CN111613271A - 一种预测畜禽数量性状显性遗传效应的方法及应用 - Google Patents

一种预测畜禽数量性状显性遗传效应的方法及应用 Download PDF

Info

Publication number
CN111613271A
CN111613271A CN202010339226.XA CN202010339226A CN111613271A CN 111613271 A CN111613271 A CN 111613271A CN 202010339226 A CN202010339226 A CN 202010339226A CN 111613271 A CN111613271 A CN 111613271A
Authority
CN
China
Prior art keywords
gene
differential expression
breeding
livestock
poultry
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
Application number
CN202010339226.XA
Other languages
English (en)
Other versions
CN111613271B (zh
Inventor
张龚炜
左福元
王玲
张文秀
罗宗刚
李常营
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southwest University
Original Assignee
Southwest University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Southwest University filed Critical Southwest University
Priority to CN202010339226.XA priority Critical patent/CN111613271B/zh
Publication of CN111613271A publication Critical patent/CN111613271A/zh
Application granted granted Critical
Publication of CN111613271B publication Critical patent/CN111613271B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G16B25/10—Gene or protein expression profiling; Expression-ratio estimation or normalisation
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
    • Y02A40/70—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in livestock or poultry

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Genetics & Genomics (AREA)
  • Biotechnology (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physiology (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明公开了一种预测畜禽数量性状显性遗传效应的方法及应用，属于畜禽遗传选育技术领域。步骤如下：根据育种目标，确定亲本并测定相关性状表型数据；采集组织/血液样本，提取总RNA，获取全基因组水平的基因表达量并进行基因差异表达分析，获取与育种目标相关的差异表达基因，以及亲本间差异表达印记基因；将差异表达印记基因与差异表达非印记基因进行互作分析，获取与目标性状基因表达差异相关的差异表达印记基因，从而确定亲本的交配模式。本发明的预测畜禽数量性状显性遗传效应的方法，可大大缩短畜禽杂交育种的时间，以及节省大量的人力、物力和财力，在产犊数少，繁殖周期长，以及生长周期长的畜禽育种中具有极大的实用价值。

Description

一种预测畜禽数量性状显性遗传效应的方法及应用
技术领域
本发明涉及畜禽遗传选育技术领域，具体涉及一种预测畜禽数量性状显性 遗传效应的方法及应用。
背景技术
杂交技术在猪、牛、羊、鸡、鸭、鹅等畜禽动物遗传选育中得到广泛应用。 通过杂交技术把杂交双亲的优良特性综合在一起，一方面可以用于新品种培育 (杂交育种)，另一方面是利用杂种后代产生的杂种优势提高生产效率用于商品 生产(杂交生产)。不论是杂交育种还是杂交生产，都需要评估杂交后代所产生 的杂种优势。杂种优势是指杂种F1在体型、生长率、繁殖力等方面优于亲本均 值的现象。在畜禽育种实践中，通常将两个具有某些所需性状的不同纯种(系) 亲本进行正反杂交，通过测定杂种后代性状进而评估杂种优势的大小及交配方 式(确定哪个作为父本哪个作为母本)。这种方法评估的杂种优势基于实测值， 被广泛应用于畜禽育种中。然而，由于畜禽特别是牛、羊动物产犊数少、繁殖 周期长、生长周期长等特点，利用这种方法评估杂种优势将需花费大量的人力、 财力等。
许多研究证实，显性效应是杂种优势产生的最主要因素之一。显性效应是 等位基因间互相作用产生的效应，在数量性状上表现为杂交后代与杂交双亲某 一方具有相似的性状表现。近十年来，越来越多的研究表明，杂交亲本与杂种 后代间的基因差异表达是造成杂种优势的原因之一。基因表达水平是可遗传的， 可区分为加性效应(杂交后代基因表达量与杂交亲本均值相似)、显性效应(杂 交后代基因表达量与杂交某一亲本相似)、超显性效应(杂交后代基因表达量 超过杂交双亲)。其中基因表达的显性效应可分为父本显性效应(杂种后代与 父本相似)和母本显性效应(杂种后代与母本相似)，显性效应与杂种优势形 成紧密相关。另一方面，印记基因是指在杂交后代中仅一方亲本来源的同源基 因表达，而来自另一亲本的不表达，印记基因在杂种后代的表达模式表现为显 性效应。特定的印记基因可表现为父本遗传或母本遗传的特性。
发明内容
有鉴于此，本发明的目的在于提供一种预测畜禽数量性状显性遗传效应的 方法及应用。
为了解决上述问题，本案发明人经研究，得以提出本发明技术方案，具体 实施过程如下：
1、一种预测畜禽数量性状显性遗传效应的方法，包括以下步骤：
S1、根据育种目标，选择育种亲本，同条件饲喂，测定育种亲本目标相 关性状表型数据；
S2、根据育种目标，采集与育种目标性状相关联的亲本组织/血液样本；
S3、提取亲本组织/血液样本中的总RNA，获取全基因组水平的基因表 达量；
S4、对基因表达量进行基因差异表达分析，并对差异表达基因进行功能 富集分析，获取与育种目标性状相关的差异表达基因，以及在亲本间差异表 达印记基因和非印记基因；
S5、将差异表达印记基因与差异表达的非印记基因进行基因互作分析， 获取与目标性状基因表达差异相关的差异表达印记基因；
S6、根据育种目标和性状关联差异表达印记基因的遗传模式，来确定亲 本的交配模式。
优选的，所述S3中，采用高通量二代测序技术(RNA-seq)对亲本的组织/ 血液样本进行全基因组水平的基因表达差异分析，获取全基因组水平的基因表 达量。
优选的，所述S4中，通过iDEP 90在线工具的DE Seq2软件算法分析亲本 间的基因差异表达。iDEP 90在线工具(http://bioinformatics.sdstate.edu/idep/)为 RNA-seq在线分析工具之一。
优选的，所述S4中，通过iDEP 90和DAVID 6.8软件对差异表达基因进行 功能富集分析。DAVID 6.8软件(https://david.ncifcrf.gov/)为基因GO分析软件。
优选的，所述S5中，通过STRING软件分析差异表达印记基因与差异表达 非印记基因进行基因互作分析，获取与目标性状基因表达差异相关的差异表达 印记基因。STRING软件(https://string-db.org/)为一个搜索已知蛋白质之间和预测 蛋白质之间相互作用的数据库。它除了包含有实验数据、从PubMed摘要中文本 挖掘的结果和综合其他数据库数据外，还有利用生物信息学的方法预测的结果。
2、上述预测畜禽数量性状显性遗传效应的方法在评估牛育种后代耐热性能 的显性遗传效应中的应用。
本发明方法基于以下基础：1)基因表达的显性效应与杂种优势形成相关； 2)杂交双亲的印记基因表达存在差异；3)印记基因与杂交双亲间差异表达基 因存在相关作用关系。通过比较杂交双亲间的基因表达差异及已知印记基因的 表达差异，同时这些印记基因与差异表达基因存在互作，那么，此印记基因将 与杂交双亲差异表达基因紧密互作并且在杂交亲本中差异表达。根据该印记基 因表现为父本遗传还是母本遗传，用于确定：1)杂种后代基因表达趋向与哪一 方亲本相似；2)根据育种需要确定杂交双亲纯种(系)的父本和母本。因此， 本发明的预测畜禽数量性状显性遗传效应的方法，在育种实践中可根据具体的 育种目标性状，通过基因表达差异分析预测采用哪两个纯系及哪种交配方式能 产生较好的杂种优势，从而减少不必要的杂交组合配合力测定，减少育种复杂 度和降低育种成本。
本发明的有益效果在于：
1)本发明提供的预测畜禽数量性状显性遗传效应的方法，根据育种目标性 状，对亲本的全基因组水平的基因表达量进行基因差异表达分析，获取与育种 目标性状相关的差异表达基因，以及在亲本间差异表达的印记基因，然后通过 差异表达印记基因与差异表达的非印记基因进行基因互作分析，获取与目标性 状基因表达差异相关的差异表达印记基因，从而根据差异表达印记基因的遗传 模式，来确定亲本的交配模式；
2)本发明提供的预测畜禽数量性状显性遗传效应的方法，可提前预测不符 合育种预期的杂交方式而减少不必要的杂交测定，大大缩短了畜禽杂交育种的 时间，以及节省了大量的人力、物力和财力，在产犊数少，繁殖周期长，以及 生长周期长的畜禽育种中具有极大的推广实用价值。
附图说明
图1为本发明的预测畜禽数量性状显性遗传效应的方法流程图；
图2为本发明实施例1中牛耐热性能的印记基因PEG10与热应激应答相关 基因MYC的互作分析图；
图3为本发明实施例1中牛耐热性能的父本印记基因PEG10与热应激应答 相关基因MYC在杂交亲本和杂交后代的基因表达模式分析图；
图4为本发明实施例1中牛杂交后代与杂交亲本的耐热性能对比分析图；
图5为本发明实施例1中牛杂交后代与杂交亲本的基因表达模式对比分析 图。
具体实施方式
下面通过具体实施例对本发明作进一步说明，以使本领域的技术人员可以 更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。
实施例1
如图1所示，本实施例为预测牛耐热性能显性遗传效应的方法，具体步骤 如下：
S1、根据牛育种目标，即提高育种杂交后代的耐热性能，以肉质好耐热性 能较差的安格斯牛和耐热性能好的抗旱王牛作为育种亲本，在同一牛场同等条 件下饲喂，在夏季高温高湿季节，通过连续测定7天牛亲本的呼吸频率、直肠 温度及耐热指数；
S2、在夏季热应激试验结束当日，采集抗旱王牛和安格斯牛的血液样本， 用EDTA进行抗凝处理，通过离心方式分离出白细胞，并迅速将分离的白细胞 移入含有1mL总量RNA提取试剂(RNAiso Plus)的冻存管内，放入液氮速冻 后运回实验室，置于-80℃超低温冰箱备用；
S3、提取抗旱王牛和安格斯牛的血液样本中的总RNA，利用Illumina测序 平台对检验合格的总RNA进行建库测序，获取全基因组水平的基因表达量(read counts)；
S4、将read counts数据导入在线基因表达分析工具iDEP90进行基因差异 表达分析，或由测序公司协助完成基因差异表达分析；
S5、利用iDEP 90和DAVID 6.8等软件对差异表达基因进行功能富集分析 显示，获取与热应激应答功能(即耐热性能)相关的差异表达基因；
S6、通过牛基因组中已知的22个印记基因，获取22个印记基因在杂交亲 本中的表达量；
S7、利用STRING软件对在两亲本间差异表达的印记基因与非印记基因进 行基因互作分析，获取与目标性状基因表达差异相关的差异表达印记基因；
S8、根据差异表达印记基因的遗传模式，来确定牛亲本的交配模式。
本实施例，S1中通过连续测定7天牛亲本的呼吸频率、直肠温度及耐热指 数，结果显示抗旱王牛耐热性能优于安格斯牛。
S4中，通过基因差异表达分析获得了亲本间802个基因差异表达。
S6中，通过检测分析结果得知，在牛已知22个印记基因中，显示只有PGE10 在两亲本间存在差异表达，且PGE10在抗旱王牛的表达量低于安格斯牛。已知 PGE10是父本遗传的印记基因，即育种杂交后代表达与父本表达相一致。
S7中，利用STRING软件对在两亲本间差异表达的印记基因与非印记基因 进行基因互作分析，结果如图2所示。从图2中分析可知，PGE10与MYC、 IGF2BP3参与热应激应答(即耐热性能)基因存在明显互作。同时，图3中， DR表示抗旱王牛，AD表示杂交后代，AN表示安格斯牛，从图3中分析可知， MYC、IGF2BP3的基因表达模式与PGE10相同，即抗旱王牛的表达量低于安格 斯牛。
综上可知，牛杂交育种后代的耐热性能表现为父本显性遗传模式。根据育 种目标是期望提高杂种后代耐心性能，而抗旱王耐热性能较好，根据S6和S7 中得到的结论，即可预测抗旱王作为父本可提高后代的耐热性能。反之如果以 安格斯为父本则后代耐热性能与安格斯相似，即耐热性能不会有显著提高。
因现有技术中无法评估牛杂交育种后代耐热性能的表现情况，只能通过以 安格斯牛和抗旱王牛分别为父、母本开展正反交杂交试验，测定正反交后代的 耐热性能。使得杂交试验变得复杂且需要花费大量的时间、人力、财力。而本 发明方法中，直接利用双亲的基因表达差异信息，准确预测出耐热性能将以父 本显性遗传的方式传递给杂种后代，由于抗旱王的耐热性能优于安格斯牛，因 此可以确定抗旱王作父本、安格斯牛为母本的杂交方式可以提高后代的耐热性 能，从而避免开展不必要的杂交试验。
对杂交试验结果进行验证分析
以安格斯牛为父本，抗旱王牛为母本进行杂交试验，预测耐热性能的基因 表达模式，具体试验条件与实施例1相同，在杂交后代中，通过耐热性能测定 及基因表达模式分析，结果如图4和5所示。图4和5中，DR表示抗旱王牛， AD表示杂交后代，AN表示安格斯牛，从图4和5综合分析可知，牛杂交育种 后代的耐热性能和基因表达模式与父本安格斯牛相一致。从而证明了本发明预 测畜禽数量性状显性遗传效应方法的准确性。
综上所述，本发明提供的预测畜禽数量性状显性遗传效应的方法，根据育 种目标性状，对亲本的全基因组水平的基因表达量进行基因差异表达分析，获 取与育种目标性状相关的差异表达基因，以及在亲本间差异表达的印记基因， 然后通过差异表达印记基因与差异表达的非印记基因进行基因互作分析，获取 与目标性状基因表达差异相关的差异表达印记基因，从而根据育种目标和差异 表达印记基因的遗传模式，来确定亲本的交配模式。
本发明方法还可扩展至需要在三个及以上亲本间筛选出最合适的杂交组合 试验，以及可同时评估2个以上不同目标性状。如有三个品种A、B、C，需要 筛选出肉质优良且耐热性能优秀的杂交组合方式，按现有杂交育种方法，需要 三个品种间两两相互开展正反交试验，即需要开展6种杂交方式，然后对杂交 育种后代测定肉质性状和耐热性能。采用本发明方法，可直接通过比较三个品 种间血液基因表达模式，预测出提高耐热性能所需采用的杂交模式，同时，通 过比较三个品种间肌肉基因表达模式，预测出获得优良肌肉品质所需采用的杂 交模式。如此，即可大大缩短畜禽杂交育种的时间，以及节省大量的人力、物力和财力等，在产犊数少，繁殖周期长，以及生长周期长的畜禽育种中具有极 大的实用价值。
以上所述实施例仅是为充分说明本发明而所举的较佳的实施例，本发明的 保护范围不限于此。本技术领域的技术人员在本发明基础上所作的等同替代或 变换，均在本发明的保护范围之内。本发明的保护范围以权利要求书为准。

Claims (6)

1.一种预测畜禽数量性状显性遗传效应的方法，其特征在于，包括以下步骤：
S1、根据育种目标，选择育种亲本，同条件饲喂，测定育种亲本目标相关性状表型数据；
S2、根据育种目标，采集与育种目标性状相关联的亲本组织/血液样本；
S3、提取亲本组织/血液样本中的总RNA，获取全基因组水平的基因表达量；
S4、对基因表达量进行基因差异表达分析，并对差异表达基因进行功能富集分析，获取与育种目标性状相关的差异表达基因，以及在亲本间差异表达印记基因和非印记基因；
S5、将差异表达印记基因与差异表达的非印记基因进行基因互作分析，获取与目标性状基因表达差异相关的差异表达印记基因；
S6、根据育种目标和性状关联差异表达印记基因的遗传模式，来确定亲本的交配模式。
2.根据权利要求1所述预测畜禽数量性状显性遗传效应的方法，其特征在于，所述S3中，采用高通量二代测序技术对亲本的组织/血液样本进行全基因组水平的基因表达差异分析，获取全基因组水平的基因表达量。
3.根据权利要求1所述预测畜禽数量性状显性遗传效应的方法，其特征在于，所述S4中，通过iDEP 90在线工具的DE Seq2软件算法分析亲本间的基因差异表达。
4.根据权利要求1所述预测畜禽数量性状显性遗传效应的方法，其特征在于，所述S4中，通过iDEP 90和DAVID 6.8软件对差异表达基因进行功能富集分析。
5.根据权利要求1所述预测畜禽数量性状显性遗传效应的方法，其特征在于，所述S5中，通过STRING软件分析差异表达印记基因与差异表达非印记基因进行基因互作分析，获取与目标性状基因表达差异相关的差异表达印记基因。
6.如权利要求1至权利要求5任一所述预测畜禽数量性状显性遗传效应的方法在评估牛育种后代耐热性能的显性遗传效应中的应用。
CN202010339226.XA 2020-04-26 2020-04-26 一种预测畜禽数量性状显性遗传效应的方法及应用 Active CN111613271B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010339226.XA CN111613271B (zh) 2020-04-26 2020-04-26 一种预测畜禽数量性状显性遗传效应的方法及应用

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010339226.XA CN111613271B (zh) 2020-04-26 2020-04-26 一种预测畜禽数量性状显性遗传效应的方法及应用

Publications (2)

Publication Number Publication Date
CN111613271A true CN111613271A (zh) 2020-09-01
CN111613271B CN111613271B (zh) 2023-02-14

Family

ID=72199992

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010339226.XA Active CN111613271B (zh) 2020-04-26 2020-04-26 一种预测畜禽数量性状显性遗传效应的方法及应用

Country Status (1)

Country Link
CN (1) CN111613271B (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU7043387A (en) * 1986-03-20 1987-09-24 Cornell Research Foundation Inc. Expanded tomato chromosome map and cdna library
JPH1176622A (ja) * 1997-09-04 1999-03-23 Enix:Kk ビデオゲーム装置及びコンピュータプログラムを記録した記録媒体
US20050153440A1 (en) * 2000-05-22 2005-07-14 Feinberg Andrew P. Methods for assaying gene imprinting and methylated cpg islands
CN101564003A (zh) * 2009-04-02 2009-10-28 王留明 一种棉花杂交种的制备和鉴定方法
WO2010056374A2 (en) * 2008-11-17 2010-05-20 Veracyte, Inc. Methods and compositions of molecular profiling for disease diagnostics
US20100204921A1 (en) * 2009-02-06 2010-08-12 Syngenta Participitations Ag Method for selecting statistically validated candidate genes
KR20110022142A (ko) * 2009-08-27 2011-03-07 (주)고추와 육종 세포질-유전자적 웅성불임성(cgms) 회복유전자 도입을 통한 파프리카(착색단고추) cgms 부계(c 계통) 육성 방법
AU2014221248A1 (en) * 2011-10-26 2014-09-25 The Regents Of The University Of California Pathway recognition algorithm using data integration on genomic models (paradigm)
WO2015051275A1 (en) * 2013-10-03 2015-04-09 Personalis, Inc. Methods for analyzing genotypes
WO2017031370A1 (en) * 2015-08-18 2017-02-23 The Broad Institute, Inc. Methods and compositions for altering function and structure of chromatin loops and/or domains
WO2017040315A1 (en) * 2015-08-28 2017-03-09 The Trustees Of Columbia University In The City Of New York Virtual inference of protein activity by regulon enrichment analysis
CN106503483A (zh) * 2016-09-23 2017-03-15 西南大学 基于模块化因子图的骨髓瘤信号通路机制确认方法
WO2017106663A1 (en) * 2015-12-18 2017-06-22 Pioneer Hi-Bred International, Inc. Methods for identification of novel genes for modulating plant agronomic traits
CN109101786A (zh) * 2018-08-29 2018-12-28 广东省农业科学院动物科学研究所 一种整合显性效应的基因组育种值估计方法

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU7043387A (en) * 1986-03-20 1987-09-24 Cornell Research Foundation Inc. Expanded tomato chromosome map and cdna library
JPH1176622A (ja) * 1997-09-04 1999-03-23 Enix:Kk ビデオゲーム装置及びコンピュータプログラムを記録した記録媒体
US20050153440A1 (en) * 2000-05-22 2005-07-14 Feinberg Andrew P. Methods for assaying gene imprinting and methylated cpg islands
WO2010056374A2 (en) * 2008-11-17 2010-05-20 Veracyte, Inc. Methods and compositions of molecular profiling for disease diagnostics
US20100204921A1 (en) * 2009-02-06 2010-08-12 Syngenta Participitations Ag Method for selecting statistically validated candidate genes
CN101564003A (zh) * 2009-04-02 2009-10-28 王留明 一种棉花杂交种的制备和鉴定方法
KR20110022142A (ko) * 2009-08-27 2011-03-07 (주)고추와 육종 세포질-유전자적 웅성불임성(cgms) 회복유전자 도입을 통한 파프리카(착색단고추) cgms 부계(c 계통) 육성 방법
AU2014221248A1 (en) * 2011-10-26 2014-09-25 The Regents Of The University Of California Pathway recognition algorithm using data integration on genomic models (paradigm)
WO2015051275A1 (en) * 2013-10-03 2015-04-09 Personalis, Inc. Methods for analyzing genotypes
WO2017031370A1 (en) * 2015-08-18 2017-02-23 The Broad Institute, Inc. Methods and compositions for altering function and structure of chromatin loops and/or domains
WO2017040315A1 (en) * 2015-08-28 2017-03-09 The Trustees Of Columbia University In The City Of New York Virtual inference of protein activity by regulon enrichment analysis
WO2017106663A1 (en) * 2015-12-18 2017-06-22 Pioneer Hi-Bred International, Inc. Methods for identification of novel genes for modulating plant agronomic traits
CN106503483A (zh) * 2016-09-23 2017-03-15 西南大学 基于模块化因子图的骨髓瘤信号通路机制确认方法
CN109101786A (zh) * 2018-08-29 2018-12-28 广东省农业科学院动物科学研究所 一种整合显性效应的基因组育种值估计方法

Also Published As

Publication number Publication date
CN111613271B (zh) 2023-02-14

Similar Documents

Publication Publication Date Title
CM Dekkers Application of genomics tools to animal breeding
CN107403074B (zh) 一种突变蛋白的检测方法及装置
CN108319813A (zh) 循环肿瘤dna拷贝数变异的检测方法和装置
AU2011261447B2 (en) Methods and compositions for predicting unobserved phenotypes (PUP)
Diniz et al. A genome-wide association study reveals a novel candidate gene for sperm motility in pigs
CN107794304B (zh) 用于牦牛个体识别和亲子鉴定的基因分型检测试剂盒
CN107760789B (zh) 一种用于牦牛亲子鉴定和个体识别的基因分型检测试剂盒
CN106906303A (zh) 一个影响猪肉品质性状的snp标记及其应用
CN111254205B (zh) 影响加系大白猪平均日增重的分子标记及筛选方法和应用
CN110273006B (zh) 一种公猪有效精子数相关的分子遗传标记
CN105969879A (zh) 一种高通量检测AhFAD2A基因突变位点分型的引物组及检测方法
CN108192985B (zh) 一种山羊ctnnb1基因插入/缺失的检测方法及其应用
Huang et al. Whole-genome sequence-based association analyses on an eight-breed crossed heterogeneous stock of pigs reveal the genetic basis of skeletal muscle fiber characteristics
CN111613271B (zh) 一种预测畜禽数量性状显性遗传效应的方法及应用
CN117095745A (zh) 用于检测孕妇血浆游离dna中胎儿非整倍体和拷贝数变异的方法和装置及应用
CN113481303B (zh) 一种黄牛actr3基因cnv标记辅助检测生长性状的方法及其应用
CN109182505A (zh) 奶牛乳腺炎关键SNPs位点rs75762330及2b-RAD基因分型和分析方法
Cánovas et al. Applying new genomic technologies to accelerate genetic improvement in beef and dairy cattle.
CN111004851B (zh) Vipr1基因与公鸡体质量和屠宰性状相关性的检测方法及应用
CN112280874A (zh) 一种猪11号染色体上影响猪背膘厚的拷贝数变异分子标记及应用
CN117701722B (zh) 一种牛高原适应育种10k液相芯片及应用
Cánovas Looking ahead: applying new genomic technologies to accelerate genetic improvement in beef cattle
CN117265139B (zh) 一种萨福克羊体重相关snp标记及其筛选方法与应用
Wang et al. Development and Purity Identification of InDel Marker Based on Re-resequencing of “modilong” Wax Gourd
Negash et al. Genomic selection for poultry breeding and its potential applications in developing countries

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
GR01 Patent grant
GR01 Patent grant