将转录组数据纳入基因组预测模型,以提高效率特征表型的预测准确度

科学领域:

• 动物育种和遗传学动物育种和遗传学
• 欧米克斯数据集成数据集成
• 定量遗传学 是一种定量遗传学.

背景情况:

• 基因组选择已经在动物育种中建立,人们对其他omics层越来越感兴趣,以提高预测准确度.
• 转录组数据提供了对基因表达的洞察,受遗传学和环境的影响,为表型表达提供了更深入的理解.
• 像GTCBLUP这样的先前模型正在被调整以整合基因组和转录组信息,解决数据冗余问题.

研究的目的:

• 评估肠道转录基因数据的适用性,以预测日本的与效率相关的表型.
• 为了将基因组和转录基因组数据集成,将GTCBLUP模型正式导出并适应到GTCBLUPi中.
• 将GTCBLUPi的预测性能与使用两种信息类型的其他BLUP模型进行比较.

主要方法:

• 利用各种统计方法,包括衍生的GTCBLUPi模型,来整合基因组和转录组数据.
• 在480只日本的F2交叉中比较了与效率相关的特征的方差成分和预测准确度.
• 估计的转录组相关性和个体转录丰度对表型的影响.

主要成果:

• 叶转录丰度解释了表型变异的比主体遗传更大一部分.
• 整合遗传和转录组数据的模型在解释表型变异方面表现出卓越的性能,并实现了更高的预测准确度.
• GTCBLUPi模型有效地整合了这两种数据类型,识别了多基因背景和特征之间的高转录组相关性.

结论:

• 转录数据对表型表达有显著的贡献,并使效率和性能特征的更准确的预测成为可能.
• 整合遗传和转录信息提供了改善表型预测准确性的最有效方法.
• 这种整合提供了对表型变异背后的生物学机制的宝贵见解.