《Journal of Dairy Science》:Assessing genotype by feed interactions for milk production traits in dairy cattle
编辑推荐:
摘要:奶牛养殖系统正向更可持续的生产方式演变,这些变化可能增强基因型×环境互作(Genotype-by-Environment interaction, G×E)。G×E分析若能纳入详细的饲养实践信息将更有价值,但此类数据因非常规收集而极少被采用。本研究利用详
摘要:奶牛养殖系统正向更可持续的生产方式演变,这些变化可能增强基因型×环境互作(Genotype-by-Environment interaction, G×E)。G×E分析若能纳入详细的饲养实践信息将更有价值,但此类数据因非常规收集而极少被采用。本研究利用详细饲养信息,采用反应规范模型(Reaction Norm Model, RNM)分析奶牛泌乳性状的G×E,并采用特征状态模型(Character State Model)比较有机与常规养殖系统间的差异。2016—2021年荷兰973个奶牛场的环境描述因子包括:日粮精料比例(% of diet DM)、氮利用率(Nitrogen Use Efficiency, NUE, %)、磷利用率(Phosphorus Use Efficiency, PUE, %)及日粮泌乳净能(Net Energy for Lactation, NEL, MJ/kg DM)。作为对照还纳入常用描述因子——群平均产奶量(Herd average Milk Yield, HMY, kg/头/年)。数据集含101,979条初产牛泌乳记录,其中6,094条来自有机场,95,885条来自常规场。乳量的遗传力(heritability, h2 ± SE)在有机场为0.36±0.04,常规场为0.44±0.01。饲喂13.0%精料(DM基础)时乳量遗传力为0.17±0.02,饲喂43.0%精料时升至0.54±0.01。同理,乳量、乳脂量及乳蛋白量的遗传力随NUE、PUE、NEL及HMY升高而增加。本研究假定残差方差在各环境描述因子间恒定,因此遗传力升高源于遗传方差增大。乳脂率、乳蛋白率及体细胞评分(Somatic Cell Score, SCS)的遗传力对环境描述因子的变化反应有限。同一性状在不同环境描述因子水平间的遗传相关(genetic correlation, rg)大多接近1,仅产奶量性状跨HMY水平例外。结果表明本研究中的G×E表现为尺度效应(scaling effects),几乎无基因型重排(genotype re-ranking)证据。忽略尺度效应会导致偏离平均水平环境下估计育种值(Estimated Breeding Value, EBV)产生偏差。需开展含泌乳性状之外性状的多元分析以量化其对选种方案的潜在影响。
论文解读:
《Journal of Dairy Science》刊载的此项研究由Wageningen University & Research动物育种与基因组学课题组Guennoc等完成,旨在利用荷兰农场年度养分循环评估(Annual Nutrient Cycle Assessment, ANCA)数据库中详细的饲养与养分利用效率数据,通过随机回归反应规范模型(Reaction Norm Model, RNM)和双变量特征状态模型(Character State Model)分析荷兰荷斯坦-弗里生(Holstein-Friesian, HF)初产牛泌乳性状——305天产奶量(Milk yield)、乳脂量(Fat yield)、乳蛋白量(Protein yield)、乳脂率(Fat content)、乳蛋白率(Protein content)及体细胞评分(Somatic Cell Score, SCS)——在不同饲养环境下的基因型×环境互作(Genotype-by-Environment interaction, G×E),并比较有机(Organic)与常规(Conventional)养殖系统间的G×E。
研究背景方面,奶牛养殖向可持续方向转型(如改善氮磷平衡、增加粗饲料比例)可能诱发G×E,即不同基因型对同一环境梯度响应不同,可表现为遗传方差差异(尺度效应/scaling)或个体排名改变(重排/re-ranking)。既往G×E研究多用群平均产奶量(Herd average Milk Yield, HMY)或离散系统类型(有机vs常规、舍饲vs放牧)作环境描述因子(Environmental Descriptor),极少纳入精料比例、日粮泌乳净能(Net Energy for Lactation, NEL)、氮利用率(Nitrogen Use Efficiency, NUE)、磷利用率(Phosphorus Use Efficiency, PUE)等量化饲养指标,原因是此类农场级数据大规模获取困难。此外有机与常规系统差异主要源于认证规范(限制合成氮肥、强调放牧和粗饲),能否代表饲养实践连续变异尚待验证。本研究利用荷兰强制参与的ANCA数据库,将饲养与养分效率量化指标引入G×E分析,填补了这一空白。
主要关键技术方法:研究人员从CRV获取2016—2021年荷兰1,124个场的初产牛泌乳记录及系谱,匹配ANCA中973个场的年度环境描述因子——日粮精料比例(% DM)、NUE(%)、PUE(%)、NEL(MJ/kg DM)、HMY(kg/头/年)及经青年牛数校正后的PCA第一主成分(PC1);筛选≥80% HF血统、经产次为初产、泌乳天数150—305天(短于305天外推)且匹配环境数据的记录,最终保留101,979条泌乳性状记录和97,863条SCS记录。有机场按邮编就近匹配约3倍常规场以平衡土壤等混淆因素。采用ASReml拟合:(1)双变量特征状态模型将有机/常规视为两性状估算遗传参数及遗传相关;(2)随机回归反应规范模型以Legendre多项式拟合连续环境描述因子,假定残差方差同质,通过贝叶斯信息 Criterion(BIC)选定多项式阶数(辅以扩展因子分析Extended Factor Analytic, XFA处理收敛问题),计算各环境水平下加性遗传方差σa2、遗传力h2及跨环境遗传相关rg,rg<0.80视为重排阈值;另做异质残差分组的敏感性检验及分5个精料等级的多变量特征状态模型对比;基于RNM估算20头广泛使用公牛在各精料水平下的估计育种值(Estimated Breeding Value, EBV)。
研究结果如下:
DESCRIPTIVE RESULTS:有机场305天产奶量均值低约1,216 kg,SCS高0.16单位;精料、玉米青贮及副产物比例低于常规场,鲜草与干草比例更高。精料比例有机场1.0%—54.0%、常规场8.2%—56.0%,NUE与PUE有机场略低但系统内变异大。PCA第一主成分(PC1)解释44.9%变异,正负荷NUE(0.44)、PUE(0.41)、NEL(0.40),负负荷干草(?0.36)、鲜草(?0.34),有机与常规场在PC1上重叠显著。
CHARACTER STATE MODEL:全数据集乳量h2=0.43,有机场h2=0.36(σa=560)、常规场h2=0.44(σa=735),乳脂量、乳蛋白量遗传方差有机低于常规;乳脂率、乳蛋白率h2及σa2两系统相近(~0.71、0.74);SCS有机场h2=0.14高于常规场0.11。所有性状有机与常规间rg≥0.94(乳量0.94,产量性状0.97—0.98,组分~0.99,SCS 1.00),表明仅有尺度效应无重排。
REACTION NORM MODELS:BIC显示乳量、乳脂量、乳蛋白量需1阶或2阶Legendre多项式(存在G×E),脂肪率部分环境描述因子有G×E,蛋白率无G×E,SCS仅HMY有。
GENETIC VARIANCE AND HERITABILITY:残差方差假定恒定前提下,乳量、乳脂量、乳蛋白量h2随各环境描述因子升高大幅上升——精料13.0%时乳量h2=0.17,43.0%时h2=0.54;NUE最低至最高h2从0.11升至0.54;PUE从0.14到0.53;NEL从0.12到0.59;HMY从0.12到0.66;PC1从0.09到0.59。乳脂率h2仅微变(~0.67—0.74),蛋白率稳定(~0.72—0.75),SCS在低—高精料下h2从0.08到0.21但BIC支持0阶(无G×E)。遗传力变化完全由遗传方差增大驱动。
GENETIC CORRELATIONS:同一性状跨环境描述因子1百分位与99百分位间rg大多接近1——精料下乳量rg=0.81、脂肪量0.96、蛋白量0.90;NUE下分别为0.83、0.73、0.82;PUE下0.87、0.87、0.81;NEL下0.94、0.93、0.94;PC1下0.76、0.70、0.70。唯一明显低于0.80的是跨HMY水平:乳量rg=0.52、脂肪量0.65、蛋白量0.26(伴较大SE),作者认为HMY含响应变量自身成分致解释受限。脂肪率、蛋白率、SCS跨环境rg≥0.90。说明除HMY外基本无重排证据。
HETEROGENEOUS RESIDUAL VARIANCE:允许残差方差异质后,乳量残差标准差低—高精料组由846降至759 kg;特征状态五分类模型残差标准差由779升至856 kg。两方案均一致显示高精料下加性遗传标准差增大(634→796 kg)、h2升高(0.40→0.46或0.39→0.52),主结论不受影响。
ESTIMATED BREEDING VALUES:20头公牛跨精料水平EBV斜率不同但排序变化极小(印证高rg),幅度随遗传方差缩放——最优公牛在13.0%精料时EBV=+627 kg,平均26.5%时为+1,070 kg(与单变量模型+1,077 kg吻合),43.0%时为+1,159 kg。说明忽略尺度效应会使偏离平均精料水平牧场的EBV偏差加大。
讨论与结论总结:本研究表明泌乳量性状存在显著G×E(RNM高阶拟合优),主要表现为尺度效应——高精料、高NEL、高NUE/PUE、高HMY环境下加性遗传方差与遗传力显著升高(乳量h20.17→0.54),原因是低营养水平限制遗传潜力表达;脂肪率、蛋白率及SCS无实质G×E。有机与常规系统间亦仅为尺度效应(rg≈0.94—1.00),有机场相当于低精料环境(均值21.5%精料时RNM给出h2=0.37,与特征状态模型0.36吻合;常规场27.0%精料时RNM h2=0.45,特征状态模型0.44吻合),且两系统饲养实践重叠大,有机状态仅捕获部分管理变异,连续量化饲养描述因子配RNM更优。历史遗传力上升趋势部分可用饲养水平改善解释。当前基于群体平均环境的EBV在偏离均值牧场有偏,高精料场更能发挥高产公牛优势。由于rg大多>0.80且无重排,单一套种方案仍可适用,但多性状综合选择时需关注各性状尺度效应对聚合基因型相对权重的可能影响。未来应拓展至健康、繁殖及饲料效率性状并考虑性状间相关受环境影响。结论:奶牛乳量、乳脂量及乳蛋白量性状存在显著饲养相关的G×E,表现为尺度效应而无实质基因型重排;脂肪率、蛋白率及SCS G×E证据有限;有机与常规系统间亦为尺度效应且饲养实践高度重叠;研究结果强调 herd management 对遗传参数估计的重要影响,对估计育种值校正及选种方案具重要意义。