基因組選擇在反芻動物中的應用與研究進展

王海鋒，李誠蘭，岳耀敬

（中國農業科學院蘭州畜牧與獸藥研究所，蘭州 730050）

近年來隨著生活水平的不斷提高，人們的飲食結構也隨之發生改變，更加追求膳食營養的全面性。羊肉因具有纖維細嫩、膽固醇含量低、營養價值高、脂肪分布均勻的優點，其消費量穩步增加［1］，目前我國已成為世界上主要的羊肉生產國和最大的消費國［2］。羊奶因其營養溫和、易于吸收、致敏性低［3］的產品特性受到消費者的喜愛，而且羊奶的總體營養成分更接近于人奶，在替代母乳方面有更廣闊的應用前景［4］。毋庸置疑的是，反芻動物的肉、毛、奶、皮革等畜產品均有重要的經濟價值，但是其生產肉、奶、皮革等畜產品的性能低下，不能滿足當前的市場消費需求。因此，如何加速改良牛、羊等具有重要經濟價值的反芻動物，是動物選育工作中亟待解決的問題。

隨著科學技術的迅猛發展，使得動物育種工作的關注點從宏觀性狀轉變到微觀基因，融合了現代繁殖生物技術與育種的分子育種技術，即分子標記輔助選擇法（Marker assisted selection，MAS）隨即建立。MAS較傳統育種方法而言，能夠有效地縮短育種年限，提高育種效率［5-6］。但是在研究中發現，大量經濟性狀是由多個微效多基因所控制，且應用于功能基因或分子標記的數量非常有限［7］，同時也由于MAS 難以解釋復雜的數量性狀，這使得MAS 在育種過程中受到限制。鑒于MAS 的缺陷和不足，2001 年基因組選擇（Genomic selection，GS）或稱全基因組選擇（Whole genome selection，WGS）問世［8］。

基因組選擇技術是以覆蓋參考群體全基因組高密度SNP 標記，結合表型值或系譜記錄來計算個體基因組的估計育種值，對低遺傳力、檢測周期長或者測量成本較高的性狀都可以進行提前有效的預測，從而實現群體的早期選育、縮短時代間隔、降低育種成本［9-10］。與MAS 相比，基因組選擇可以同時使用全基因組標記來估計育種值［11］，這使得預測的個體育種值更加準確?，F階段，畜禽基因組測序工作陸續收官，計算機運算能力不斷增強，應用GS 的成本越來越低，這也為新育種技術的發展創造了條件。為此，本文主要從基因組選擇的原理、在具有重要經濟價值的反芻動物中的應用與研究進展，以及所面臨的機遇與挑戰等角度來論述，可為日后基因組選擇技術在反芻動物育種中的應用提供理論依據和參考。

1 基因組選擇

1.1 基因組選擇的原理

基因組選擇是整個基因組標記圖譜信息和表型信息的綜合運用，通過評估每個分子標記或染色體片段的效應值來得到個體估計育種值，稱其為基因組育種值（Genomic estimated breeding value，GEBV）［9-10］。理論上假設SNP標記中至少有一個標記與所有控制性狀的QTL 處于連鎖不平衡狀態（Linkage disequilibrium，LD），與MAS 相比，GS 不僅可以減少部分抽樣誤差，而且可以使用覆蓋全基因組的全部遺傳標記進行育種值估計，從而彌補MAS 的缺陷，提高估計育種值的準確性，同時實現早期選擇，減少近親繁殖［11-13］。從理論上來說，基因組選擇本質也是標記輔助選擇，但此方法不同于傳統標記輔助選擇的是，后者只能利用有限的遺傳標記來進行遺傳評估和育種值估計，而GS可以充分應用分布在整個基因組上的所有標記信息進行育種值估計，因此，基于該方法估計得到的育種值是基因組級別的估計育種值［13］。目前已經通過大量的實驗驗證了基因組選擇可以提高遺傳進展的巨大潛力。

基因組選擇具有既不依賴表型信息，又能夠捕獲基因組中所有的遺傳變異以及減少近交等無可比擬的優點?？衫没蚪M選擇進行早期選擇，加快育種進程；對低遺傳力的性狀進行預測，降低育種成本；區分個體間差異，增強選擇強度；降低選用同胞作為種用的幾率，減少近交增量。

1.2 基因組選擇的常見算法

育種方法由MAS 到GS 是從顯著性檢驗轉向估計所有標記效應的不斷優化。根據分析使用的統計模型不同，可以將基因組育種值的計算方法大致分為以BLUP理論為基礎和以貝葉斯理論為基礎的方法。

1.2.1 基于BLUP理論的方法

BLUP 是將線性統計模型方法論與數量遺傳學相結合而形成的，目前基于BLUP 理論衍生出一系列計算方法來應對不同情況、不同品種、不同性狀等，來得到更為準確的育種值。如嶺回歸最佳線性無偏估計（RRBLUP）、基因組最佳線性無偏預測（GBLUP）和一步法GBLUP（SS-GBLUP）等。Whittaker 等［14］提出了RRBLUP，該模型的基本原理是基于等位基因效應，假設所有標記效應的方差服從正態分布且方差相等，估算出每個標記的效應值后相加即得到個體估計育種值。該模型充分利用所有親屬信息，避免了因隨機交配而產生誤差，也可對不同群體進行聯合遺傳評估，但此方法不適用于較大染色體片段效應性狀的方差估計。Kennedy等［15］提出了GBLUP單個位點的混合線性模型，該模型是通過已測定的基因型來計算個體間的相關關系，此方法可以有效減少估計方程組的個數，降低計算強度。

1.2.2 基于貝葉斯理論的方法

Bayes方法是Meuwissen等將標記效應的方差假定為某種先驗分布而提出的，與此同時通過對標記效應進行不同的假設進而衍生出一系列的Bayes 方法，主要包括Bayes A、Bayes B、Bayes C 以及Bayes LASSO 等等。在Bayes A 中，標記效應gi服從零均值正態分布，而效應方差服從逆卡方分布，gi的條件后驗分布為t分布；對于Bayes B 來說是假設少數SNP 有效應，且效應方差服從逆卡方分布，而大多數SNP無效應，其在運算過程中引入一個參數T，假定標記效應方差為0的概率為π，則服從逆卡方分布的概率則為1-π，當π為1時，所有SNP 都有效應，此時與Bayes A 等價；對于Bayes C來說是將Bayes B 進行了一定程度的優化，將π作為一個未知參數，假設服從U（0，1）的均勻分布，并假設具有效應的SNP 的效應方差不同；對于Bayes LASSO 則服從拉普拉斯（Laplace）分布，即背靠背拼在一起的兩個不同位置的指數分布，與BayesA 假設標記效應服從正態分布不同的是它用相對于差的絕對值來表示，因此，Laplace 分布的尾部比正態分布更加平坦，即可允許極大值或極小值以更大的概率出現［16］。

1.2.3 基因組選擇常見算法的比較

貝葉斯方法的重點和難點在于如何對超參數的先驗分布進行合理的假設，相對于BLUP 方法往往具有更多的參數估計，在提高準確度的同時帶來了更大的計算量，而高的精度往往需要上萬次。Sun 等［17］用模擬數據集對Bayes B、RRBLUP 和GBLUP 等方法的準確性進行了比較研究，發現Bayes B 的準確性遠高于RRBLUP 和GBLUP 方法，但Bayes B 方法最顯著的缺點就是計算時間太長，導致其在生產中的應用受限，而GBLUP 憑借計算時間短、使用簡單的優勢被廣泛應用于豬［18］、牛［19］、羊［13］、雞［20］等畜禽的實際選育當中。Habier 等［21］用奶牛生產性狀數據對GBLUP、Bayes B 和Bayes C 等方法的準確性進行了比較研究，結果表明Bayes B 方法在產奶量和乳蛋白量性狀的預測中準確性最高。朱韶華等［22］采用50K 和630K 兩種不同密度的微陣列數據，運用GBLUP 和Bayes Alphabet 模型對821 只高山美利奴羊遺傳力水平不同的6種羊毛品質性狀進行基因組預測分析，結果表明GBLUP 模型更適用于中等遺傳力水平性狀的基因組預測，Bayes B 和Bayes LASSO 模型更適合高遺傳力水平性狀的基因組預測。因此，在應用基因組選擇技術時，應根據不同的群體、不同的性狀選擇使用不同的算法模型，只有這樣采取針對性的方法，才能更準確地評估育種值［23］。

2 基因組選擇在反芻動物中的應用現狀

基因組選擇技術為反芻動物育種改良提供了新的視角，加快了育種進程，推動了育種策略的優化與創新，對畜牧業的可持續發展帶來了諸多積極影響。

2.1 基因組選擇在牛育種中的研究

2.1.1 基因組選擇在奶牛育種中的研究

基因組選擇在奶牛上的應用最早且較為成功，為奶牛選種選育帶來了革命性變化，已成為商業選擇奶牛品種的主要方法，其通過縮短世代間隔、提高選擇準確性、降低后裔檢測成本等多途徑迅速提高了奶牛的遺傳進展［24］。2012 年起，我國就開始啟動中國荷斯坦公牛的基因組選擇育種工作，記錄包括高密度基因分型、產奶、健康、體型等34 個性狀的表型數據。盧徐斌［25］參考以上34 個性狀的表型數據，采用GS 技術對中國荷斯坦牛產奶性狀的參數和基因組進行了預測，發現該技術對性狀的預測準確性可以達59%～76%，較傳統方法的準確性提高了13%～30%。Schaeffer［26］從經濟角度分析得出，在奶牛育種中運用GS技術可以使其育種成本降低92%。Garner 等［27］結合11 年的氣象站數據，對荷斯坦牛和澤西牛的耐熱性進行了基因組預測，結果顯示，基于基因組育種值預測的耐熱性奶牛比熱敏感奶牛的產奶量降低幅度小，這對熱應激事件的發生和持續時間的研究都有非常重要的意義，同時對提高奶牛的福利保健和生產性能都具有一定的貢獻。

2.1.2 基因組選擇在肉牛育種中的研究

我國有眾多的肉牛品種，但育種群體的規模相對較小，且生產性能和譜系記錄系統不夠完善，制約了我國肉牛育種工作的發展?；蚪M選擇在奶牛中的成功應用，使得肉牛也將基因組選擇引入了育種計劃，中國西門塔爾牛的基因組選擇計劃于2008 年正式啟動。Magalhaes 等［28］從牛的肉質性狀的研究中驗證了基因組選擇的準確性和可行性；Hayes等［29］通過對747頭安格斯牛的甲烷排放性狀表型的研究，獲得了甲烷性狀的基因組EBV（GEBV），并對630 000 個SNP 進行了基因分型，在273頭安格斯牛中對GEBV的準確性進行了測試，發現測試結果與其表型特征相同，采用此法進行選育可使安格斯牛在10 年中減少約5%的甲烷排放量。所以相較于奶牛來說，應用基因組選擇在肉牛產業上還有很長的路要走。

2.2 基因組選擇在羊育種中的研究

目前我國羊產業的發展受到了諸多因素的限制，其中主要問題包括肉羊良種化程度不高、生長速度緩慢以及繁殖效率低等。此外，羊品種資源豐富，用途廣泛，但個體經濟價值較低，基因分型成本較高，這些因素都抑制了基因組選擇在羊育種方面的應用。亟需創新應用基因組選擇等育種關鍵新技術到羊育種中，以改良品種品質，提高生產性能。Dodds等［30］對3種肉毛兼用羊通過GBLUP 計算方法進行了GEBV 估計與驗證，結果表明GS技術不但可以在混合品種的群體中進行GEBV 估計，而且當考慮品種結構的效應時還可以提高GEBV 估計值的準確度；Newton 等［31］對澳大利亞綿羊的繁殖性狀進行了基因組信息評估，結果表明，不同年齡的基因組信息會影響遺傳增益。McLaren 等［32］調查了29 個群體的2 957 只純種特克塞爾母羊，發現母羊乳房的形狀與乳腺炎的發生具有密切的關聯，同時也對羊肉產量和品質產生一定影響，該研究指出，通過利用GS方法分析出可以改變乳房形態的基因，進而提高羊肉產量和改善肉品質，為肉羊育種提出了新的思路。

2.3 基因組選擇在其他反芻動物中的研究

Gregi? 等［33］研究發現，基因組選擇在馬育種中可以成為提高運動或者育種選擇成功的寶貴工具，可以在出生前計算評估其重要特征，包括預測目前難以測定的性狀。付東海［34］以354 頭1.5 歲母牦牛作為試驗參考群體，運用GBLUP、Bayes B 以及Bayes Cπ等3 種算法對參考群體的基因組育種值以及準確性進行預測。結果表明，Bayes Cπ方法在體高、體斜長、胸圍以及體重等4 個生長性狀和紅細胞數、血紅蛋白、血細胞容積等8 個血常規指標上都表現出極佳的預測效果，可作為牦牛群體基因組選擇的最佳方法。李浩東等［35］利用261 只梅花鹿的體重體尺數據對GBLUP、Bayes A、Bayes B、Bayes C、RRBLUP 等模型進行比較研究，發現體重、體高、體斜長、管圍、胸圍、臀端高預測準確度最高的分別為GBLUP、Bayes B、Bayes C、Bayes B、Bayes A、RRBLUP，為梅花鹿生長相關性狀的基因組選擇與實際應用提供了重要的參考信息。

3 基因組選擇在反芻動物育種中面臨的挑戰與機遇

如今科學技術迅猛發展，自基因組選擇技術問世以來，算法模型和測序技術不斷完善成熟，在奶牛育種中取得的成果較多，在肉牛、羊以及其他反芻動物的育種中也進行了相關研究與應用，不可否認的是，基因組選擇技術開啟了反芻動物育種的新篇章，推動動物育種邁向全面信息化、精準化、智能化育種新時代。

3.1 減誤提質、育種更準確

在生產性能測定中，誤差對育種結果具有重要的影響。測量誤差可能來自多個方面，例如測量設備的準確性、測量方法的規范性、環境變化等因素。為了減少測量誤差的影響，可以采取一些措施，例如選擇精確的測量設備（多模圖像融合技術、三維構建羊體尺測量模型等）、采用標準的測量方法、定期對測量設備進行校準等。此外，還可以對測量數據進行審核和修正，以減少測量誤差對結果的影響。在概率論中，實驗次數越多，頻率越趨于概率，因此在減少測定誤差的同時，要盡可能記錄更多個體的表型信息，即參考群數量越大，標記效應估計越準確。Meuwissen等［36］通過模擬實驗得出結論，在對遺傳力為0.3的性狀進行育種值估計時，樣本數大于2 000 時的準確性較高。因此，在條件允許的情況下盡可能擴大參考群體、構建完整的系譜記錄和繁殖記錄。

3.2 數芯智庫、育種更智慧

在對基因序列進行深入測序和解析時，會產生大量的數據，如何快速的將繁雜的數據準確地轉化為對育種有用的信息，這就需要不斷優化基因組選擇的方法，提高模型計算的準確性和效率，提高計算機的算力。目前基因組選擇主要依賴于表型信息、SNP 關聯分析信息或生物學先驗信息［37］，因為基因組變異到表型變異經過了翻譯、轉錄等過程，無法直接捕獲，但隨著高通量測序技術的不斷完善和成熟，獲取多組學數據（基因組、轉錄組、蛋白組、代謝組等）進行預測已經變得非常容易，這為研究從基因組變異到表型變異提供了橋梁?？梢試L試將人工智能、表型信息、全基因組關聯分析信息、多組學信息等綜合應用優化基因組選擇模型，使得預測的育種值更為準確。相信未來人工智能等數據解讀和決策工具在動物育種中會發揮更大的作用，將形成以人工智能加分子育種技術的智慧育種新局面。

3.3 院企協同、育種技術落地生根

目前我國育種產業的發展受到了一個重要制約因素，科研院所在試驗場地、品種推廣等處受限，育種企業在高素質人才隊伍建設、前沿育種技術應用、設備資源等處受限，這制約了我國育種產業的發展?；蚪M選擇的本質是一種選種選育技術，涉及對數據的處理、復雜模型運用以及軟件的分析，對人員具有很高的要求，需要其掌握基因組學、數量遺傳學、統計學、數值分析等方面的知識，而且需要具備一定的編程能力來處理海量數據，同樣這在實際操作中也需要相應完善的配套技術和設備，因此可以探索組建科研院所+育種企業+農戶的模式，形成企業和科研院所優勢互補，同時帶動農民創收?？蒲性核M行新品種培育，企業提供試驗場地和品種推廣，農民參與養殖，企業回收畜種，這樣不但使得育種技術可以應用于生產，落地生根，而且還能帶動農民就業，促進農民增收，助力鄉村振興，開花結果。