整合基因组注释信息对西门塔尔牛生长性状的全基因组选择研究

Growth traits is closely related to the economic benefits in beef cattle. The accuracy of genomic estimated breeding value (GEBV) is one of the key factor affecting the application of genomic selection (GS) in beef cattle. In order to improve the accuracy of genomic prediction for growth traits, based on our own Simmental beef cattle population constructed by the research team, this study integrated the annotation information of bovine genome and divided it into six functional regions including intergenic region, genes±1kb, genes, intron, exon and CDS. According to the physical position of SNPs, each SNP was examined to see if it resided in these six region. We analyzed the contribution ratio of different functional regions of the genome to genetic variation. We proposed a novel strategy to estimate the GEBV by constructing the relationship matrix with genome annotation information. Moreover, based on genome annotation information, we compared the accuracy of GEBV in dominance model and epistasis model. This research will systematically explore the genetic association between different regions of genome and growth traits, and provide some theoretical basis for the application of genomic selection technology in beef cattle population.

生长性状是与肉牛经济效益密切相关的性状，基因组估计育种值(Genomic estimated breeding values, GEBV)的准确性是影响全基因组选择（Genomic selection, GS）在肉牛育种应用的关键因素之一。项目以本研究团队构建的肉用西门塔尔牛群体为对象，整合基因组注释信息将其划分为基因间隔区、基因区、基因+调控区、外显子、内含子和CDS共6类功能区域，根据牛770K芯片标记的物理位置，将SNP定位到各功能区域，解析基因组各功能区域对遗传变异的贡献比例，提出以基因为单位构建个体间关系矩阵进行基因组育种值估计的策略，对比研究整合基因组注释信息的显性效应模型和上位效应模型的基因组估计育种值准确性，以期提高西门塔尔牛生长性状基因组估计育种值的准确性。该研究将系统地探索基因组不同区域和生长性状之间的遗传关联，为全基因组选择技术在肉牛群体中的应用提供一定的理论依据。

使用肉用西门塔尔牛对我国地方黄牛品种的遗传改良已近20年，西门塔尔杂交牛及其后代在我国各类杂交改良牛群中占60%~70%，该项工作对我国肉牛业的发展起了巨大的推动作用。为了加快我国肉用西门塔尔牛新品种培育历程，利用基因组选择技术可以有效缩短世代间隔。生长性状是与肉牛经济效益密切相关的性状，基因组估计育种值(Genomic estimated breeding values, GEBV)的准确性是影响全基因组选择（Genomic selection, GS）在肉牛育种应用的关键因素之一。项目以本研究团队构建的肉用西门塔尔牛群体为对象，使用牛参考基因组的注释信息，将770K高密度芯片的SNP注释到基因间（IGR）、基因、外显子、蛋白质编码序列（CDS）和3'/5'非翻译类别（UTR）五个基因组类别。通过定义生物学功能单元，对基因组的所有标记和注释到五个基因组类别的SNP标记分别构建单倍型，采用数字剂量和分类编码策略对单倍型的基因型进行重编码。此外，还研究通过考虑上位效应进行改进的分类编码策略模型以捕获SNP间和单倍型之间的一级上位效应。研究发现在利用基因组所有SNP标记情况下，基于单倍型的模型比基于SNP模型的基因组育种值估计准确性提高了5.4-9.8％。分析五个基因组类别对基因组育种值估计准确性的影响时，与利用所有标记的单倍型模型相比，基于基因类别的单倍型模型在胴体重、宰前活重和外脊肉块重性状上准确性分别提高了1.4％、2.1％和1.3％。此外，将一阶上位效应加入到预测模型也提高了部分性状和基因组类别的准确性。因此，对于中等和高遗传力的性状，将基因类别注释信息加入基于单倍型的预测模型中可以提高我国肉用西门塔尔牛基因组预测准确性，该研究为全基因组选择技术在肉牛群体中的应用提供一定的理论依据。