使用转录组数据来改善对猪免疫特征的预测.

科学领域:

• 动物遗传学和动物基因组学
• 免疫学 免疫学 免疫学
• 生物信息学是一种生物信息学.

背景情况:

• 通过育种选择提高猪的强度对于动物健康至关重要.
• 与健康相关的特征在育种计划中越来越多地被考虑.
• 全血RNA测序为预测复杂特征提供了潜在的可能性.

研究的目的:

• 评估转录组数据对免疫相关特征,压力指标和猪尸体体重的预测性能.
• 为了比较基因组 (G),转录组 (T) 和组合 (GT) 模型用于特征预测.
• 评估高级的多原子模型,以计算G-T相互作用.

主要方法:

• 利用了来自255只商业Duroc猪的全血RNA测序数据.
• 采用混合模型,包括基因组,转录组和组合效应 (G,T,GT).
• 评估了像GTC,GTCi这样的模型,以及处理G-T冗余和相互作用的多态关系矩阵模型.

主要成果:

• 结合基因表达数据的模型解释了免疫和压力特征的基因组模型比基因组模型更大的差异,不包括尸体重量.
• 转录学效应显著改善了免疫特征的模型适合性和预测准确性,特别是T辅助细胞丰富度,γδ T细胞丰富度,平分球蛋白和白细胞计数.
• 考虑到基因组-转录基因组相互作用的模型,特别是GTCi模型,实现了最高的预测准确度.

结论:

• 全血基因表达数据对于预测猪免疫特征非常有价值.
• 精确建模基因组和转录基因组效应之间的相互作用对于最大限度地提高多基因组研究中的预测准确性至关重要.
• 这种方法可以通过先进的育种策略提高猪的强度和健康的潜力.