将基因组信息纳入常规遗传评估

Dinesh Thekkoot博士

多年来，生猪生产者依靠身体特征和表型评估选择生产下一代猪。后来，采用定量遗传学的育种和杂交方法更准确地估计了动物的遗传价值。

随着1980的推出，遗传进展随着引入一种称为最佳线性无偏预测（BLUP）的新统计程序而增加，这使得育种者能够利用来自许多动物的表现信息并将其与谱系信息（动物之间的遗传关系）相结合。随着标记辅助选择（MAS）的出现，育种者开始将来自分子标记的信息与传统的定量程序相结合。

猪业还受益于单独的DNA测试，可以对动物进行多种标记物的筛选，例如RYR1（PSE –淡软的渗出肉），MC4R（生长率），ESR（产仔数），PRKAG3（肉品质）等。几个具体的例子很少，这些标记中的大多数仅解释了这些性状的很小一部分遗传变异，并且在与常规遗传评估程序整合中存在实际困难。这些不足大部分通过Meuwissen等人首先提出的称为基因组选择（GS）的方法解决。（2001）。但是，当时尚没有实际实施GS所需的技术和信息。

随后的三个主要发展使GS的实际实施成为可能。

动物基因组测序和数百万单核苷酸多态性（SNP）的鉴定，
开发高通量基因分型技术，用于数千个SNP的成本有效的基因分型，以及
开发新的统计方法来评估和纳入常规基因评估中的SNP信息（Samore和Fontanesi，2016）。

这些进步使美国奶牛在2009中首次实际实施GS。

将基因组信息纳入猪的常规遗传评估是有可能的，还有两项技术突破：

开发用于猪高通量基因分型的第一个商用SNP板
2010中猪基因组的测序。

在此之后，各种基因分型公司发布了从10k到650k的SNP小组，用于猪的基因分型。 Genesus目前使用来自Affymetrix的定制SNP面板，其包含超过55,000 SNP用于常规基因分型。在此期间还开发了各种统计方法，用于将基因组信息纳入评估。 Legarra等人，（2009）和Christensen和Lund（2010）开发了一种称为单步基因组BLUP（SSBLUP）的方法，该方法利用基因组以及谱系和性能信息来估计选择候选物的遗传价值。目前，该方法为幼小动物的估计育种值（EBV）提供了最高的预测准确度，Genesus已在常规遗传评估中实现了这一点。预测准确性的提高导致每年增加的遗传增益。 EBV的准确性及其对遗传增益的影响在前一篇文章中有详细讨论，可以阅读此处.

从2011年起，Genesus一直在GS领域进行研究。我们通过模拟各种GS选择方案，模拟实际人口结构和数据来详细研究每个特征。这些研究帮助我们预测和分析了在实施GS期间可能面临的优势和潜在问题。我们使用SSBLUP验证准确性提高的研究表明，通过使用SSBLUP，约克郡的生长性状（年龄达到120公斤，背部脂肪和腰部深度等）的平均预测准确性提高了71％，83％和76％，Landrace和Durocs。同样，在杜洛克，肉质性状（颜色，大理石花纹，pH等）的平均准确度提高了，and体性状（back体后脂肪，lo体腰肉和car体热重）的平均准确度提高了44％。这些准确性的提高将导致杜洛克（Genesus Durocs）在生长，效率，car体和饮食品质特征方面继续表现出色。对于母本品种（约克郡和地方品种），通过使用SSBLUP，出生时的平均产仔精度提高了88％。所有这些准确性的提高将反映在我们的遗传反应以及对Genesus客户的最大利润率的贡献中。

参考资料

Christensen OF和Lund，MS（2010）。当一些动物没有基因分型时的基因组预测。遗传学选择进化。 42，2

Legarra A.，Aguilar I.和Misztal I.（2009）。包含完整谱系和基因组信息的关系矩阵。 J乳品科学。 92：4656 - 4663

Meuwissen THE，Hayes BJ和Goddard ME（2001）。使用全基因组密集标记图预测总遗传值。遗传学。 157：1819-1929

Samore AB和Fontanesi L.（2016）猪的基因组选择：现有技术和观点，意大利动物科学杂志，15：2，211-

印刷通讯🖨