Uwzględnianie informacji genomicznych w rutynowej ocenie genetycznej

Dinesh Thekkoot PhD

 

Przez wiele lat producenci trzody chlewnej polegali na cechach fizycznych i ocenach fenotypowych, aby wybrać świnie do wytworzenia następnego pokolenia. Później zastosowano metody hodowli i krzyżowania z wykorzystaniem genetyki ilościowej, aby dokładniej oszacować wartość genetyczną zwierząt.

Pod koniec 1980-a postęp genetyczny wzrósł wraz z wprowadzeniem nowej procedury statystycznej zwanej najlepszym bezstronnym prognozowaniem liniowym (BLUP), która umożliwiła hodowcom wykorzystywanie informacji o wydajności wielu zwierząt i łączenie ich z informacjami o rodowodach (genetyczna zależność między zwierzętami). Wraz z pojawieniem się selekcji wspomaganej markerami (MAS) hodowcy zaczęli łączyć informacje od markerów molekularnych z tradycyjnymi procedurami ilościowymi. 

Branża trzody chlewnej odniosła również korzyści z indywidualnych testów DNA w celu przesiewu zwierząt pod kątem różnych markerów, takich jak RYR1 (PSE - blade miękkie wysiękowe mięso), MC4R (tempo wzrostu), ESR (wielkość miotu), PRKAG3 (jakość mięsa) itp. kilka konkretnych przykładów, większość z tych markerów wyjaśniała tylko bardzo mały procent zmienności genetycznej tych cech i cierpiała z powodu praktycznych trudności w integracji z regularnymi procedurami oceny genetycznej. Większość tych niedociągnięć została rozwiązana za pomocą metody zwanej selekcją genomową (GS), po raz pierwszy zaproponowanej przez Meuwissena i wsp. (2001). Jednak technologie i informacje wymagane do praktycznego wdrożenia GS nie były wówczas dostępne.

Trzy główne późniejsze zmiany umożliwiły praktyczne wdrożenie GS.

1.  sekwencjonowanie genomu zwierzęcego i identyfikacja milionów polimorfizmów pojedynczych nukleotydów (SNP), 
2. rozwój technologii genotypowania o dużej przepustowości w celu opłacalnego genotypowania tysięcy SNP, oraz 
3. opracowanie nowych metod statystycznych do szacowania i włączania informacji SNP do rutynowych ocen genetycznych (Samore i Fontanesi, 2016).

Te postępy zaowocowały pierwszym praktycznym wdrożeniem GS w 2009 roku u bydła mlecznego w USA.

Włączenie informacji genomowych do rutynowej oceny genetycznej świń stało się możliwe dzięki dwóm kolejnym przełomom technologicznym;

• opracowanie pierwszego komercyjnego panelu SNP do wysokoprzepustowego genotypowania świń oraz
• sekwencjonowanie genomu świni w 2010.

Następnie różne firmy genotypujące wypuściły panele SNP od 10k do 650k dla genotypowania świń. Genesus obecnie wykorzystuje niestandardowy panel SNP z Affymetrix, który zawiera więcej niż SNP 55,000 do rutynowego genotypowania. W tym okresie opracowano również różne metody statystyczne do włączenia informacji genomowych do oceny. Legarra i wsp., (2009) oraz Christensen i Lund (2010) opracowali metodę o nazwie jednokrokowy genomowy BLUP (SSBLUP), który wykorzystuje genom, wraz z informacjami o rodowodzie i wydajności, w celu oszacowania genetycznej wartości kandydatów do selekcji. Obecnie metoda ta zapewnia najwyższe dokładności przewidywania dla szacowanych wartości hodowlanych (EBV) młodych zwierząt, a Genesus wprowadził je do rutynowej oceny genetycznej. Zwiększenie dokładności przewidywania powoduje zwiększenie przyrostu genetycznego w ciągu roku. Dokładność EBV i jej wpływ na przyrost genetyczny został szczegółowo omówiony w poprzednim artykule i można go przeczytać tutaj.

Genesus prowadzi badania w dziedzinie GS od 2011 roku. Przeanalizowaliśmy szczegółowo każdą cechę, symulując różne scenariusze selekcji GS, naśladując rzeczywiste struktury populacji i dane. Badania te pomogły nam przewidzieć i przeanalizować zalety i potencjalne problemy, z jakimi możemy się spotkać podczas wdrażania GS. Nasze badania mające na celu walidację wzrostu dokładności przy użyciu SSBLUP wykazały, że dzięki zastosowaniu SSBLUP średnie dokładności prognozowania cech wzrostu (wiek do 120 kg, słonina i głębokość schabu itp.) Wzrosły o 71%, 83% i 76% dla Yorkshire , Landrace i Durocs odpowiednio. Podobnie w przypadku Durocsa średnia dokładność wzrosła o 44% w przypadku cech jakości mięsa (barwa, marmurkowatość, pH itp.) Oraz o 88% w przypadku cech tuszy (słonina z tuszy, schab z tuszy i masa tuszy ciepłej). Ten wzrost dokładności spowoduje, że Genesus Durocs będzie nadal wyróżniać się wzrostem, wydajnością, tuszą i cechami jakości jedzenia. W przypadku ras matek (Yorkshire i Landrace), dzięki zastosowaniu SSBLUP, średnia wielkość miotu przy urodzeniu wzrosła o współczynnik 67%. Wszystkie te wzrosty dokładności zostaną odzwierciedlone w naszej reakcji genetycznej i wkładzie w maksymalizację rentowności dla klientów Genesus.

 

Referencje

Christensen OF i Lund, MS (2010). Przewidywanie genomu, gdy niektóre zwierzęta nie są genotypowane. Ewolucja selekcji genetycznej. 42, 2

Legarra A., Aguilar I., Misztal I. (2009). Matryca powiązań zawierająca pełne informacje o rodowodzie i genomie. J z Dairy Sci. 92: 4656 – 4663

Meuwissen THE, Hayes BJ i Goddard ME (2001). Przewidywanie całkowitej wartości genetycznej przy użyciu gęstych map markerów obejmujących cały genom. Genetyka. 157:1819-1929

Samore AB i Fontanesi L. (2016) Selekcja genomowa u świń: stan wiedzy i perspektywy, Italian Journal of Animal Science, 15:2, 211-

 

Kategorie: Ciekawa Aktualności, Global Tech

Ten wpis został napisany przez Genesusa