改进使用低覆盖全基因组序列数据对莫斯科蛋生产特征的育种价值预测的准确性
Haoqiang Ye1, Congliang Ji2, Xiaoqi Liu1
1Department of Animal Genetics, Breeding and Reproduction, College of Animal Science, South China Agricultural University, Guangzhou, China; Guangdong Provincial Key Lab of Agro-Animal Genomics and Molecular Breeding and Key Lab of Chicken Genetics, Breeding and Reproduction, Ministry of Agriculture, Guangzhou, China.
Poultry science
|January 16, 2025
概括
低覆盖全基因组测序 (lcWGS) 提高了莫斯科的卵子生产基因组预测准确度. 将lcWGS数据与血统信息相结合,可以增强预测模型,为动物繁殖提供具有成本效益的策略.
科学领域:
- 动物基因组学 动物基因组学
- 量化遗传学 量化遗传学
- 农业科学 农业科学
背景情况:
- 低覆盖全基因组测序 (lcWGS) 是一种成本效益高的基因组测定方法,用于家畜的基因组选择 (GS).
- 在家禽,特别是莫斯科的基因组预测中,lcWGS的应用和优化仍未得到充分探索.
- 在lcWGS数据中的高标记密度和链接不平衡 (LD) 需要先进的方法来进行有效的基因组预测.
研究的目的:
- 评估 lcWGS 数据对莫斯科蛋蛋生产特征的基因组预测的有效性.
- 使用lcWGS数据比较基于血统,GBLUP和单步GBLUP方法的预测性能.
- 探索先进的基因组预测策略,包括基于LD的权重和高斯核模型,用于lcWGS数据.
主要方法:
- 1491只莫斯科的卵生产特征的表型数据.
- 对975只子进行低覆盖全基因组测序 (≤0.84倍深度).
- 基因组最佳线性无偏预测 (GBLUP),基因组最佳线性无偏预测 (GBLUP) 和单步基因组最佳线性无偏预测 (SSGBLUP) 的比较.
- 将LD加权的SNP和高斯核模型应用于GBLUP以捕获表观效应.
主要成果:
- 卵生产特征的估计遗传率在0.071到0.573.3之间.
- 与PBLUP相比,单步基因组评估整合了lcWGS和血统数据,预测准确度提高了12.3%43.9%.
- 考虑到LD异质性和表观性,扩展GBLUP方法实现了比标准GBLUP更好的预测性能 (0.6%75.1%的改进).
结论:
- 低覆盖率的全基因组测序数据是增强莫斯科蛋产卵特征的基因组预测的宝贵资源.
- 通过单步方法整合lcWGS数据显著提高了预测准确性.
- 结合LD信息和表观效应的先进方法进一步优化使用lcWGS数据进行基因组预测,为家禽繁殖计划提供实用策略.
相关概念视频
01:59Plant Breeding and Biotechnology
Crop cultivation has a long history in human civilization, with records showing the cultivation of cereal plants beginning at around 8000 BC. This early plant breeding was developed primarily to provide a steady supply of food.
01:16In vitro Mutagenesis
To learn more about the function of a gene, researchers can observe what happens when the gene is inactivated or “knocked out,” by creating genetically engineered knockout animals. Knockout mice have been particularly useful as models for human diseases such as cancer, Parkinson’s disease, and diabetes.