过全基因组关联分析鉴定出5个分别与12月龄体重(8号染色体:17 320 634～17 347 720 bp)、12月龄胸围(2号染色体:15 063 190～15 155 309 bp)、24月龄体斜长(11号染色体:60 727 342～81 425 987 bp)、36月龄坐骨端宽(14号染色体:15 635 762～15 643 272 bp)和12～18月龄体增重(26号染色体:40 456 192～40 456 477 bp)等生长性状显著相关的基因组区域(LOD≥6.35)。通过对5个基因组区域内的186个基因进行功能注释,共筛选得到11号染色体上的8个基因(BMP10、IFT172、SDC1、TCF23、TRIM54、RAB1A、VPS54和GDF7)与骨生长、肌肉发育和生长调控有关,建议其可优先作为牛生长性状相关候选基因进行进一步验证。     

南阳牛生长性状相关基因组区域全基因组关联分析

本研究旨在筛选和鉴定与南阳牛生长性状相关的基因组区域和候选基因,从而更好地了解牛生长性状的遗传机制。试验共采集71头南阳牛母牛血样并提取基因组DNA,利用SLAF-seq（specific-locus amplified fragment sequencing）技术获得全基因组SNP标记并对试验个体基因型进行分型。对每头个体初生重及不同月龄（6、12、18、24、36）的体重、体高、体斜长、胸围和坐骨端宽及每6个月体增重等生长性状进行全基因组关联分析;获得显著相关的基因组区域后,对其中基因进行功能注释以筛选候选基因。结果显示,共获得141 755个筛选后的SNPs,通过全基因组关联分析鉴定出5个分别与12月龄体重（8号染色体：17 320 634~17 347 720 bp）、12月龄胸围（2号染色体：15 063 190~15 155 309 bp）、24月龄体斜长（11号染色体：60 727 342~81 425 987 bp）、36月龄坐骨端宽（14号染色体：15 635 762~15 643 272 bp）和12~18月龄体增重（26号染色体：40 456 192~40 456 477 bp）等生长性状显著相关的基因组区域（LOD≥6.35）。通过对5个基因组区域内的186个基因进行功能注释,共筛选得到11号染色体上的8个基因（BMP10、IFT172、SDC1、TCF23、TRIM54、RAB1A、VPS54和GDF7）与骨生长、肌肉发育和生长调控有关,建议其可优先作为牛生长性状相关候选基因进行进一步验证。     

全基因组关联研究蛋鸡的产蛋量与蛋品质

多年来育种专家们一直致力于发现对蛋鸡重要经济性状有显著影响的基因。全基因组高通量SNP芯片的开发使得针对大量个体的低成本基因分型成为可能,从而开启了全基因组关联研究(GWAS)时代。由美国爱荷华大学、海兰国际公司、波兰Nutrigen公司、英国爱丁堡大学、德国罗曼公司的科学家组成的联合团队对与蛋鸡产蛋量和蛋品质相关的基因组区域进行了研究,首次发现了一个对蛋鸡体重、蛋白高度、蛋壳颜色等多个性状发挥多效性的QTL。研究结果刊发在近期出版的《Journal of Animal Breeding and Genetics》。     

鸡重要性状全基因组关联分析研究现状及展望

全基因组关联研究(GWAS)是在全基因组范围内寻找与动植物重要经济性状相关联的遗传变异,最先应用于人类复杂疾病的研究,随着鸡全基因组图谱的完成与公布,以及不同密度SNP芯片的开发与推广,GWAS已经应用于鸡复杂性状的重要基因检测,是解析重要性状分子遗传机制强有力的分析方法。文章介绍了GWAS研究背景、原理与方法等,综述了GWAS在鸡体重、体尺、屠宰、肉质、繁殖、行为、抗病等重要性状上的研究现状,并预测GWAS技术在未来鸡育种中的应用前景,旨在为进一步利用GWAS进行鸡复杂性状的遗传基础研究以及鸡的全基因组选择(GS)育种提供参考。     

鸡体质量性状基因的全基因组关联研究

旨在利用全基因组关联分析(GWAS)方法挖掘畜禽各种经济性状相关候选基因及分子标记.本试验利用鸡的60 K SNP芯片,对北京油鸡初生、28、56、80和100日龄体质量进行GWAS研究.结果表明,共有9个SNPs位点达5％全基因组显著水平,与28或100日龄体质量显著相关,在这些显著位点附近包括LYRM1、LDB2等基因;还有96个SNPs位点达全基因组潜在显著水平,与检测的各个日龄体质量有潜在相关性.这些候选基因和分子标记的揭示为分子标记辅助选择技术的发展积累了素材.     

鸭胸肌肉色性状全基因组关联分析

试验旨在利用全基因组关联分析(GWAS)定位影响鸭胸肌肉色性状的候选基因及分子标记,探究肉色性状的遗传基础。本研究中,共测定了555只北京鸭×野鸭F2代资源群体的3种胸肌肉色性状(包括红度a~*、黄度b~*、亮度L~*)。利用北京鸭×野鸭F2代资源群体胸肌肉色性状数据并结合全基因组重测序数据进行全基因组关联分析,检测影响胸肌肉色性状的相关基因及可能的因果变异位点。结果显示,肌肉亮度L~*、红度a~*、黄度b~*均属于低遗传力性状,遗传力分别为0.23、0.12、0.13,且肌肉黄度b~*变异系数较大(26.18%)。通过相关性分析可知,肌肉黄度与红度存在较强正表型相关(r=0.52),肌纤维直径与肌肉黄度存在弱负相关性(r=-0.16)。利用混合线性模型进行GWAS,发现了1个SNP与肌肉黄度b~*潜在显著关联(-log_(10)P=8.28)。对最高效应SNP进行连锁不平衡检验,发现42个SNPs与最高点SNP存在高相关性(r~20.4),这些SNPs位于9号染色体0.37～0.43 Mb之间,区间中共包含7个基因。通过转录组测序数据分析,发现只有5个基因在胸肌组织中表达。对这5个基因进行功能注释,确定硒蛋白T(SELENOT)基因为影响肌肉黄度的候选基因。该结果为解析鸭胸肌肉色性状和提高鸭肉品质的遗传改良提供重要参考。     

伊犁马毛色性状的全基因组关联分析

实验旨在利用全基因组关联分析(GWAS)挖掘影响伊犁马毛色性状的关键基因,探究马毛色性状的遗传基础.本研究基于670K高密度芯片,利用卡方检验对129匹伊犁马的毛色性状进行关联分析,探索影响毛色性状的相关基因.利用Plink1.9软件对个体和SNP位点进行质控,质控后剩余119个个体和494137个单苷酸多态性位点(S...