CN108157293A - 一种基于系谱信息简化选择高生产性能a2a2纯合基因型奶牛的育种方法 - Google Patents
一种基于系谱信息简化选择高生产性能a2a2纯合基因型奶牛的育种方法 Download PDFInfo
- Publication number
- CN108157293A CN108157293A CN201810124921.7A CN201810124921A CN108157293A CN 108157293 A CN108157293 A CN 108157293A CN 201810124921 A CN201810124921 A CN 201810124921A CN 108157293 A CN108157293 A CN 108157293A
- Authority
- CN
- China
- Prior art keywords
- milk
- individual
- breeding
- genotype
- butterfat
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 235000013336 milk Nutrition 0.000 title claims abstract description 99
- 210000004080 milk Anatomy 0.000 title claims abstract description 99
- 239000008267 milk Substances 0.000 title claims abstract description 97
- 238000009395 breeding Methods 0.000 title claims abstract description 86
- 241000283690 Bos taurus Species 0.000 title claims abstract description 67
- 230000001488 breeding effect Effects 0.000 claims abstract description 79
- 238000004519 manufacturing process Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims abstract description 46
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 39
- 235000018102 proteins Nutrition 0.000 claims abstract description 30
- 102000004169 proteins and genes Human genes 0.000 claims abstract description 30
- 102000014171 Milk Proteins Human genes 0.000 claims abstract description 29
- 108010011756 Milk Proteins Proteins 0.000 claims abstract description 29
- 235000021239 milk protein Nutrition 0.000 claims abstract description 29
- 108010076119 Caseins Proteins 0.000 claims abstract description 26
- 102000011632 Caseins Human genes 0.000 claims abstract description 19
- 235000021247 β-casein Nutrition 0.000 claims abstract description 16
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 230000002068 genetic effect Effects 0.000 claims abstract description 11
- 230000000694 effects Effects 0.000 claims description 22
- 241000283725 Bos Species 0.000 claims description 15
- 230000007613 environmental effect Effects 0.000 claims description 12
- 230000006651 lactation Effects 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 210000001082 somatic cell Anatomy 0.000 claims description 3
- 239000002994 raw material Substances 0.000 claims description 2
- 238000012216 screening Methods 0.000 abstract description 14
- 238000004458 analytical method Methods 0.000 abstract description 8
- 230000008774 maternal effect Effects 0.000 description 7
- 150000001413 amino acids Chemical class 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 108700028369 Alleles Proteins 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 244000309464 bull Species 0.000 description 3
- 239000005018 casein Substances 0.000 description 3
- BECPQYXYKAMYBN-UHFFFAOYSA-N casein, tech. Chemical compound NCCCCC(C(O)=O)N=C(O)C(CC(O)=O)N=C(O)C(CCC(O)=N)N=C(O)C(CC(C)C)N=C(O)C(CCC(O)=O)N=C(O)C(CC(O)=O)N=C(O)C(CCC(O)=O)N=C(O)C(C(C)O)N=C(O)C(CCC(O)=N)N=C(O)C(CCC(O)=N)N=C(O)C(CCC(O)=N)N=C(O)C(CCC(O)=O)N=C(O)C(CCC(O)=O)N=C(O)C(COP(O)(O)=O)N=C(O)C(CCC(O)=N)N=C(O)C(N)CC1=CC=CC=C1 BECPQYXYKAMYBN-UHFFFAOYSA-N 0.000 description 3
- 235000021240 caseins Nutrition 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 235000013601 eggs Nutrition 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 101150109698 A2 gene Proteins 0.000 description 2
- ONIBWKKTOPOVIA-UHFFFAOYSA-N Proline Natural products OC(=O)C1CCCN1 ONIBWKKTOPOVIA-UHFFFAOYSA-N 0.000 description 2
- 210000000481 breast Anatomy 0.000 description 2
- 230000029087 digestion Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- HNDVDQJCIGZPNO-UHFFFAOYSA-N histidine Natural products OC(=O)C(N)CC1=CN=CN1 HNDVDQJCIGZPNO-UHFFFAOYSA-N 0.000 description 2
- 230000007062 hydrolysis Effects 0.000 description 2
- 238000006460 hydrolysis reaction Methods 0.000 description 2
- 238000011056 performance test Methods 0.000 description 2
- 238000000611 regression analysis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 101150090724 3 gene Proteins 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 206010018473 Glycosuria Diseases 0.000 description 1
- 102000004407 Lactalbumin Human genes 0.000 description 1
- 108090000942 Lactalbumin Proteins 0.000 description 1
- 108010033276 Peptide Fragments Proteins 0.000 description 1
- 102000007079 Peptide Fragments Human genes 0.000 description 1
- 230000017531 blood circulation Effects 0.000 description 1
- 244000309466 calf Species 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000000546 chi-square test Methods 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 235000013365 dairy product Nutrition 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 210000002249 digestive system Anatomy 0.000 description 1
- 208000010643 digestive system disease Diseases 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 235000021393 food security Nutrition 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 238000012214 genetic breeding Methods 0.000 description 1
- 238000003205 genotyping method Methods 0.000 description 1
- 230000036737 immune function Effects 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000009400 out breeding Methods 0.000 description 1
- KMUONIBRACKNSN-UHFFFAOYSA-N potassium dichromate Chemical compound [K+].[K+].[O-][Cr](=O)(=O)O[Cr]([O-])(=O)=O KMUONIBRACKNSN-UHFFFAOYSA-N 0.000 description 1
- 239000003755 preservative agent Substances 0.000 description 1
- 230000002335 preservative effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K67/00—Rearing or breeding animals, not otherwise provided for; New or modified breeds of animals
- A01K67/02—Breeding vertebrates
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/20—Supervised data analysis
-
- A—HUMAN NECESSITIES
- A23—FOODS OR FOODSTUFFS; TREATMENT THEREOF, NOT COVERED BY OTHER CLASSES
- A23C—DAIRY PRODUCTS, e.g. MILK, BUTTER OR CHEESE; MILK OR CHEESE SUBSTITUTES; MAKING THEREOF
- A23C9/00—Milk preparations; Milk powder or milk powder preparations
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B10/00—ICT specially adapted for evolutionary bioinformatics, e.g. phylogenetic tree construction or analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Biotechnology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Theoretical Computer Science (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Environmental Sciences (AREA)
- Data Mining & Analysis (AREA)
- Genetics & Genomics (AREA)
- Chemical & Material Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Databases & Information Systems (AREA)
- Analytical Chemistry (AREA)
- Epidemiology (AREA)
- Evolutionary Computation (AREA)
- Bioethics (AREA)
- Zoology (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Public Health (AREA)
- Food Science & Technology (AREA)
- Polymers & Plastics (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种基于系谱信息简化选择高生产性能A2A2纯合基因型奶牛的育种方法。本发明通过进行奶牛生产性能测定，收集奶牛个体的系谱资料和表型资料，结合父亲β酪蛋白基因型结果，进行遗传评估，获得产奶量、乳脂量、乳蛋白量和乳蛋白率的育种值，通过计算个体高产指数HPI分析获得高产A2A2纯合型个体。本发明方法通过应用日常DHI数据进行大群筛查，极大地减轻了牛场实际生产过程的工作量；本发明可以快速、简便、准确地筛查出牛群中A2A2纯合型个体。
Description
技术领域
本发明属于奶牛育种技术领域，具体涉及一种基于系谱信息简化选择高生产性能A2A2纯合基因型奶牛的育种方法。
背景技术
牛奶中的蛋白是构成牛奶品质的主要物质基础，其以酪蛋白和乳清蛋白为主。而酪蛋白约占牛奶蛋白的80％，包括alpha s1，alpha s2，beta，kappa四种类型。beta(β)酪蛋白约占蛋白总量的30％。研究报道，β-酪蛋白有A1、A2、A3、A4、B、C、D、E、F、H1、H2、I、G等共13种型。A1和A2型β-酪蛋白是奶牛群体中最常见的两种，其区别在于β-酪蛋白基因发生了一个碱基变化，从而导致相应位置氨基酸由脯氨酸变成组氨酸。正是由于上述一个氨基酸的变化，导致了牛奶在消化过程中产生了差异。A1型牛奶在消化或鲜奶加工过程中某些酶可在其组氨酸处特异性水解，从而形成一种由七个氨基酸组成的肽段，被称为β-酪啡肽(BCM-7)，BCM-7能穿过胃肠壁进入血液循环，影响消化系统和免疫细胞，可能与一些如Ⅰ型糖尿病、消化系统疾病、免疫功能紊乱等疾病有关；而A2型β酪蛋白此处氨基酸为脯氨酸，不能够被特异性水解，不会形成BCM-7。消费者出于食品安全的考虑，更加倾向于购买A2奶，因此，A2奶的市场价值非常高，而选育A2纯合型奶牛是生产A2奶的前提条件。
分子遗传育种是一种有效的奶牛育种手段，通过检测β-酪蛋白不同变体类型，筛选出A2型种公牛和种母牛，可以实现A2纯合型奶牛的培育，如CN105925717A、CN107287292A、CN105219839A、CN105018582A、CN105018581A公开了区分β-酪蛋白不同变体类型的检测方法和相应试剂盒，为A2纯合型奶牛的育种提供了有效的手段，但通过逐个个体进行分子检测和筛选，前期工作量太大，或需要进一步配种繁殖等操作，并且往往无法统筹兼顾奶牛高产性能，因此，发明一种简化、有效选育高产A2型奶牛的育种方法，具有重要的生产和经济意义。
发明内容
针对现有技术存在的问题，本发明的主要目的是为了选育高产A2型奶牛进而生产市场价值较高的A2原料牛奶而提出的一种的简化选择方法，通过采用本发明方法对奶牛个体进行筛选，可快速选育出高生产性能的A2A2纯合基因型牛只。
具体的，为实现上述目的，本发明采用的技术方案如下：
本发明公开了一种基于系谱信息简化选择高生产性能A2A2纯合基因型奶牛的方法，所述方法包括如下步骤：
(1)进行奶牛生产性能测定，收集奶牛个体的系谱资料和表型资料；
(2)查看或获取系谱中父亲β酪蛋白基因型结果，确定父亲基因型为A1A1、A1A2或A2A2；
(3)对父亲基因型为A1A2或A2A2的有性能记录的个体，按产犊季节、产犊年龄对个体进行分类；
(4)进行遗传评估，获得产奶量、乳脂量、乳蛋白量和乳蛋白率的育种值，计算各项育种值均值，并依据均值对个体进行分类，个体育种值在均值以上的标为1，在均值以下的标为0；
(5)计算个体高产指数HPI
其中m为产奶量育种值分类，fy为乳脂量育种值分类，py为乳蛋白量育种值分类，pp为乳蛋白率育种值分类；
当HPI大于0.85时奶牛个体较高概率为高产A2A2纯合型个体。
本发明所述较高概率优选80％以上，优选85％以上，90％以上，更优选的95％以上。
本发明优选的实施方案中，步骤(1)中，收集奶牛个体的系谱资料和表型资料，系谱资料包括个体的出生日期、父号、母号和表型数据，表型数据包括产犊日期、胎次、测定日产奶量、乳脂率、乳蛋白率、体细胞评分等与生产性能密切相关信息资料。
进一步的，通过计算并获得乳脂量和乳蛋白量，乳脂量＝产奶量×乳脂率，乳蛋白量＝产奶量×乳蛋白率。
具体的实施例中，本发明奶牛参加奶牛生产性能测定(DHI)，获得产奶量、乳脂率、乳蛋白率等表型值，同时获得牛只胎次、泌乳天数等记录；牛群为规模化奶牛场、TMR饲喂、采样方式为早中晚4：3：3采样。
本发明优选的实施方案中，步骤(3)中，对父亲基因型为A1A2或A2A2的有性能记录的个体，按产犊季节、产犊年龄对个体进行分类，产犊季节按11月至下一年2月为1类、3月-5月及9月-10月为1类、6月-8月为1类，共分为3类；产犊年龄按22月龄-25月龄，26月龄-29月龄，30月龄-33月龄及以上，共为分3类，保留泌乳天数从产后第5天305天的记录。
本发明优选的实施方案中，步骤(4)中，遗传评估计算育种值的软件有多种，例如DFREML、MTDFREML、VCE、ASREML、DMU、GBS、Herdsman等；优选的，本发明应用DMU软件进行遗传评估，获得产奶量、乳脂量、乳蛋白量和乳蛋白率的育种值。
更为优选的实施例中，本发明进行数据整理，建立数学模型，模型如下：
其中yijkl为第i个产犊季节、第j个产犊年龄、第k个测定日、第l个体的表型记录；Si为第i个产犊季节效应的固定效应；Agej为第j个产犊年齡的固定效应，Tdk为第k个测定日的固定效应；amn为第m个个体第n个遗传效应的随机回归系数；pmn为第m个个体第n个永久环境效应的随机回归系数；zmnl为相应于m个个体第n个遗传或永久环境效应的不同泌乳天数计算出的勒让德乘子；na,np为不同测定日遗传及永久环境效应的勒让德多项式；eijklm为随机残差；应用DMU软件进行遗传评估，获得产奶量、乳脂量、乳蛋白量和乳蛋白率的育种值。
本发明优选的实施方案中，还包括步骤(6)，对于HPI大于0.85的奶牛个体进行β-酪蛋白基因型鉴定，进一步确定A2A2纯合基因型奶牛。
β-酪蛋白基因型鉴定方法可采用现有技术已经报道的方法或试剂盒，例如CN105925717A、CN107287292A、CN105219839A、CN105018582A、CN105018581A、CN105861671A，一并纳入本申请。
本发明取得了以下有益效果：
(1)本发明通过统计分析发现，β-酪蛋白不同基因型对种公牛生产性状育种值存在影响，β-酪蛋白基因位点对产奶量、乳蛋白量影响均达到极显著水平(P<0.01)，对乳脂量育种值的影响达到显著水平(P<0.05)，对乳脂率的影响不显著(P>0.05)，对乳蛋白率的影响接近显著水平(P＝0.0739)；A2A2基因型对产奶量、乳脂量、乳蛋白量有最高的最小二乘均值，对乳蛋白率有最低的最小二乘均值；通过拟合和回归分析获得本发明所述筛选方法。
(2)本发明所述筛选方法(HPI指数法)与分子检测筛选结果判定差异为不显著(P>0.05)，本发明所述HPI指数法达到95％以上的判定准确性，这在生产中是完全可以接受的，本发明方法通过应用日常DHI数据进行大群筛查，极大地减轻了牛场实际生产过程的工作量；本发明可以快速、简便、准确地筛查出牛群中A2A2纯合型个体，牛场管理人员可以对A2A2纯合型个体分群挤奶或以A2A2纯合型个体作为母本进行扩繁，生产高市价值的A2原料鲜奶。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本发明的示例性实施方式。应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作和/或它们的组合。
诚如本发明背景技术所述，现有分子育种前期工作量太大，需要进一步配种繁殖等操作，且往往无法统筹兼顾奶牛高产性能，针对此，本发明提供一种基于系谱信息简化选择高产奶量A2A2纯合基因型奶牛的育种方法，所述方法包括：
第一步，奶牛参加奶牛生产性能测定(DHI)，获得产奶量、乳脂率、乳蛋白率等表型值，同时获得牛只胎次、泌乳天数等记录，牛群为规模化奶牛场、TMR饲喂、采样方式为早中晚4：3：3采样；
收集奶牛个体的系谱资料和表型资料，系谱资料包括个体的出生日期、父号、母号和表型数据，表型数据包括产犊日期、胎次、测定日产奶量(kg)、乳脂率(％)、乳蛋白率(％)、体细胞评分等与生产性能密切相关信息资料；计算并获得乳脂量(kg)和乳蛋白量(kg)的记录值，乳脂量＝产奶量×乳脂率，乳蛋白量＝产奶量×乳蛋白率；
第二步，查看系谱中父亲β酪蛋白基因型鉴定结果，A1和A2型β-酪蛋白是奶牛群体中最常见的两种，一般为A1A1、A1A2或A2A2，如果父亲基因型为A1A2或A2A2，个体方可能是A2A2纯合型个体；
第三步，对父亲基因型为A1A2或A2A2的有性能记录的个体，按产犊季节、犊年龄对个体进行分类，产犊季节按11月至下一年2月为1类、3月-5月及9月-10月为1类、6月-8月为1类，共分为3类；产犊年龄按22月龄-25月龄，26月龄-29月龄，30月龄-33月龄及以上，共为分3类，保留泌乳天数从产后第5天305天的记录；
第四步，将上述各信息综合起来，进行数据整理，建立数学模型，模型如下：
其中yijkl为第i个产犊季节、第j个产犊年龄、第k个测定日、第l个体的表型记录；Si为第i个产犊季节效应的固定效应；Agej为第j个产犊年齡的固定效应，Tdk为第k个测定日的固定效应；amn为第m个个体第n个遗传效应的随机回归系数；pmn为第m个个体第n个永久环境效应的随机回归系数；zmnl为相应于m个个体第n个遗传或永久环境效应的不同泌乳天数计算出的勒让德乘子；na,np为不同测定日遗传及永久环境效应的勒让德多项式；eijklm为随机残差；
应用DMU软件进行遗传评估，获得产奶量、乳脂量、乳蛋白量和乳蛋白率的育种值；计算各项育种值均值，并依据均值对个体进行分类，个体育种值在均值以上的标为1，在均值以下的标为0；
第五步，计算个体高产指数(High Production Index,HPI)
其中m为产奶量育种值分类，fy为乳脂量育种值分类，py为乳蛋白量育种值分类，pp为乳蛋白率育种值分类，当HPI大于0.85时可判定为高产A2A2纯合型个体。
本发明的设计思路及高产奶牛指数HPI公式来源：
研究发现，奶牛的生产能力不仅决定于产奶量，还与乳脂率、乳蛋白率、体细胞评分等生产性状有关。鉴定A2基因型的分子生物学方法已经不是技术问题，问题是鉴定的成本及操作的简便性。本发明首先调查牛群中A2等位基因及基因型频率，分析获得快速选育A2A2纯合种牛的可行性，进行设计有效的培育高产A2A2牛的育种方法，为降低成本先进行高产奶牛个体的断定，进而依据成日常实验室技术进行判断，可选出高产A2A2牛，进而可以根据选种选配技术培育高产A2A2牛群。通过前期采集样本并参加DHI测定，中期整理数据，后期利用SAS8.2系统的PROC LOGISTIC程序对各项育种值数据进行回归分析，对自变量进行选择，建立最优回归方程，即为A2A2高产奶牛指数(A2A2 High Production Index，HPI)的公式。同时采集一个牛场部分牛只的血样，提取DNA，依据专利：检测奶牛β-酪蛋白基因SNP的引物组合物及其用途(CN201610260677.8)的方法进行基因型分型鉴定，SAS8.2FREQ程序进行适合性检验分析，比较两种判定筛查结果差异显著性。
依据孟德尔理念，已知双亲基因型，可以分析后代基因型的可能性。在本发明中(见表1)：
当父亲基因型均为A1A1时，后代基因型只能有两种情况A1A1或A1A2，后代基因型为纯合A2A2的概率为0。
当父亲基因型为A1A2时，如果母亲基因型为A1A1，后代基因型只能存在两种情况A1A1(50％)、A1A2(50％)，不会出现纯合A2A2个体；如果母亲基因型为A1A2，后代基因型可能存在三种情况A1A1(25％)、A1A2(50％)、A2A2(25％)，既后代可能会出现纯合A2A2个体，其概率为25％；如果母亲基因型为A2A2，后代基因型可能存在两种情况A1A2(50％)、A2A2(50％)，既后代可能会出现纯合A2A2个体，其概率为25％。该种情况下，如果母亲基因型未知，后代基因型为A2A2的概率为25％。
当父亲基因型为A2A2时，如果母亲基因型为A1A1，后代基因型只能存在一种情况A1A2(100％)，既不会出现纯合A2A2个体；如果母亲基因型为A1A2，后代基因型可能存在两种情况A1A2(50％)、A2A2(50％)，既后代可能会出现纯合A2A2个体，其概率为50％；如果母亲基因型为A2A2，后代基因型只存在一种情况A2A2(100％)，即后代只能是纯合A2A2个体，其概率为100％。该种情况下，如果母亲基因型未知，后代基因型为A2A2的概率为50％。
表1已知双亲不同基因型，后代基因型比例
综上信息，发明人分析，如果已知个体父亲基因型，结合本身其他方面的信息，获知个体基因型是可能的，而目前各育种公司均对种公牛进行了该基因型鉴定与标注，为本发明技术方案的实施和验证提供了条件。
实施例1β-酪蛋白不同基因型与种公牛生产性状育种值分析
一、数据收集
从加拿大CDN网上下载60余万头牛的公牛遗传评估及系谱信息数据，其中目前还在配种使用的3881头公牛全部进行了β-酪蛋白基因型鉴定。将这些公牛的牛号、系谱、基因型及与生产性能直接相关的产奶量、乳脂量、乳蛋白量、乳脂率、乳蛋白率等性状育种值记录整理建立数据库。
二、数据统计
利用SAS软件GLM过程分析种公牛群体中β-酪蛋白等位基因及基因型频率及对生产性能的影响，发现A1、A2等位基因频率分别为39.69％和60.31％，A1A1，A1A2和A2A2基因型频率分别为15.95％，47.49％和36.56％，A2等位基因频率和A1A2基因型频率均较高，具体情况见表2。
表2检测群体中β-酪蛋白等位基因及基因型频率
分析β-酪蛋白不同基因型对种公牛生产性状育种值的影响，发现β-酪蛋白基因位点对产奶量、乳蛋白量影响均达到极显著水平(P<0.01)，对乳脂量育种值的影响达到显著水平(P<0.05)，对乳脂率的影响不显著(P>0.05)，对乳蛋白率的影响接近显著水平(P＝0.0739)，具体情况见表3。
表3基因位点对产奶量等5个性状育种值的影响
进一步对不同基因型种公牛产奶量育种值进行两两比较，发现A2A2基因型产奶量的最小二乘均值最高，且显著高于A1A1(P＝0.0002)和A1A2(P＝0.0003)。具体见表4。
表4不同基因型对产奶量育种值的两两比较
注：右侧三列为均值两两比较的t值及p值，其中上三角为t值，下三角为P值
进一步对不同基因型种公牛乳脂量育种值进行两两比较，发现A2A2基因型乳脂量的最小二乘均值最高，且显著高于A1A1(P＝0.0200)和A1A2(P＝0.0086)。具体见表5。
表5不同基因型对乳脂量育种值的两两比较
注：右侧三列为均值两两比较的t值及p值，其中上三角为t值，下三角为P值
进一步对不同基因型种公牛乳蛋白量育种值进行两两比较，发现A2A2基因型乳蛋白量的最小二乘均值最高，且显著高于A1A2(P＝0.002)和A1A1(P＝0.002)。具体见表6。
表6不同基因型对乳蛋白量育种值的两两比较
注：右侧三列为均值两两比较的t值及p值，其中上三角为t值，下三角为P值
进一步对不同基因型种公牛乳蛋白率育种值进行两两比较，发现A2A2基因型乳蛋白率的最小二乘均值最低，与A1A1之间差异显著(P＝0.0274)，与A1A2之间差异不显著(P＝0.1475)，具体见表7。
表7不同基因型对乳蛋白率育种值的两两比较
注：右侧三列为均值两两比较的t值及p值，其中上三角为t值，下三角为P值
经上述分析，确定影响产奶性能的性状为产奶量、乳脂量、乳蛋白量和蛋白率等四个性状，而乳脂率影响不显著。对影响显著的性状，进一步分析，A2A2基因型对产奶量、乳脂量、乳蛋白量有最高的最小二乘均值，对乳蛋白率有最低的最小二乘均值。进而利用SAS软件PROC LOGISTIC过程进行拟合，获得回归方程：
其中m为产奶量育种值分类；fy为乳脂量育种值分类；py为乳蛋白量育种值分类；pp为乳蛋白率育种值分类。按上述公式计算牛群HPI指数，当HPI>0.85时，判定为高产A2A2纯合基因型个体。
实施例2 HPI指数法与PCR分子检测法比较
本发明发明人在山东济南周边的一个参加DHI规模化牛约500头成母牛中选择父亲为A1A2/A2A2的个体共151头，收集相关数据，采集奶样并测定乳成份，利用本发明方法计算牛只的HPI指数，依据HPI>0.85的原则对牛只进行筛查；同时采集血样，提取DNA，参考专利CN201610260677.8法进行基因型判定，获得个体基因型。
具体步骤：
(1)采集试验牛群(151头)奶样，记录产犊日期、采样日期、个体牛只的产奶量。奶样采样方法参考《中国荷斯坦牛生产性能测定技术规范》(NY/T1450-2007)。采样时记录每头牛每次产奶量，日采样三次，按早中晚比例4：3：3采样，混合，共约40-45ml，采样前瓶中加入重铬酸钾0.03g作为防腐剂，奶样常温保存，24小时内完成乳成分测定。同时采集血样，提取DNA。
(2)山东省农业科学院奶牛研究中心DHI实验室按《中国荷斯坦牛生产性能测定规范》(NY/T 1450-2007)规定的方法，用FOSS FC和FT+仪器测定奶样的乳脂率(F％)、乳蛋白率(P％)等成分，并计算乳脂量和乳蛋白量。
(3)依据出生日期和产犊日期对产犊季节、产犊年龄进行分类，产犊季节按11月至下一年2月为1类、3月-5月及9月-10月为1类、6月-8月为1类，共分为3类；产犊年龄按22月龄-25月龄，26月龄-29月龄，30月龄-33月龄及以上，共为分3类，保留泌乳天数从产后第5天305天的记录。
(4)按模型，应用DMU软件进行遗传评估，获得产奶量、乳脂量、乳蛋白量和乳蛋白率的育种值。计算各项育种值均值，并依据均值对个体进行分类，个体育种值在均值以上的标为1，在均值以下的标为0；
模型如下：
其中yijkl为第i个产犊季节、第j个产犊年龄、第k个测定日、第l个体的表型记录；Si为第i个产犊季节效应的固定效应；Agej为第j个产犊年齡的固定效应，Tdk为第k个测定日的固定效应；amn为第m个个体第n个遗传效应的随机回归系数；pmn为第m个个体第n个永久环境效应的随机回归系数；zmnl为相应于m个个体第n个遗传或永久环境效应的不同泌乳天数计算出的勒让德乘子；na,np为不同测定日遗传及永久环境效应的勒让德多项式；eijklm为随机残差.
(5)计算个体高产指数(HPI)
其中m为产奶量育种值分类；fy为乳脂量育种值分类；py为乳蛋白量育种值分类；pp为乳蛋白率育种值分类。当HPI大于0.85时判定为高产A2A2纯合型个体。
(6)筛查奶牛:比较奶牛个体HPI值，若HPI>0.85，即A2A2纯合高产个体，否则为非A2A2个体(A1A2或A1A1个体)，实验中共筛查出HPI>0.85的个体43头，即A2A2个体43头，占28.48％。
(7)参考专利CN201610260677.8法进行基因型判定，获得个体基因型，实验中该方法检测出A2A2个体39头，占25.83％。具体情况见表8。
表8两种方法结果对比
(8)运用SAS8.2FREQ程序进行适合性检验分析，比较两种筛查结果差异显著性。HPI法与专利CN201610260677.8法判定结果差异不显著(χ2＝0.2678，P＝0.6048，P>0.05)。
结论：利用SAS8.2的PROC FREQ程序进行卡方检验，结果AHPI法与专利CN201610260677.8法结果判定差异为不显著(P>0.05)，HPI筛选结果完全覆盖PCR方法结果(HPI筛选43头结果中包含PCR结果)，HPI指数法达到95％以上的判定准确性，这在生产中是完全可以接受的，而本发明方法通过应用日常DHI数据进行大群筛查，极大地减轻了牛场实际生产过程的工作量。
本发明虽以山东地区牛养殖场为研究对象而得到的研究结果，但可以大规模广泛使用。原因是世界范围内的荷斯坦奶牛均具有较一致的遗传基础，本发明大规模广泛使用可以达到本发明所述的筛查效果。
Claims (10)
1.一种基于系谱信息简化选择高生产性能A2A2纯合基因型奶牛的方法，其特征在于，所述方法包括如下步骤：
(1)进行奶牛生产性能测定，收集奶牛个体的系谱资料和表型资料；
(2)查看或获取系谱中父亲β酪蛋白基因型结果，选择父亲基因型为A1A2或A2A2的个体；
(3)对父亲基因型为A1A2或A2A2的有性能记录的个体，按产犊季节、产犊年龄对个体进行分类；
(4)进行遗传评估，获得产奶量、乳脂量、乳蛋白量和乳蛋白率的育种值，计算各项育种值均值，并依据均值对个体进行分类，个体育种值在均值以上的标为1，在均值以下的标为0；
(5)计算个体高产指数HPI
其中m为产奶量育种值分类，fy为乳脂量育种值分类，py为乳蛋白量育种值分类，pp为乳蛋白率育种值分类；
当HPI大于0.85时奶牛个体较高概率为高产A2A2纯合型个体。
2.根据权利要求1所述的方法，其特征在于，步骤(1)中，收集奶牛个体的系谱资料和表型资料，系谱资料包括个体的出生日期、父号、母号和表型数据，表型数据包括产犊日期、胎次、测定日产奶量、乳脂率、乳蛋白率、体细胞评分与生产性能密切相关信息资料。
3.根据权利要求2所述的方法，其特征在于，通过计算并获得乳脂量和乳蛋白量，乳脂量＝产奶量×乳脂率，乳蛋白量＝产奶量×乳蛋白率。
4.根据权利要求1所述的方法，其特征在于，奶牛生产性能测定，获得产奶量、乳脂率、乳蛋白率等表型值，同时获得牛只胎次、泌乳天数等记录；牛群为规模化奶牛场、TMR饲喂、采样方式为早中晚4：3：3采样。
5.根据权利要求1或2所述的方法，其特征在于，步骤(3)中，对父亲基因型为A1A2或A2A2的有性能记录的个体，按产犊季节、产犊年龄对个体进行分类，产犊季节按11月至下一年2月为1类、3月-5月及9月-10月为1类、6月-8月为1类，共分为3类；产犊年龄按22月龄-25月龄，26月龄-29月龄，30月龄-33月龄及以上，共为分3类，保留泌乳天数从产后第5天305天的记录。
6.根据权利要求5所述的方法，其特征在于，步骤(4)中，遗传评估计算育种值的软件利用DFREML、MTDFREML、VCE、ASREML、DMU、GBS、Herdsman中的一种。
7.根据权利要求6所述的方法，其特征在于，应用DMU软件进行遗传评估，获得产奶量、乳脂量、乳蛋白量和乳蛋白率的育种值。
8.根据权利要求5所述的方法，其特征在于，步骤(4)中，进行数据整理，建立数学模型，模型如下：
其中yijkl为第i个产犊季节、第j个产犊年龄、第k个测定日、第l个体的表型记录；Si为第i个产犊季节效应的固定效应；Agej为第j个产犊年齡的固定效应，Tdk为第k个测定日的固定效应；amn为第m个个体第n个遗传效应的随机回归系数；pmn为第m个个体第n个永久环境效应的随机回归系数；zmnl为相应于m个个体第n个遗传或永久环境效应的不同泌乳天数计算出的勒让德乘子；na,np为不同测定日遗传及永久环境效应的勒让德多项式；eijklm为随机残差；应用DMU软件进行遗传评估，获得产奶量、乳脂量、乳蛋白量和乳蛋白率的育种值。
9.根据权利要求1-8任一项所述的方法，其特征在于，还包括步骤(6)，对于HPI大于0.85的奶牛个体进行β-酪蛋白基因型鉴定，获得高生产性能A2A2纯合基因型奶牛。
10.权利要求1-9任一项所述方法在生产A2原料奶，或培育下一代A2A2牛中的应用。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810124921.7A CN108157293B (zh) | 2018-02-07 | 2018-02-07 | 一种基于系谱信息简化选择高生产性能a2a2纯合基因型奶牛的育种方法 |
| LU101241A LU101241B1 (en) | 2018-02-07 | 2018-11-15 | Breeding method for simplifying selection of high-yield a2a2 homozygous genotype dairy cows based on pedigree data |
| PCT/CN2018/115741 WO2019153823A1 (zh) | 2018-02-07 | 2018-11-15 | 一种基于系谱信息简化选择高生产性能a2a2纯合基因型奶牛的育种方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810124921.7A CN108157293B (zh) | 2018-02-07 | 2018-02-07 | 一种基于系谱信息简化选择高生产性能a2a2纯合基因型奶牛的育种方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108157293A true CN108157293A (zh) | 2018-06-15 |
| CN108157293B CN108157293B (zh) | 2020-03-20 |
Family
ID=62513216
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810124921.7A Active CN108157293B (zh) | 2018-02-07 | 2018-02-07 | 一种基于系谱信息简化选择高生产性能a2a2纯合基因型奶牛的育种方法 |
Country Status (3)
| Country | Link |
|---|---|
| CN (1) | CN108157293B (zh) |
| LU (1) | LU101241B1 (zh) |
| WO (1) | WO2019153823A1 (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019153823A1 (zh) * | 2018-02-07 | 2019-08-15 | 山东省农业科学院奶牛研究中心 | 一种基于系谱信息简化选择高生产性能a2a2纯合基因型奶牛的育种方法 |
| CN110289048A (zh) * | 2019-07-05 | 2019-09-27 | 广西壮族自治区水牛研究所 | 与水牛产奶性状相关的qtl及其筛选方法和应用 |
| CN111387139A (zh) * | 2020-04-13 | 2020-07-10 | 西藏自治区农牧科学院畜牧兽医研究所 | 一种牦牛的育种方法 |
| CN115281145A (zh) * | 2022-07-08 | 2022-11-04 | 河南省种牛遗传性能测定中心 | 一种基于测定日模型和动物模型blup筛选优质高产奶牛的育种方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030221200A1 (en) * | 1995-05-16 | 2003-11-27 | Mclachlan Corran Norman Stuart | Breeding and milking cows for milk free of beta-casein A1 |
| CN105018582A (zh) * | 2014-04-29 | 2015-11-04 | 上海桑尼生物科技有限公司 | 一种基于酶切法检测β-酪蛋白基因型的方法 |
| CN105018581A (zh) * | 2014-04-29 | 2015-11-04 | 上海桑尼生物科技有限公司 | 一种基于测序法检测β-酪蛋白基因型的方法 |
| CN105219839A (zh) * | 2014-06-18 | 2016-01-06 | 上海派森诺生物科技有限公司 | 一种基于酶切法检测β-酪蛋白基因型的方法 |
| CN105925717A (zh) * | 2016-07-04 | 2016-09-07 | 山东省农业科学院奶牛研究中心 | 一种检测A1和A2型β-酪蛋白奶牛的方法及其试剂盒 |
| CN107287292A (zh) * | 2017-06-07 | 2017-10-24 | 山东省农业科学院奶牛研究中心 | 同时检测奶牛β‑酪蛋白不同变体型的一组专用引物及其试剂盒 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20040241723A1 (en) * | 2002-03-18 | 2004-12-02 | Marquess Foley Leigh Shaw | Systems and methods for improving protein and milk production of dairy herds |
| CN100419088C (zh) * | 2006-11-30 | 2008-09-17 | 北京奶牛中心 | 一种筛选cd18基因正常的优良种牛的方法及其专用引物 |
| CN103914632A (zh) * | 2014-02-26 | 2014-07-09 | 中国农业大学 | 一种快速估计基因组育种值的方法和应用 |
| CN103914631A (zh) * | 2014-02-26 | 2014-07-09 | 中国农业大学 | 一种基于snp芯片的综合基因组育种值估计方法及应用 |
| CN106755441B (zh) * | 2016-12-29 | 2020-08-07 | 华南农业大学 | 一种基于多性状的基因组选择进行林木多性状聚合育种的方法 |
| CN107563147B (zh) * | 2017-08-02 | 2019-12-20 | 中国农业大学 | 一种估计基因组育种值的方法及装置 |
| CN108157293B (zh) * | 2018-02-07 | 2020-03-20 | 山东省农业科学院奶牛研究中心 | 一种基于系谱信息简化选择高生产性能a2a2纯合基因型奶牛的育种方法 |
-
2018
- 2018-02-07 CN CN201810124921.7A patent/CN108157293B/zh active Active
- 2018-11-15 WO PCT/CN2018/115741 patent/WO2019153823A1/zh active Application Filing
- 2018-11-15 LU LU101241A patent/LU101241B1/en active IP Right Grant
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20030221200A1 (en) * | 1995-05-16 | 2003-11-27 | Mclachlan Corran Norman Stuart | Breeding and milking cows for milk free of beta-casein A1 |
| CN105018582A (zh) * | 2014-04-29 | 2015-11-04 | 上海桑尼生物科技有限公司 | 一种基于酶切法检测β-酪蛋白基因型的方法 |
| CN105018581A (zh) * | 2014-04-29 | 2015-11-04 | 上海桑尼生物科技有限公司 | 一种基于测序法检测β-酪蛋白基因型的方法 |
| CN105219839A (zh) * | 2014-06-18 | 2016-01-06 | 上海派森诺生物科技有限公司 | 一种基于酶切法检测β-酪蛋白基因型的方法 |
| CN105925717A (zh) * | 2016-07-04 | 2016-09-07 | 山东省农业科学院奶牛研究中心 | 一种检测A1和A2型β-酪蛋白奶牛的方法及其试剂盒 |
| CN107287292A (zh) * | 2017-06-07 | 2017-10-24 | 山东省农业科学院奶牛研究中心 | 同时检测奶牛β‑酪蛋白不同变体型的一组专用引物及其试剂盒 |
Non-Patent Citations (1)
| Title |
|---|
| 李建斌等: "奶牛β-酪蛋白基因分型及A2型牛群培育", 《中国奶牛》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019153823A1 (zh) * | 2018-02-07 | 2019-08-15 | 山东省农业科学院奶牛研究中心 | 一种基于系谱信息简化选择高生产性能a2a2纯合基因型奶牛的育种方法 |
| CN110289048A (zh) * | 2019-07-05 | 2019-09-27 | 广西壮族自治区水牛研究所 | 与水牛产奶性状相关的qtl及其筛选方法和应用 |
| CN110289048B (zh) * | 2019-07-05 | 2023-03-24 | 广西壮族自治区水牛研究所 | 与水牛产奶性状相关的qtl及其筛选方法和应用 |
| CN111387139A (zh) * | 2020-04-13 | 2020-07-10 | 西藏自治区农牧科学院畜牧兽医研究所 | 一种牦牛的育种方法 |
| CN115281145A (zh) * | 2022-07-08 | 2022-11-04 | 河南省种牛遗传性能测定中心 | 一种基于测定日模型和动物模型blup筛选优质高产奶牛的育种方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019153823A1 (zh) | 2019-08-15 |
| CN108157293B (zh) | 2020-03-20 |
| LU101241B1 (en) | 2019-10-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Weigel et al. | A 100-Year Review: Methods and impact of genetic selection in dairy cattle—From daughter–dam comparisons to deep learning algorithms | |
| CN108157293A (zh) | 一种基于系谱信息简化选择高生产性能a2a2纯合基因型奶牛的育种方法 | |
| CN106480189B (zh) | 一种基于全基因组选择的鱼类抗病良种培育方法 | |
| Zhou et al. | Genome-wide association study of milk and reproductive traits in dual-purpose Xinjiang Brown cattle | |
| US20190367996A1 (en) | Application of SNP (Single Nucleotide Polymorphism) Loci of Whole Genome of Yak, Primer Group for Detection and Kit | |
| Zhao et al. | Genome-wide assessment of runs of homozygosity in Chinese wagyu beef cattle | |
| Rovere et al. | A landscape of the heritability of Fourier-transform infrared spectral wavelengths of milk samples by parity and lactation stage in Holstein cows | |
| Pizarro Inostroza et al. | Integrating casein complex SNPs additive, dominance and epistatic effects on genetic parameters and breeding values estimation for murciano-granadina goat milk yield and components | |
| AlAskar et al. | Genetic diversity and population structure of dromedary camel-types | |
| CN108292385A (zh) | 用于农业生产和性能管理的基因组技术 | |
| Bora et al. | Genetic diversity and population structure of selected Ethiopian indigenous cattle breeds using microsatellite markers | |
| Mujibi et al. | Performance evaluation of highly admixed Tanzanian smallholder dairy cattle using SNP derived kinship matrix | |
| Bang et al. | Genomic diversity and breed composition of Vietnamese smallholder dairy cows | |
| Scheper et al. | The role of agro‐ecological factors and transboundary transhumance in shaping the genetic diversity in four indigenous cattle populations of Benin | |
| Reverter et al. | ImmuneDEX: updated genomic estimates of genetic parameters and breeding values for Australian Angus cattle | |
| CN113151510B (zh) | 一种与鸡睾丸性状相关的分子标记及其应用 | |
| Gutiérrez-Reinoso et al. | Genomic and Phenotypic Udder Evaluation for Dairy Cattle Selection: A Review | |
| Abugaliev et al. | Introduction of the modern methods of assessing the breeding value of cows in the selection of dairy cattle in the Republic of Kazakhstan | |
| Betegón-Putze et al. | MyROOT: A novel method and software for the semi-automatic measurement of plant root length | |
| Bissembayev et al. | Kazakhstan beef cattle indices | |
| RU2332008C1 (ru) | Способ отбора быков-производителей по результатам днк-диагностики генотипов каппа-казеина | |
| Marinchenko | Scientific support and advanced research in dairy farming in the Russian Federation | |
| Lee et al. | Strategies to multiply elite cow in Hanwoo small farm | |
| Manatrinon et al. | Genetic characterization among some Austrian and Hungarian cattle breeds | |
| CN114875161B (zh) | 与鸡低温耐受相关的分子标记、引物组合及相应的选育方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200219 Address after: 250100 No. 159-1 industrial North Road, Licheng District, Shandong, Ji'nan Applicant after: DAIRY CATTLE RESEARCH CENTER, SHANDONG ACADEMY OF AGRICULTURAL SCIENCE Applicant after: SHANDONG OX LIVESTOCK BREEDING Co.,Ltd. Address before: No. 159-1, Gongye North Road, Licheng District, Jinan City, Shandong Province Applicant before: DAIRY CATTLE RESEARCH CENTER, SHANDONG ACADEMY OF AGRICULTURAL SCIENCE |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20230714 Address after: No. 202, Gongye North Road, Licheng District, Jinan City, Shandong Province, 250132 Patentee after: INSTITUTE OF ANIMAL SCIENCE AND VETERINARY MEDICINE SHANDONG ACADEMY OF AGRICULTURAL SCIENCES Patentee after: SHANDONG OX LIVESTOCK BREEDING Co.,Ltd. Address before: 250100 No. 159-1, Gongye North Road, Licheng District, Jinan City, Shandong Province Patentee before: DAIRY CATTLE RESEARCH CENTER, SHANDONG ACADEMY OF AGRICULTURAL SCIENCE Patentee before: SHANDONG OX LIVESTOCK BREEDING Co.,Ltd. |
|
| TR01 | Transfer of patent right |