Incorporando informazioni genomiche nella valutazione genetica di routine

Dinesh Thekkoot PhD

 

Per molti anni, i produttori di suini dipendevano dalle caratteristiche fisiche e dalle valutazioni fenotipiche per selezionare i maiali per produrre la loro prossima generazione. Successivamente, sono stati impiegati metodi di ibridazione e incrocio, utilizzando la genetica quantitativa per stimare il merito genetico degli animali in modo più accurato.

Entro la fine di 1980 il progresso genetico ha aumentato il suo ritmo con l'introduzione di una nuova procedura statistica chiamata migliore predizione lineare imparziale (BLUP), che ha permesso agli allevatori di utilizzare le informazioni sulle prestazioni di molti animali e di combinarle con informazioni genealogiche (relazione genetica tra animali). Con l'avvento della selezione assistita dai marcatori (MAS), gli allevatori hanno iniziato a combinare le informazioni provenienti dai marcatori molecolari con le tradizionali procedure quantitative. 

L'industria suina ha anche beneficiato di test del DNA individuali, per lo screening degli animali per vari marcatori come RYR1 (PSE - carne essudativa pallida e morbida), MC4R (tasso di crescita), ESR (dimensione della cucciolata), PRKAG3 (qualità della carne), ecc. pochi esempi specifici, la maggior parte di questi marcatori spiegava solo una piccolissima percentuale di variazione genetica di questi tratti e soffriva di difficoltà pratiche nell'integrazione con le normali procedure di valutazione genetica. La maggior parte di queste carenze sono state affrontate in un metodo chiamato Genomic Selection (GS) proposto per la prima volta da Meuwissen et al. (2001). Ma le tecnologie e le informazioni necessarie per l'implementazione pratica di GS non erano disponibili in quel momento.

Tre principali sviluppi successivi hanno reso possibile l'attuazione pratica della GS.

  1.  Sequenziamento del genoma animale e identificazione di milioni di polimorfismi a singolo nucleotide (SNP), 
  2. sviluppo di tecnologie di genotipizzazione ad alto rendimento per una genotipizzazione economica di migliaia di SNP e 
  3. sviluppo di nuovi metodi statistici per stimare e incorporare informazioni SNP in valutazioni genetiche di routine (Samore e Fontanesi, 2016).

Questi progressi hanno portato alla prima implementazione pratica GS in 2009 nei bovini da latte negli Stati Uniti.

L'incorporazione di informazioni genomiche nella valutazione genetica di routine nei suini è stata resa possibile con due ulteriori scoperte tecnologiche;

  • sviluppo del primo pannello SNP commerciale per la genotipizzazione ad alta produttività nei suini e
  • sequenziamento del genoma suino in 2010.

In seguito, varie società di genotipizzazione hanno rilasciato pannelli SNP che vanno da 10k a 650k per i maiali di genotipizzazione. Genesus attualmente utilizza un pannello SNP personalizzato da Affymetrix che contiene più di 55,000 SNP per la genotipizzazione di routine. Durante questo periodo sono stati sviluppati vari metodi statistici per incorporare le informazioni genomiche nella valutazione. Legarra et al., (2009) e Christensen e Lund (2010) hanno sviluppato un metodo chiamato BLUP genomico a passo singolo (SSBLUP) che utilizza genomica insieme a informazioni genealogiche e prestazionali per stimare il merito genetico dei candidati alla selezione. Attualmente questo metodo fornisce la massima precisione di previsione per i valori di allevamento stimati (EBV) di animali giovani, e Genesus ha implementato questo nella valutazione genetica di routine. Un aumento della precisione della predizione determina un aumento genetico annuale. L'accuratezza degli EBV e il suo impatto sul guadagno genetico sono stati discussi in dettaglio in un precedente articolo e possono essere letti qui.

Genesus ha condotto ricerche nel campo della GS dal 2011 in poi. Abbiamo studiato ogni tratto in dettaglio, simulando vari scenari di selezione GS, imitando strutture e dati reali della popolazione. Questi studi ci hanno aiutato a prevedere e analizzare i vantaggi e i potenziali problemi che potremmo incontrare durante l'implementazione di GS. I nostri studi per convalidare l'aumento delle precisioni utilizzando SSBLUP hanno dimostrato che utilizzando SSBLUP, le accuratezze medie di previsione per i tratti di crescita (età fino a 120 kg, grasso dorsale e profondità del lombo ecc.) Sono aumentate del 71%, 83% e 76% per lo Yorkshire , Landrace e Durocs rispettivamente. Allo stesso modo, in Durocs, le precisioni medie sono aumentate del 44% per i tratti di qualità della carne (colore, marezzatura, pH ecc.) E dell'88% per i tratti di carcassa (grasso della schiena, lombo di carcassa e peso della carcassa caldo). Questi aumenti di accuratezza porteranno Genesus Durocs a continuare a eccellere in termini di crescita, efficienza, carcassa e qualità alimentare. Per le razze materne (Yorkshire e Landrace), utilizzando SSBLUP la dimensione media della cucciolata alla nascita è aumentata di un fattore del 67%. Tutti questi aumenti di accuratezza si rifletteranno nella nostra risposta genetica e nel contributo alla massimizzazione della redditività per i clienti Genesus.

 

Riferimenti

Christensen OF, e Lund, MS (2010). Predizione genomica quando alcuni animali non sono genotipizzati. Evoluzione della selezione genetica. 42, 2

Legarra A., Aguilar I. e Misztal I. (2009). Una matrice di relazioni che include informazioni pedigree complete e informazioni genomiche. J di Dairy Sci. 92: 4656 - 4663

Meuwissen THE, Hayes BJ e Goddard ME (2001). Previsione del valore genetico totale mediante mappe di marcatori densi a livello genomico. Genetica. 157: 1819-1929

Samore AB e Fontanesi L. (2016) Selezione genomica nei suini: stato dell'arte e prospettive, Rivista italiana di scienza animale, 15: 2, 211-

 

Condividi questo...
Condividi su LinkedIn
LinkedIn
Condividi su Facebook
Facebook
Tweet su questo su Twitter
Twitter

Categorizzato in: ,

Questo post è stato scritto da Genesus