将全基因组关联研究(GWAS)和基因组选择技术与单核苷酸多态性(SNP)及结构变异(SV)标记相结合,以提高对普通鲤鱼复杂性状的预测能力

《Aquaculture》:Integrating GWAS and genomic selection with SNP and SV markers for enhanced prediction of complex traits in common carp

【字体: 大 中 小 】 时间:2026年01月08日 来源:Aquaculture 3.9

编辑推荐:

  基因组选择中SNP与SV标记协同效应研究。采用BOLT-LMM、fastGWA、MLM三种GWAS模型,结合500-50K不同密度标记,对比贝叶斯(BayesA/B/C/BL/BRR)与机器学习(Linear Regression/PLS/Ridge/SVR_linear/SVR_poly)模型在预测鲤鱼标准体长、体重、肌间脂肪含量及体况系数四性状中的表现。结果表明SV标记预测精度(约0.9)显著优于SNP,且单一SV标记优于SNP-SV组合。揭示了结构变异在复杂性状遗传解析中的关键作用,提出优化多类型标记整合策略。

  
朱晓月|傅宇涵|孙志鹏|张瑞鑫|郑先虎|舒永军|郭虎
黑龙江省分子细胞遗传学与遗传育种重点实验室,哈尔滨师范大学生命科学技术学院,哈尔滨150025,中国

摘要

普通鲤鱼(Cyprinus carpio)是一种具有经济价值的水产养殖物种,提高诸如体长等复杂性状的遗传效率对于育种计划至关重要。然而,多种基因组变异类型在基因组选择(GS)中的协同作用潜力尚未得到充分探索。本研究采用了三种GWAS模型——BOLT-LMM、fastGWA和MLM——对两种不同类型的标记(SNP和SV)的基因型数据进行关联分析。通过GWAS方法,选择了五种标记密度(500、1 K、5 K、10 K和50 K),并用于分析四个不同的生长性状,包括标准体长、体重、鱼片脂肪含量和条件因子。本研究中使用的GS模型包括五种贝叶斯模型(BayesA、BayesB、BayesC、BL和BRR)以及五种机器学习模型(线性回归、PLS回归、Ridge、SVR_linear和SVR_poly)。结果表明,通过GWAS选出的标记显著提高了GS的预测准确性。值得注意的是,SV标记的表现优于SNP标记,其预测准确性通常在0.9左右。随后进行了标记整合分析,发现单个SV标记的预测准确性优于SNP+SV组合。这些发现强调了SV标记在提高复杂性状预测准确性方面的关键作用,表明结构变异可能比SNP对表型变异有更显著的影响。此外,结果还突出了在基因组选择策略中优化遗传标记选择和预测模型选择的重要性。

引言

普通鲤鱼(Cyprinus carpio)是全球最重要的鱼类物种之一,其自然分布范围覆盖欧洲和亚洲(Zheng等人,2016年)。该物种大约在2000年前被驯化,目前在全球100多个国家进行养殖。根据联合国粮食及农业组织(FAO)的统计数据,全球年产量超过600万吨(http://www.fao.org/fishery/statistics/global-aquaculture-production/query/en)(Xu等人,2012年;Zheng等人,2016年)。鉴于其对水产养殖产业的经济重要性,研究人员在近几十年开发了多种遗传和基因组工具及资源以促进遗传改良和育种计划(Chen等人,2017年)。这些基因组和群体资源为在育种实践中实施基因组选择提供了坚实的基础。
目前,单核苷酸多态性(SNP)是全基因组关联研究(GWAS)和水产动物遗传育种中最常用的遗传标记。通过GWAS,可以识别与目标性状显著相关的SNP位点,并注释候选基因(Jin等人,2023年)。在基因组选择中,利用全基因组水平的SNP位点来估计选定的亲本的育种值。GWAS在水产养殖中的应用相对较新,最初的研究主要集中在大西洋鲑鱼(Salmo salar)(Gutierrez等人,2015年)和虹鳟鱼(Oncorhynchus mykiss)(Gonzalez-Pena等人,2016年)等鱼类上。例如,Katharina Correa等人(Correa等人,2015年)使用GWAS识别了大西洋鲑鱼对海虱(Caligus rogercresseyi)的抗性相关位点。他们使用50 K SNP阵列对2628条大西洋鲑鱼进行了基因分型,并在21号染色体上识别出一个与抗性显著相关的SNP。同样,Dianelys等人(Gonzalez-Pena等人,2016年)利用GWAS研究了虹鳟鱼的鱼肉产量、体成分和体重增长等性状。他们检测到38,107个SNP,结果表明这些性状是多基因控制的,表明维持增殖性和可再生肌源前体细胞群体的能力差异影响了虹鳟鱼的生长和鱼肉产量。后续研究还将GWAS应用于其他鱼类,包括杂交鲶鱼(Zhong等人,2017年)、亚洲鲈鱼(Wang等人,2017年)和平鱼(Guerrero-Cózar等人,2021年)。总体而言,对于由多个基因控制的复杂性状,GWAS具有显著优势,因为它利用大量遗传标记来识别关键位点并注释候选基因,从而在水产物种的育种计划中发挥关键作用。然而,近年来,遗传标记已经扩展到包括结构变异(SVs),后者变得越来越重要。SVs指的是基因组中的大规模变异,与常见的单核苷酸变异(SNVs)或小插入/缺失(Indels)不同,SVs通常涉及数百到数百万个碱基对(Jin等人,2023年)的较大基因组区域。SVs对基因组功能有显著影响,可能影响基因表达、结构和功能,甚至影响疾病易感性(Sun,2022年)。本研究特别关注插入变异。插入变异涉及新DNA序列整合到基因组中,通常比单个核苷酸突变具有更大的功能意义,因为它们可以显著改变基因表达或功能。插入变异在水产养殖物种的关键经济性状(如生长和免疫反应)中可能起着关键作用。因此,考虑插入变异可以更全面地理解复杂性状的遗传基础。
基因组选择最早由Meuwissen在2001年提出(Meuwissen等人,2001年),已广泛应用于植物和动物的育种中。在水产养殖中,基因组选择研究主要针对的疾病抗性和生长性状。例如,Yoshida等人(Yoshida等人,2019年)使用50 K SNP芯片进行基因分型,并结合基于系谱关系矩阵的PBLUP方法。这种方法显著提高了基因组选择的准确性。基因组选择研究也针对大西洋鲑鱼的海虱抗性(Robledo等人,2018年)、大西洋鲑鱼的阿米巴鳃病抗性(Tsai等人,2015年)、黄尾鱼(Seriola quinqueradiata)的弧菌感染抗性(Nguyen等人,2018年)以及大黄鲈鱼(Larimichthys crocea)的体重(Dong等人,2016年)等性状进行了研究。此外,基因组选择方法还应用于研究耐热性和氨氮抗性等应激耐受性状。Liu等人(Liu等人,2022年)使用两种基因组预测模型GBLUP和Bayes B研究了鲍鱼的耐热性。分析表明,Bayes B模型的预测准确性高于GBLUP模型,这可能是因为鲍鱼的耐热性受多个主要基因和多个次要效应基因的控制。随着许多水产养殖物种的全基因组测序完成,尽管基因组选择在水产养殖中仍处于探索阶段,但预计未来将在实际育种计划中得到更广泛的应用。
在这项研究中,我们旨在探讨将全基因组关联研究和基因组选择相结合对预测准确性的提升效果,以及不同类型遗传标记对GWAS和GS的影响。为此,我们系统地结合并比较了各种GWAS和GS模型。最终目标是为普通鲤鱼的育种优化提供科学依据和实际指导。我们重点研究了不同类型的遗传标记,如单核苷酸多态性和结构变异,特别是插入变异,分析它们在GWAS和GS中的应用,并评估它们在提高预测准确性和优化育种策略中的作用。此外,本研究还研究了SNP和SV的整合策略,旨在通过利用两种标记类型的优势来提高模型精度。通过对不同标记组合的系统分析,我们将揭示整合标记对表型预测和基因组选择效果的潜在影响,为未来水产养殖育种计划中的遗传标记选择和整合提供新的见解和方法。

数据收集

表型数据收集

本研究中使用的表型数据来自我们之前发表的研究(Sun等人,2025年)。在那项研究中,我们从黑龙江省哈尔滨市的呼兰育种站收集了2岁的镜鲤样本,所有样本均在标准化养殖条件下饲养。为了进行表型评估,随机选择了三分之一的个体,最终得到325个个体作为数据集。

表型分布

为了研究普通鲤鱼的遗传变异与表型性状之间的关系,并为育种优化提供依据,我们对四个关键表型性状进行了分布分析。具体分析了标准体长(SL)、体重(BW)、鱼片脂肪含量(FC)和条件因子(CF)的分布,如图1所示。结果显示,标准体长的分布呈正态分布,平均值为26.19厘米,标准差为

讨论

本研究提供了关于在遗传改良中结合单核苷酸多态性和结构变异标记应用的新见解,特别是在基因组选择和全基因组关联研究中。通过分析四个关键生长性状——标准体长、体重、脂肪含量和条件因子,本研究突显了使用SNP和SV标记提高复杂性状预测准确性的潜力。

结论

本研究结合了SNP和SV标记,探讨了遗传标记在水产物种遗传改良中的应用,特别关注它们在基因组选择和全基因组关联研究中的效果。通过对四个关键性状——标准体长、体重、脂肪含量和条件因子的深入分析,研究表明,通过优化模型和标记,基因组选择的预测准确性得到了提高

作者贡献声明

朱晓月:写作——审稿与编辑、撰写原始稿件、可视化、验证、软件使用、方法学、研究设计、数据分析、数据整理。傅宇涵:验证、资源获取、方法学、研究设计。孙志鹏:验证、资源获取、方法学、研究设计。张瑞鑫:可视化、软件使用、研究设计、数据整理。郑先虎:监督、项目管理、资金获取、概念构思。舒永军:写作——审稿与编辑、撰写

出版同意

不适用。

机构审查委员会声明

动物研究方案已获得黑龙江省江河渔业研究所实验室动物福利机构审查委员会(IRB)的批准(方案代码20230426-001,批准日期:2023年4月28日)。

伦理批准和参与同意

动物研究方案已获得黑龙江省江河渔业研究所实验室动物福利机构审查委员会(IRB)的批准(方案代码20230426–001,批准日期:2023年4月28日)。

资助

本研究得到了“春来野鹅”青年科技人才团队的支持计划(黑龙江省科学技术厅资助,项目编号CYQN24037)、中国的国家重点研发计划(农业农村部资助,项目编号2023YFD2400204)以及中国渔业科学院中央公益性科研机构基础研究基金的资助。

利益冲突声明

作者声明没有已知的财务利益或个人关系可能影响本文所述的工作。

致谢

数据分析工作得到了哈尔滨师范大学高性能计算中心的支持。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号