一种与猪的饲料转化效率相关的SNP分子标记
技术领域
本发明涉及猪分子标记筛选技术领域,具体涉及一种与猪的饲料转化效率相关的SNP分子标记及其应用。本发明的分子标记可用于猪饲料转化效率性状的辅助选择和预测。
背景技术
猪肉是人类重要的肉食来源,占世界人口消费肉类总量的近40%。饲料成本在总生产成本中所占的比例最高,在50%到85%不等(Young J M,Cai W,Dekkers J CM.Effect of selection for residual feed intake on feeding behavior and dailyfeed intake patterns in Yorkshire swine[J].Journal of Animal Science,2011,89(3):639-647.)。降低饲料成本的关键是提高饲料转化效率(Feed conversion ratio,FCR)。提高饲料转化效率不仅可以降低饲料消耗,降低农业成本和能源消耗,而且还可以降低肥料产量和潜在的温室气体排放总量(Barto P,Dolan A,Smutn L,et al.Effects ofphytogenic feed additives on growth performance and on ammonia and greenhousegases emissions in growing-finishing pigs[J].Animal Feed ence and Technology,2015,212:143-148.)。
在动物育种计划中,由于饲料效率不能直接测量,直接选择很难改善饲料效率相关性状。饲料转化效率(FCR)可以用来评价饲料效率(Lu D.The relationship betweendifferent measures of feed efficiency and feeding behavior traits in Durocpigs[J].Journal of Animal ence,2017,95(8):3370.)。由于计算简单,且与生长速度和体重(BW)相关(Fan B,Lkhagvadorj S,Cai W,et al.Identification of geneticmarkers associated with residual feed intake and meat quality traits in thepig[J].Meat Science,2010,84(4):645-650.),FCR(采食量与产量之比)被广泛应用于猪育种中饲料效率的估算。因此,探索发饲料转化效率机制的相关分子标记有助于更好的展开猪的育种研究。
全基因组关联分析(Genome-wide association study,GWAS)作为一种关联分析方法,在复杂性状的相关研究中具有比连锁分析效果更好,统计效力更高的优点,最初是1996年由Risch首次提出的(Risch N,Merikangas K.The future of genetic studies ofcomplex human diseases.[J].Science,1996,273(3):350-354.)作为在全基因组范围内探索鉴定实验群体中和目标表型相关联的遗传标记的有力工具,全基因组关联分析已经被广泛应用于各类研究,其中包括人类疾病以及家畜重要经济性状等等(Visscher P M,Brown M A,McCarthy M I,et al.Five years of GWAS discovery[J].The AmericanJournal of Human Genetics,2012,90(1):7-24.)
近年来也有很多猪的FCR的全基因组关联分析研究,并且揭示了部分FCR的遗传相关基因。本发明通过整合实验室采集的16个批次的包含4个品种的4005头猪的SNP芯片数据,使用rMVP软件,利用FarmCPU模型(Liu X,Huang M,Fan B,et al.Iterative Usage ofFixed and Random Effect Models for Powerful and Efficient Genome-WideAssociation Studies.[J].PLoS Genetics,2016,12(2):e1005767.),筛选出与FCR相关的SNP分子标记,为猪饲料转化效率的辅助选择和预测改良提供了新的分子标记基础,对于猪的育种具有重要意义。
本发明筛选的的SNP分子标记与猪饲料转化效率的相关性达到了显著水平,为猪的饲料转化效率关研究提供了新的遗传资源。
发明内容
本发明的目的在于克服现有技术的缺陷,筛选一种与猪饲料转化效率相关的SNP分子标记,通过将猪重测序数据比对到猪参考基因组上,获得SNP分型数据,并使用GWAS筛选与猪饲料转化效率相关的SNP,为猪饲料转化效率的相关育种提供了新的分子标记资源和应用。
本发明的技术方案如下所述:
申请人通过整合实验室采集的16个批次的包含4个品种的4005头猪的SNP芯片数据,对饲料转化效率性状进行GWAS,参阅Ensembl数据库,得到MARC0045707上下游50bp的核苷酸序列,其核苷酸序列如序列表SEQ ID NO:1所示。具体如下所述:
ATCCCAGAGAAGTGGGCAGGTTACCTGGAAAGGTTCGGCAGTCGGGGGGCR(A/G)CTCCCTGGAAGCTGTACCCCAAGAGCAGGTTCTTTTTTCAGCTACTGTTT,
上述序列的第51碱基处的R是突变位点(产生A51-G51的等位基因突变),由碱基A突变为碱基G,该突变使上述序列即SEQ ID NO:1所述的序列产生了核苷酸多态性。
该分子标记可以作为检测与饲料转化效率相关的分子标记,且当SEQ ID NO:1上的第51位核苷酸为G时,判定猪有较低的饲料转化效率。
上述SEQ ID NO:1所述的序列可以作为检测与猪饲料转化效率相关的分子标记。
申请人提供了一种筛选猪饲料转化效率相关的SNP分子标记的方法,所述的方法包括如下步骤:
申请人筛选得到一种与猪饲料转化效率相关的SNP分子标记,该分子标记的核苷酸序列如下所示:
ATCCCAGAGAAGTGGGCAGGTTACCTGGAAAGGTTCGGCAGTCGGGGGGCR(A/G)CTCCCTGGAAGCTGTACCCCAAGAGCAGGTTCTTTTTTCAGCTACTGTTT,
上述序列的51位碱基处的R是突变位点,由碱基A突变为碱基G,该突变导致所述序列产生多态性。
基于一种与猪饲料转化效率相关的SNP分子标记,当SEQ ID NO:1所示序列的第51位核苷酸为G时,判定猪的饲料转化效率较低。
本发明的SNP分子标记可在猪饲料转化效率的标记辅助选择中应用。
本发明的具体应用步骤为:
①整合实验室采集的16个批次的包含4个品种的4005头猪的SNP芯片数据。
②根据群体中个体对应的表型信息,算出每个个体的饲料转化效率,公式:饲料转化效率=后期用料/(结测体重-中测体重)。
③利用R统计环境下rMVP软件包中的FarmCPU模型进行全基因组关联分析(GWAS)。FarmCPU模型循环使用固定效应模型和随机效应模型,具体模型如下:(1)
(2)y
i=u
i+e
i,其中,y
i代表第i个个体的性状观测值,
是t个加入到模型的可能关联位点的基因型,b
1,b
2,...,b
t是加入到模型中的可能关联位点的相应效应值;S
ij是第i个个体第j个遗传标记的基因型;d
j是S
ij的相应效应值;e
i是残差向量,服从均数为0,方差为
的正态分布;u
i是第i个个体的总遗传效应。
本发明筛选的分子标记可应用于对猪饲料转化效率相关基因的基因型或猪饲料转化效率相关的关联分析中,为猪饲料转化效率的分子标记辅助选择提供了新的分子标记资源。
本发明与现有技术相比具有的有益效果:
本发明可通过在体外采用基因芯片技术检测猪的基因型,作为非诊断目的的评价猪的饲料转化效率,与目前的PCR-RFLP等方法相比,本发明具有简单、快捷、灵敏度高和特异性好等突出优点。
更详细的技术方案请参见《具体实施方式》。
附图说明
图1:本发明的总体技术流程示意图。
图2:是本发明克隆的MARC0045707上下游50bp核苷酸序列和本发明分子标记的核苷酸序列。附图标记说明:在图2显示核苷酸序列的第51位碱基处存在一个A/G等位基因突变(51bp处的英文字母“R”为突变位点)。
图3:是本发明的曼哈顿图。附图标记说明:研究对象的是饲料转化效率,黑色圆圈及箭头指向标记的为本发明筛选的分子标记,该标记位于猪的X染色体上。
具体实施方式
对序列表的说明:
SEQ ID NO:1是本发明筛选的与猪饲料转化效率相关的分子标记的核苷酸序列,序列长度为101bp,在该序列的第51bp处存在一个等位基因突变(A/G,本发明的序列表51bp处的碱基是突变位点,由碱基A突变为碱基G,本实施例直接选取的突变碱基G为例说明本发明的实施方式),该突变位点导致SEQ ID NO:1所示的核苷酸序列产生多态性。
本发明中的序列和全基因组关联分析结果,是基于猪基因组11.1版本。
实施例1:基因分型检测
(1)整合实验室采集的16个批次的包含大白猪、长白猪、杜洛克猪、皮特兰猪这四个品种的4005头猪的SNP芯片数据;
(2)将原始数据转换为Plink格式(.ped/.map),随后使用Plink软件进行初步质控(--geno 0.1--maf 0.05--mind 0.1--chr 1-18,X)。对初步质控后的数据使用Beagle软件进行填充,再用Plink软件进行第二次质控(--geno 0.1--maf 0.05--mind 0.1),最终有2013个个体和46505个SNP用于全基因组关联分析(GWAS)。
实施例2:MARC0045707分子标记分型方法在猪饲料转化效率性状关联分析中的应用MARC0045707分子标记(序列见序列表SEQ ID NO:1)与猪饲料转化效率性状关联分析:
用于基因型与饲料转化效率性状关联分析的表型主要来源实验室采集的数据。利用R统计环境下rMVP软件包中的FarmCPU模型进行全基因组关联分析(GWAS)。FarmCPU模型循环使用固定效应模型和随机效应模型,具体模型如下:(1)
(2)y
i=u
i+e
i,其中,y
i代表第i个个体的性状观测值,
是t个加入到模型的可能关联位点的基因型,b
1,b
2,...,b
t是加入到模型中的可能关联位点的相应效应值;S
ij是第i个个体第j个遗传标记的基因型;d
j是S
ij的相应效应值;e
i是残差向量,服从均数为0,方差为
的正态分布;u
i是第i个个体的总遗传效应。该标记基因型与对应表型个体数见表1,全基因组显著水平见表2。
表1 MARC0045707的多态性和对应的群体内个体数以及FCR均值和标准差
表2 MARC0045707的全基因组显著水平
表2说明:当标记的P值<0.01/46505(Bonferroni校正)时为显著标记
由表1可知,对于基因型为AA和AG的个体来说,其饲料转化效率接近;对于基因型GG的个体而言,其饲料转化效率明显较低。在采用FarmCPU模型的全基因组关联分析中,MARC0045707标记达到了全基因组显著水平,说明该标记不仅与猪饲料转化效率显著相关,且当该标记突变为G时,判定猪的饲料转化效率较低。
序列表SEQ ID NO:1是本发明克隆MARC0045707上下游50bp的核苷酸序列。该片段就是本发明筛选的SNP分子标记。该分子标记序列长度为为101bp,该序列的51位碱基处的R是突变位点,由碱基A突变为碱基G。
主要参考文献:
[1]Young JM,Cai W,Dekkers JC M.Effect ofselection for residual feedintake on feeding behavior and daily feed intake patterns in Yorkshire swine[J].Journal of Animal Science,2011,89(3):639-647.
[2]Barto P,Dolan A,Smutn L,et al.Effects of phytogenic feed additiveson growth performance and on ammonia and greenhouse gases emissions ingrowing-finishing pigs[J].Animal Feed ence and Technology,2015,212:143-148.
[3]Lu D.The relationship between different measures of feedefficiency and feeding behavior traits in Duroc pigs[J].Journal of Animalence,2017,95(8):3370.
[4]Fan B,Lkhagvadorj S,Cai W,et al.Identification of genetic markersassociated with residual feed intake and meat quality traits in the pig[J].Meat Science,2010,84(4):645-650.
[5]Risch N,Merikangas K.The future of genetic studies of complexhuman diseases.[J].Science,1996,273(3):350-354.
[6]Visscher P M,Brown M A,McCarthy M I,et al.Five years of GWASdiscovery[J].The American Journal of Human Genetics,2012,90(1):7-24.
[7]Liu X,Huang M,Fan B,et al.Iterative Usage of Fixed and RandomEffect Models for Powerful and Efficient Genome-Wide Association Studies.[J].PLoS Genetics,2016,12(2):e1005767。
序列表
<110> 华中农业大学
<120> 一种与猪的饲料转化效率相关的 SNP 分子标记
<141> 2020-05-22
<160> 1
<170> SIPOSequenceListing 1.0
<210> 1
<211> 101
<212> DNA
<213> 猪(Sus scrofa)
<220>
<221> gene
<222> (1)..(101)
<220>
<221> mutation
<222> (51)..(51)
<400> 1
atcccagaga agtgggcagg ttacctggaa aggttcggca gtcggggggc gctccctgga 60
agctgtaccc caagagcagg ttcttttttc agctactgtt t 101