全基因组选择及其在奶牛育种中的应用VIP免费

发表于《中国奶牛》，2011全基因组选择育种技术及在奶牛育种中应用进展范翌鹏1孙东晓1*张勤1张胜利1张沅1刘林2（1.中国农业大学动物科技学院，北京，100193；2.北京奶牛中心.北京.100085）摘要：全基因组选择是指基于基因组育种值（GEBV）的选择方法，指通过检测覆盖全基因组的分子标记，利用基因组水平的遗传信息对个体进行遗传评估，以期获得更高的育种值估计准确度。由于可显著缩短世代间隔，全基因组选择作为一种育种新技术在奶牛育种中具有广阔的应用前景，目前已经成为各国的研究热点。不同国家的试验结果表明，在奶牛育种工作，基于GEBV的遗传评估可靠性在20-67%之间,如果代替常规后裔测定体系，可节省92%的育种成本。本文综述了全基因组选择的基本原理及其在各国奶牛育种中的应用现状和所面临的问题。关键词：全基因组选择，奶牛育种Genome-WideSelectionanditsApplicationinDairyCattleFANYiPeng,SUNDongxiao,ZHANGQin,ZHANGShangli,ZHANGYuan,LIULin(CollegeofAnimalScienceTechnology,ChinaAgriculturalUniversity,Beijing,100193)Abstract:Genomicselectionreferstoselectiondecisionsbasedongenomicbreedingvalues(GEBV).TheGEBVarecalculatedasthesumoftheeffectsofdensegeneticmarkers,orhaplotypesofthesemarkers,acrosstheentiregenome,therebypotentiallycapturingallthequantitativetraitloci(QTL)thatcontributetovariationinatrait.Genomicselectionhasbecomeafocusofstudyinmanycountriesasthenewbreedingmethod.ReliabilitiesofGEBVforyoungbullswithoutprogenytestresultsinthereferencepopulationwerebetween20and67%.Byavoidingprogenytesting,bullbreedingcompaniescouldsaveupto92%oftheircosts[1].Inthispaper,wefirstreviewtheprogressofgenomicselection,includingtheprinciple,methods,accuracyandadvantagesofgenomicselection.Wethenreviewtheapplicationofgenomicselectionindairycattle.Keywords:GenomicSelection,DairyBreeding全基因组选择（GenomicSelection,GS），即全基因组范围的标记辅助选择（MarkerAssistedSelection,MAS），指通过检测覆盖全基因组的分子标记，利用基因组水平的遗传信息对个体进行遗传评估，以期获得更高的育种值估计准确度。研究已表明，标记辅助选择可提高奶牛育种遗传进展[2][3]，但是在目前奶牛育种工作中却无法大规模推广应用标记辅助选择。因为奶牛的生产性状和健康性状均受大量基因座位共同影响，通过有限数量的已知标记无法大幅度加快遗传进展；其次，通过精细定位策略鉴定主效基因需花费大量人力物力和时间；而且利用标记信息估计育种值的计算方法也很复杂。全基因组选择基于基因组育种值（GenomicEstimatedBreedingValue,GEBV）进行选择，其实施包括两个步骤：首先在参考群体中使用基因型数据和表型数据估计每个染色体片段的效应；然后在候选群体中使用个体基因型数据估计基因组育种值（genomicbreedingvalue，GEBV）[4]，模拟研究证明，仅仅通过标记预测育种值的准确性可以达到0.85（指真实育种值与估计育种值之间的相关，而可靠性则指其平方）。如果在犊牛刚出生时即可达到如此高的准确性，对奶牛育种工作则具有深远意义。模拟研究表明：对于一头刚出生的公犊牛而言，如果其GEBV的估计准确性可以达到经过后裔测定估计得1/6到的EBV准确性同样高的程度，相当于可以利用2岁公牛代替5岁乃至更老的公牛作为种用，遗传进展率将提高一倍。与奶牛常规后裔测定体系相比，可节省92%的育种成本[1]。1.不同国家的全基因组选择实施情况及GEBV估计准确性1.1澳大利亚的研究结果在澳大利亚后裔测定体系中选择出生于1998~2003年的共计798头荷斯坦公牛（GeneticsAustralia测定），利用BovineSNP50芯片对56,947个SNP标记进行了个体基因型测定。使用两种方法计算GEBV：第一种方法为Meuwissen等提出的BLUP方法[4]，假设所有的SNP效应均来自于同一个正态总体，即假设所有的SNP效应很小，且σgi2相同。第二种方法为BayesA方法，认为影响一个性状的大部分SNP标记具有微小的独立效应，但一小部分SNPs具有相对较大效应（即不同SNP...