Einbeziehen genomischer Informationen in die routinemäßige genetische Auswertung

Dinesh Thekkoot PhD

 

Viele Jahre lang waren Schweineproduzenten von physikalischen Eigenschaften und phänotypischen Bewertungen abhängig, um Schweine für die Erzeugung ihrer nächsten Generation auszuwählen. Später wurden Zucht- und Kreuzungsmethoden unter Verwendung quantitativer Genetik verwendet, um den genetischen Wert eines Tieres genauer zu schätzen.

Mit der Einführung eines neuen statistischen Verfahrens, der sogenannten "Best Linear Objective Prediction" (BLUP), konnte der genetische Fortschritt mit den späten 1980-Antrieben beschleunigt werden, wodurch Züchter die Leistungsdaten vieler Tiere nutzen und diese mit den Pedigree-Informationen (genetische Beziehung zwischen Tieren) kombinieren konnten. Mit dem Aufkommen der markergestützten Selektion (MAS) begannen die Züchter, Informationen aus molekularen Markern mit den traditionellen quantitativen Verfahren zu kombinieren. 

Die Schweineindustrie profitierte auch von individuellen DNA-Tests, um Tiere auf verschiedene Marker wie RYR1 (PSE - blasses weiches exsudatives Fleisch), MC4R (Wachstumsrate), ESR (Wurfgröße), PRKAG3 (Fleischqualität) usw. zu untersuchen Nur wenige spezifische Beispiele, die meisten dieser Marker erklärten nur einen sehr geringen Prozentsatz der genetischen Variation dieser Merkmale und litten unter praktischen Schwierigkeiten bei der Integration in reguläre genetische Bewertungsverfahren. Die meisten dieser Mängel wurden mit einer Methode namens Genomic Selection (GS) behoben, die erstmals von Meuwissen et al. (2001). Die für die praktische Umsetzung von GS erforderlichen Technologien und Informationen waren zu diesem Zeitpunkt jedoch nicht verfügbar.

Drei wesentliche Weiterentwicklungen ermöglichten die praktische Umsetzung von GS.

1.  Sequenzierung des Tiergenoms und Identifizierung von Millionen einzelner Nukleotidpolymorphismen (SNP), 
2. Entwicklung von Hochdurchsatz-Genotypisierungstechnologien zur kostengünstigen Genotypisierung von Tausenden von SNPs und 
3. Entwicklung neuer statistischer Methoden zur Schätzung und Einbeziehung von SNP-Informationen in routinemäßige genetische Bewertungen (Samore und Fontanesi, 2016).

Diese Fortschritte führten zur ersten praktischen Umsetzung GS in 2009 bei Milchkühen in den USA.

Die Aufnahme genomischer Informationen in die routinemäßige genetische Bewertung bei Schweinen wurde mit zwei weiteren technologischen Durchbrüchen ermöglicht;

• Entwicklung eines ersten kommerziellen SNP - Panels für die Hochdurchsatz - Genotypisierung bei Schweinen und
• Sequenzierung des Schweinegenoms in 2010.

Im Anschluss daran veröffentlichten verschiedene Genotypisierungsunternehmen SNP-Panels von 10k bis 650k für die Genotypisierung von Schweinen. Genesus verwendet derzeit ein maßgeschneidertes SNP-Panel von Affymetrix, das mehr als 55,000-SNPs für die Routine-Genotypisierung enthält. In dieser Zeit wurden auch verschiedene statistische Methoden entwickelt, um genomische Informationen in die Bewertung einzubeziehen. Legarra et al. (2009) und Christensen und Lund (2010) entwickelten eine Methode namens Single Step Genomic BLUP (SSBLUP), die Genomik zusammen mit Stammbaum und Leistungsdaten verwendet, um den genetischen Wert von Auswahlkandidaten zu schätzen. Derzeit bietet diese Methode die höchsten Prognosegenauigkeiten für geschätzte Zuchtwerte (EBV) von Jungtieren, und Genesus hat dies in die genetische Routinebewertung implementiert. Eine Erhöhung der Genauigkeit der Vorhersage führt zu einem erhöhten genetischen Gewinn pro Jahr. Die Genauigkeit von EBVs und ihre Auswirkungen auf den genetischen Gewinn wurden in einem früheren Artikel ausführlich erörtert und können gelesen werden hier.

Genesus forscht seit 2011 auf dem Gebiet der GS. Wir haben jedes Merkmal im Detail untersucht, indem wir verschiedene GS-Auswahlszenarien simuliert und reale Populationsstrukturen und Daten nachgeahmt haben. Diese Studien haben uns geholfen, die Vorteile und potenziellen Probleme vorherzusagen und zu analysieren, denen wir bei der Implementierung von GS begegnen können. Unsere Studien zur Validierung der Genauigkeitssteigerung mit SSBLUP haben gezeigt, dass mit SSBLUP die durchschnittlichen Vorhersagegenauigkeiten für Wachstumsmerkmale (Alter bis 120 kg, Rückenfett und Lendentiefe usw.) für Yorkshire um 71%, 83% und 76% gestiegen sind , Landrace und Durocs. In ähnlicher Weise erhöhten sich bei Durocs die durchschnittlichen Genauigkeiten für Fleischqualitätsmerkmale (Farbe, Marmorierung, pH-Wert usw.) um 44% und für Schlachtkörpermerkmale (Schlachtkörperrückenfett, Schlachtkörperlende und heißes Schlachtkörpergewicht) um 88%. Diese Genauigkeitssteigerungen werden dazu führen, dass Genesus Durocs weiterhin hervorragende Wachstums-, Effizienz-, Schlachtkörper- und Essqualitätsmerkmale aufweist. Bei mütterlichen Rassen (Yorkshire und Landrace) erhöhte sich durch Verwendung von SSBLUP die durchschnittliche Wurfgröße bei der Geburtsgenauigkeit um den Faktor 67%. All diese Genauigkeitssteigerungen werden sich in unserer genetischen Reaktion und unserem Beitrag zur Maximierung der Rentabilität für Genesus-Kunden widerspiegeln.

 

Bibliographie

Christensen OF, und Lund, MS (2010). Genomische Vorhersage, wenn einige Tiere nicht genotypisiert sind. Genetik Auswahl Evolution. 42, 2

Legarra A., Aguilar I. und Misztal I. (2009). Eine Beziehungsmatrix mit vollständigen Stammbaum- und genomischen Informationen. J von Dairy Sci. 92: 4656 - 4663

Meuwissen THE, Hayes BJ und Goddard ME (2001). Vorhersage des gesamten genetischen Werts mit genomweiten dichten Marker Karten. Genetik. 157: 1819-1929

Samore AB und Fontanesi L. (2016) Genomische Selektion bei Schweinen: Stand der Technik und Perspektiven, Italienisches Journal für Tierwissenschaften, 15: 2, 211-

 

Kategorisiert in: Nachrichten, Global Tech

Dieser Beitrag wurde von Genesus geschrieben