基于 in-silico 混合 DNA 基因分型的水产养殖亲本贡献与遗传价值评估模拟研究

《Genetics Selection Evolution》:Simulation-based assessment of parental contributions and genetic merit using in-silico pooled DNA genotyping in aquaculture

【字体: 大 中 小 】 时间:2026年11月22日 来源:Genetics Selection Evolution 4.4

编辑推荐:

  背景:混合 DNA 基因分型(Pooled DNA genotyping)近几十年来因其在降低基因分型成本方面的巨大潜力而备受关注,并已被应用于鉴定性状相关的 DNA 标记以及估计混合后代样本中的亲本贡献。然而,从混合后代基因型数据中准确估计亲本贡献仍然是选择

  
背景:混合 DNA 基因分型(Pooled DNA genotyping)近几十年来因其在降低基因分型成本方面的巨大潜力而备受关注,并已被应用于鉴定性状相关的 DNA 标记以及估计混合后代样本中的亲本贡献。然而,从混合后代基因型数据中准确估计亲本贡献仍然是选择性育种(selective breeding)面临的一项重大挑战。本研究提出了一种基于差分进化(Differential Evolution, DE)算法的新方法来估计混合后代样本中的个体亲本贡献,并在广泛的模拟场景中评估了其准确性。 结果:通过对 in-silico 混合后代和个体亲本同时进行基因分型,在多种条件下(包括不同的亲本组合(20 雄×20 雌、8 雄×8 雌和 5 雄×5 雌)、SNP(Single Nucleotide Polymorphism)密度(10–3981 个标记)和混合池规模(2–1000 个个体),无论是否已知亲本性别)均实现了高达 100% 的亲本贡献估计准确率。在一个涉及 5 雄 5 雌、产生 6 个全同胞家系(每个家系 200 个后代)的模拟后代测定(progeny testing)场景中,将 1200 个后代按体重排序并根据固定体重间隔分为 10 个 in-silico 混合池。每个混合池的亲本贡献均被准确估计,从而能够可靠计算亲本遗传价值(genetic merit,定义为每个亲本所有后代的平均体重)。通过混合基因分型获得的遗传价值估计值与通过个体基因分型获得的值呈完美相关,相对于 674 g 的平均后代体重,均方根误差(Root Mean Squared Error, RMSE)仅为 1.4 g。仅需对 10 个 in-silico 混合池进行基因分型,而非 1200 个个体,大幅降低了基因分型工作量。该方法已实现为开源 R 包 DNApooling,且使用实证基因分型数据的验证表明,在真实世界条件下该方法对亲本贡献和遗传价值的估计依然可靠。 结论:该方法为通过后代测定估计亲本遗传价值、分析大量产卵物种的交配模式以及评估混合样本内的遗传多样性提供了一种稳健、可扩展且高性价比的途径。其实际应用价值在水产养殖育种计划的遗传评估中尤为突出。
研究背景与问题提出
系谱信息(Pedigree information)在水产养殖育种计划中至关重要,它记录了亲代与子代的关系,使育种者能够估计遗传参数、监测近交水平并实施选择性育种。传统系谱记录依赖受控交配和物理标记(如 PIT 标签),但在大规模水产养殖系统中面临基础设施、空间和人力成本高昂等问题;对于亚洲海鲈(Lates calcarifer)、马拉巴尔笛鲷(Lutjanus malabaricus)等大量产卵(mass-spawning)物种,单次产卵即混合多个亲本组合的后代,难以追踪系谱。分子亲缘鉴定(Molecular parentage assignment)利用微卫星或 SNP(Single Nucleotide Polymorphism,单核苷酸多态性)虽可回溯重建系谱,但对成千上万后代逐一基因分型(individual genotyping)在财力和人力上仍难以承受。混合 DNA 基因分型(Pooled DNA genotyping,即等位基因分型 allelotyping)通过合并多个个体 DNA 降低检测次数,已用于性状关联标记鉴定、遗传力估计等;但现有估计混合池中亲本贡献的方法(最大似然、加权最小二乘)常受池规模、交配与合并设计限制,通用性与精度不足。因此,研究人员引入差分进化(Differential Evolution, DE)算法,在亲本层级(sire 和 dam 贡献)而非家系层级进行推断,以克服家系组成不可辨识(non-identifiability)的问题,满足水产育种对低成本、可扩展亲本评估的需求。
研究设计与主要技术方法
研究人员基于澳大利亚采集的 24 尾野生马拉巴尔笛鲷的 GBS(Genotyping-by-Sequencing)数据模拟 40 尾假设亲本(20 雄×20 雌),保留 3981 个 MAF(Minor Allele Frequency)≥0.0625 的 SNP,按孟德尔遗传模拟 50 个家系各 1000 尾后代;表型依据真实体重数据(均值 635.1 g,h2=0.29)分解加性效应与残差。核心方法为:用 DEoptim(R 中 DE 实现)最小化观测池等位基因频率 y 与期望频率 M·v 的差异,估计家系贡献向量 v?,再聚合为个体亲本贡献 ?;参数设 NP=500、F=0.8、CR=0.5、最大迭代 100000、VTR=0.5。系统变动 SNP 数(10–3981)、池规模(2–1000)、可能家系数(25/64/400)及是否遮蔽亲本性别。后代测定案例将 5×5 亲本产生的 1200 尾后代按体重每 115 g 分 10 池,用 200 个 SNP 估亲本遗传价值 GM_j,pooled = ?·Σ(o_ij·w?_i)/Σo_ij。实证验证采用 barramundi(Lates calcarifer)16 雄×8 雌大量产卵队列(780 尾后代+亲本,52245 个 SNP,取 1000 个建模),并另用约束 MLE(limSolve::lsei)与贝叶斯 Dirichlet 先验 Metropolis–Hastings 作对照。软件封装为 R 包 DNApooling。
研究结果
Overall performance of the pooled genotyping approach
在 8×8 配置下,池规模 2–1000 均保持约 100% 亲本贡献估计精度(r_contrib≥0.99,MSE≈0);计算复杂度只依赖可能家系数与 SNP 数,不随池内个体数上升,优于既往仅支持 3 尾/池的方法。
Effect of SNP density and comparison with previous approaches
64 个可能家系时,63 个 SNP 仍达满分,降至 10 个 SNP 时 r_contrib 约 0.80;理论下界为 f?1 个信息位点。DE 目标函数改用绝对误差最小化,并把家系解聚到 sire/dam 层级,比 Kinghorn 等(家系级)与 Hamilton(≤3 尾/池个体指派)更具扩展性。
Estimation of parental and family contributions
家系级 v? 在重复运行间不唯一(多组 v 给出同一 y),但聚合后的亲本贡献唯一且准确;文中以 2 雄×2 雌为例说明 v?、v?、v? 均得相同父/母各 50%。故该方法适合亲本级遗传评估,不适合重建具体配对。
Application to progeny testing
1200 尾按体重分 10 池(9,51,105,184,260,244,195,90,51,11 尾), pooled 与 individual 遗传价值相关 r=1.0,RMSE=1.4 g(相对均重 674 g);与真实加性遗传值相关分别为 0.790 与 0.793,证明 10 次池检测可替代 1200 次个体检测。
Validation on empirical data
Barramundi 实证池(100 尾后代、1000 SNP、10 雄 6 雌)估计贡献与系谱真值 r≥0.997,对 F∈{0.1,0.8,2}、CR∈{0.1,0.5,0.9} 不敏感;实证后代测定中池基 GM 与个体系谱 GM r=0.99,与 GEBV r=0.74、PEBV r=0.87。MLE 与贝叶斯结果和 DEoptim 相差仅 1–2%,但 MLE 秒级完成,DE 更慢却擅长非线性似然(测序读段二项方差、基因型概率、选择偏差等)。
讨论总结与结论翻译
讨论指出:该方法在理想 in-silico 条件下给出精度上界,实操中需控制混样不均、扩增偏倚、基因分型误差;不依赖亲本性别,对性逆转或缺乏外部性征的海洋物种尤其有利;在混合产卵、未标记混养家系场景可替代逐一分型,但在严格家系管护下增益有限。家系组成不可辨识是固有属性,若需家系结构应转用个体指派类方法。DEoptim、MLE、贝叶斯三法收敛一致,说明线性混合模型下解由 SNP 频率结构决定;遇读段深度、显性效应、单倍型区块等非线性情形,DE 的全局无梯度搜索更具优势。
结论部分翻译:该方法为通过后代测定估计亲本遗传价值、分析大量产卵物种的交配模式以及评估混合样本内的遗传多样性,提供了一种稳健、可扩展且经济高效的途径。其实际效用在水产养殖育种计划的遗传评估中尤为相关。
你希望先对这篇论文的方法可靠性、创新点还是应用局限做进一步评审?
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