CN115341045A - 一种利用微生物及其相关snp位点预测猪饲料转化率的方法 - Google Patents
一种利用微生物及其相关snp位点预测猪饲料转化率的方法 Download PDFInfo
- Publication number
- CN115341045A CN115341045A CN202211280319.5A CN202211280319A CN115341045A CN 115341045 A CN115341045 A CN 115341045A CN 202211280319 A CN202211280319 A CN 202211280319A CN 115341045 A CN115341045 A CN 115341045A
- Authority
- CN
- China
- Prior art keywords
- conversion rate
- feed conversion
- microorganisms
- pig
- microorganism
- 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.)
- Pending
Links
- 244000005700 microbiome Species 0.000 title claims abstract description 59
- 238000006243 chemical reaction Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 24
- 241000282887 Suidae Species 0.000 claims abstract description 22
- 108020004465 16S ribosomal RNA Proteins 0.000 claims abstract description 14
- 238000012163 sequencing technique Methods 0.000 claims abstract description 14
- 230000000813 microbial effect Effects 0.000 claims abstract description 11
- 108090000623 proteins and genes Proteins 0.000 claims abstract description 7
- 238000003908 quality control method Methods 0.000 claims description 22
- 238000010219 correlation analysis Methods 0.000 claims description 9
- 238000002156 mixing Methods 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 7
- 238000010801 machine learning Methods 0.000 claims description 7
- 238000002790 cross-validation Methods 0.000 claims description 6
- 238000012408 PCR amplification Methods 0.000 claims description 5
- 238000012417 linear regression Methods 0.000 claims description 5
- 238000007637 random forest analysis Methods 0.000 claims description 5
- 238000012706 support-vector machine Methods 0.000 claims description 5
- LZZYPRNAOMGNLH-UHFFFAOYSA-M Cetrimonium bromide Chemical compound [Br-].CCCCCCCCCCCCCCCC[N+](C)(C)C LZZYPRNAOMGNLH-UHFFFAOYSA-M 0.000 claims description 4
- 238000007400 DNA extraction Methods 0.000 claims description 4
- 241000726221 Gemma Species 0.000 claims description 4
- 238000000246 agarose gel electrophoresis Methods 0.000 claims description 4
- 210000000436 anus Anatomy 0.000 claims description 4
- 230000002550 fecal effect Effects 0.000 claims description 4
- 238000012257 pre-denaturation Methods 0.000 claims description 4
- 238000002360 preparation method Methods 0.000 claims description 4
- 239000002096 quantum dot Substances 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 241000589323 Methylobacterium Species 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000003205 genotyping method Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 2
- 241000282898 Sus scrofa Species 0.000 abstract description 36
- 230000002068 genetic effect Effects 0.000 abstract description 4
- 238000001914 filtration Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 6
- 238000009395 breeding Methods 0.000 description 6
- 230000001488 breeding effect Effects 0.000 description 6
- 241000894007 species Species 0.000 description 6
- 230000000968 intestinal effect Effects 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 108700028369 Alleles Proteins 0.000 description 2
- 241000143742 Methylobacterium persicinum Species 0.000 description 2
- 230000001580 bacterial effect Effects 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 210000001035 gastrointestinal tract Anatomy 0.000 description 2
- 239000000499 gel Substances 0.000 description 2
- 244000144972 livestock Species 0.000 description 2
- 239000002207 metabolite Substances 0.000 description 2
- 238000000746 purification Methods 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 208000010603 vasculitis due to ADA2 deficiency Diseases 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 101000669447 Homo sapiens Toll-like receptor 4 Proteins 0.000 description 1
- 206010061218 Inflammation Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241000385060 Prevotella copri Species 0.000 description 1
- 102000013530 TOR Serine-Threonine Kinases Human genes 0.000 description 1
- 108010065917 TOR Serine-Threonine Kinases Proteins 0.000 description 1
- 102100039360 Toll-like receptor 4 Human genes 0.000 description 1
- 238000012098 association analyses Methods 0.000 description 1
- 230000037396 body weight Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 108091036078 conserved sequence Proteins 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004054 inflammatory process Effects 0.000 description 1
- 235000020997 lean meat Nutrition 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 244000144977 poultry Species 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 210000003705 ribosome Anatomy 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000019491 signal transduction Effects 0.000 description 1
- 238000003307 slaughter Methods 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- 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
-
- 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
- G16B20/20—Allele or variant detection, e.g. single nucleotide polymorphism [SNP] detection
-
- 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
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
-
- 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
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
- G16B50/10—Ontologies; Annotations
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Medical Informatics (AREA)
- Biotechnology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Chemical & Material Sciences (AREA)
- Databases & Information Systems (AREA)
- Analytical Chemistry (AREA)
- Bioethics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Public Health (AREA)
- Evolutionary Computation (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Genetics & Genomics (AREA)
- Molecular Biology (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明公开了一种利用微生物及其相关SNP位点预测猪饲料转化率的方法,本发明涉及猪遗传基因技术领域,所述微生物为甲基杆菌(Methylobacterium persicinum)。还提供了可用于预测猪饲料转化率的微生物SNP位点,所述SNP位点包括rs81429163、rs81325861、rs81450579、rs81450581、rs81451919。还提供了一种利用微生物预测猪饲料转化率的方法,其包括样品采集、微生物DNA提取与16S rDNA测序、数据质控、相关性分析和验证所述微生物对于饲料转化率的影响。本发明提供的微生物及其相关位点可以有效的预测猪的饲料转化率,即可以通过所述微生物鉴定不同猪种之间猪饲料转化率的高低,从而选出高饲料转化率的猪种。本发明提供的方法可以有效筛选出有效预测猪的饲料转化率的微生物及其相关位点。
Description
技术领域
本发明涉及猪遗传基因技术领域,具体而言,涉及一种利用微生物及其相关SNP位点预测猪饲料转化率的方法。
背景技术
生猪养殖业的主要效益取决于与饲料有关的成本以及所生产的瘦肉的数量和质量。为了提高畜牧业的经济效益,降低饲料成本,有必要了解影响生猪生长发育性能的因素。其中猪的饲料转化率(FCR)是畜牧养殖的重要经济性状,直接与猪的生长性状相关,是指饲养的畜禽增重一公斤所消耗的饲料量,它是评价饲料报酬的一个重要指标,也是编制生产计划和财务计划的重要依据,在育种中具有重要的研究意义。目前,许多研究致力于探索基因与性状之间的关系。但随着研究的深入,其边际效益不断下降,需要一个新的研究切入点
随着对肠道微生物研究的不断深入,肠道微生物及其代谢物的作用不容忽视。越来越多的研究表明,猪的肠道微生物与各种性状之间存在相关性,如饲料转化率、平均日增重和背膘厚度。有学者报道猪肠道菌群中的P. Copri通过代谢产物和TLR4、mTOR信号通路激活宿主的慢性炎症反应,显著增加宿主脂肪沉积。但目前对于猪的育种选择普遍考虑的是遗传因素,鲜有研究将微生物因素应用到猪的育种工作中。
16S核糖体RNA(16S ribosomal RNA),简称16S rRNA,是原核生物的核糖体中30S亚基的组成部分。16S rRNA的长度约为1,542 nt。研究发现物种间16S rRNA序列既有高变区(V区,物种之间有差异)也有保守区(物种之间高度相似),呈交替排列,原核16S rRNA序列包含9个高变区,其中,V4-V5区其特异性好,数据库信息全,是细菌多样性分析注释的最佳选择。保守序列区域反映了生物物种间的亲缘关系,而可变序列区域则能体现物种间的差异,因此,16S rDNA也被称为细菌系统分类研究中最有用的和最常用的分子钟。16S测序技术的应用推动了肠道微生物的研究。
综上所述,经过申请人的海量检索,本领域至少存在如何利用肠道中的微生物来预测猪饲料的转化率的问题,因此,需要开发或者改进一种可用于预测猪饲料转化率的微生物和SNP位点及其方法。
发明内容
基于此,为了解决利用肠道中的微生物来预测猪饲料的转化率的问题,本发明提供了一种可用于预测猪饲料转化率的微生物和SNP位点及其方法,具体技术方案如下:
一种利用微生物及其相关SNP位点预测猪饲料转化率的方法,所述微生物为甲基杆菌(Methylobacterium persicinum)。
进一步地,所述SNP位点包括rs81429163、rs81325861、rs81450579、rs81450581、rs81451919。
进一步地,其包括样品采集、微生物DNA提取与16S rDNA测序、数据质控、相关性分析和验证所述微生物对于饲料转化率的影响。
进一步地,所述样品采集包括以下步骤:
当64~150日龄的时候采用性能自动测定系统测定猪的饲料转化率,具体为每增加1公斤活重所消耗的标准饲料公斤数,当体重达到130±5KG时,结束测定;原始体重数据经过质控后,计算每个个体的饲料转化率;
采用直肠拭子从猪的肛门进行粪便样品的采集,采集后的样品暂存于冰盒内,随后转运至实验室-80℃冰箱保存;
采集耳组织进行DNA提取,采用GeneSeek Porcine 50K 的基因芯片对猪进行基因分型。
进一步地,所述微生物DNA提取与16S rDNA测序包括以下步骤:
采用CTAB对样本微生物基因组DNA进行提取;
以98℃预变性1分钟;30个循环包括98℃,10秒、50℃,30秒、72℃,30秒、72℃,5分钟进行PCR扩增;
根据PCR产物浓度进行等浓度混样,充分混匀后用0.02g/ml的琼脂糖凝胶电泳对PCR产物进行纯化回收;
使用Illumina公司TruSeq DNA PCR-Free Library Preparation Kit 建库试剂盒进行文库的构建,将构建好的文库经过Qubit定量和文库检测,合格后,使用NovaSeq6000进行上机测序。
进一步地,所述数据质控包括微生物组数据质控和基因组数据质控。
进一步地,所述相关性分析包括微生物与表型相关和全基因组关联性分析。
进一步地,所述验证所述微生物对于饲料转化率的影响包括通过python利用scikit-learn包建立不同的机器学习回归模型,分别进行5折交叉验证。
进一步地,所述机器学习回归模型包括线性回归LR,决策数DT,随机森林RF,支持向量机SVR,梯度提升XGB。
进一步地,所述微生物与表型相关通过python利用scikit-learn包进行Lasso线性模型的建立,最终通过LASSO模型计算得出与饲料转换率线性相关的微生物;
所述全基因组关联性分析利用gemma进行全基因组分析,利用gec软件矫正p值,最终得到相关联的SNP位点。
上述微生物及其相关位点可以有效的预测猪的饲料转化率,即可以通过所述微生物鉴定不同猪种之间猪饲料转化率的高低,从而选出高饲料转化率的猪种,达到精准选育的目的,有利于利于提高养猪业生产水平和经济效益的目的。上述方法可以有效筛选出有效预测猪的饲料转化率的微生物及其相关位点。
具体实施方式
为了使得本发明的目的、技术方案及优点更加清楚明白,以下结合其实施例,对本发明进行进一步详细说明。应当理解的是,此处所描述的具体实施方式仅用以解释本发明,并不限定本发明的保护范围。
除非另有定义,本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的,不是旨在于限制本发明。本文所使用的术语“ 及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
本发明一实施例中的一种利用微生物及其相关SNP位点预测猪饲料转化率的方法,所述微生物为甲基杆菌(Methylobacterium persicinum)。
在其中一个实施例中,本技术方案提供了可用于预测猪饲料转化率的微生物SNP位点,所述SNP位点包括rs81429163、rs81325861、rs81450579、rs81450581、rs81451919。
在其中一个实施例中,本技术方案提供了一种利用微生物预测猪饲料转化率的方法,其包括样品采集、微生物DNA提取与16S rDNA测序、数据质控、相关性分析和验证所述微生物对于饲料转化率的影响。
在其中一个实施例中,所述样品采集包括以下步骤:
当64~150日龄的时候采用性能自动测定系统测定猪的饲料转化率,具体为每增加1公斤活重所消耗的标准饲料公斤数,当体重达到130±5KG时,结束测定;原始体重数据经过质控后,计算每个个体的饲料转化率;
采用直肠拭子从猪的肛门进行粪便样品的采集,采集后的样品暂存于冰盒内,随后转运至实验室-80℃冰箱保存;
采集耳组织进行DNA提取,采用GeneSeek Porcine 50K 的基因芯片对猪进行基因分型。
在其中一个实施例中,所述微生物DNA提取与16S rDNA测序包括以下步骤:
采用CTAB对样本微生物基因组DNA进行提取;
以98℃预变性1分钟;30个循环包括98℃,10秒、50℃,30秒、72℃,30秒、72℃,5分钟进行PCR扩增;
根据PCR产物浓度进行等浓度混样,充分混匀后用0.02g/ml的琼脂糖凝胶电泳对PCR产物进行纯化回收;
使用Illumina公司TruSeq DNA PCR-Free Library Preparation Kit 建库试剂盒进行文库的构建,将构建好的文库经过Qubit定量和文库检测,合格后,使用NovaSeq6000进行上机测序。
所述PCR产物纯化试剂盒为Thermo Scientific 公司 GeneJET 胶回收试剂盒。
在其中一个实施例中,所述数据质控包括微生物组数据质控和基因组数据质控。
所述微生物组数据质控包括以下步骤:
首先利用QIIME2(版本 2021.4)软件中的DADA2插件对原始数据进行质控和聚类;对质控后的数据进行过滤并计算相对丰度;所述过滤的条件为:丰度超过0.1%,且在20%的样品中存在;
过滤后的数据通过比对NCBI RefSeq数据库对这些分类单元进行物种注释;置信度超过97%的菌种,可以认为是同一种菌。
所述基因组数据质控包括以下步骤:
利用PLINK(版本1.9)对原始SNP数据进行过滤,符合以下任一条件的SNP或个体将被排除:
1)个体或SNP缺失率大于0.1的个体或SNP;
2)最小等位基因频率(MAF)小于0.05的SNP;
3)不符合Hardy-Weinberg平衡(HWE)中的SNP。
在其中一个实施例中,所述相关性分析包括微生物与表型相关和全基因组关联性分析。
所述微生物与表型相关包括以下步骤:
通过python利用scikit-learn包进行Lasso线性模型的建立,以表型为y值,微生物相对丰度为x值,过滤特征,选择与表型相关的微生物相对丰度。最终通过LASSO模型计算得出与饲料转换率线性相关的微生物。
所述全基因组关联性分析包括:利用gemma进行全基因组分析,利用gec软件矫正p值为5.23E-5,最终得到相关联的SNP位点。
在其中一个实施例中,所述验证所述微生物对于饲料转化率的影响包括通过python利用scikit-learn包建立不同的机器学习回归模型,分别进行5折交叉验证。
在其中一个实施例中,所述机器学习回归模型包括线性回归LR,决策数DT,随机森林RF,支持向量机SVR,梯度提升XGB。
下面将结合具体实施例对本发明的实施方案进行详细描述。
实施例1:
1.实验材料
以杜长大三元杂交猪为研究对象,收集376头的生长数据、基因组数据和微生物组数据用于本发明。生长性能的测定严格按照猪场内部规范进行,收集376头杜长大三元杂交猪的饲料转化率。
2.试验方法
2.1样品采集:
(1)当64~150日龄的时候采用性能自动测定系统测定猪的生长性状,即饲料转化率,具体为每增加1公斤活重所消耗的标准饲料公斤数。当体重达到130±5KG时,结束测定。原始体重数据经过质控后,计算每个个体的饲料转化率。
(2)在屠宰前进行粪便样品的采集,采用直肠拭子从猪的肛门进行采集,采集后的样品暂存与冰盒内,随后转运至实验室-80℃冰箱保存。
(3)采集耳组织进行DNA提取,采用GeneSeek Porcine 50K 的基因芯片对376头猪进行基因分型。
2.2微生物DNA提取、16S rDNA测序与数据分析:
(1)微生物基因组DNA提取:采用CTAB对样本基因组DNA进行提取。
(2)PCR扩增:以98℃预变性1分钟;30个循环包括(98℃,10秒;50℃,30秒;72℃,30秒);72℃,5分钟进行PCR扩增。
(3)PCR产物的混样和纯化:根据PCR产物浓度进行等浓度混样,充分混匀后用0.02g/ml的琼脂糖凝胶电泳对PCR产物进行纯化回收。产物纯化试剂盒使用的是ThermoScientific公司 GeneJET胶回收试剂盒。
(4)文库构建和上机测序:使用Illumina公司TruSeq DNA PCR-Free LibraryPreparation Kit建库试剂盒进行文库的构建,构建好的文库经过Qubit定量和文库检测,合格后,使用NovaSeq 6000进行上机测序。
2.3数据质控:
(1)微生物组数据质控:首先利用QIIME2(版本 2021.4)软件中的DADA2插件对原始数据进行质控和聚类。对质控后的数据进行过滤(丰度超过0.1%,且在20%的样品中存在)并计算相对丰度,过滤后的数据通过比对NCBI RefSeq数据库对这些分类单元进行物种注释;置信度超过97%的菌种,可以认为是同一种菌。经过过滤得到68种微生物。
(2)基因组数据质控:利用PLINK(版本1.9)对原始SNP数据进行过滤,符合以下任一条件的SNP或个体将被排除:1)个体或SNP缺失率大于0.1的个体或SNP;2)最小等位基因频率(MAF)小于0.05的SNP;3)不符合Hardy-Weinberg平衡(HWE)中的SNP。经过处理得到31,931个高质量的SNP位点。
2.4 相关性分析
(1)微生物与表型相关:通过python利用scikit-learn包进行Lasso线性模型的建立,以表型为y值,68种微生物相对丰度为x值,过滤特征,选择与表型相关的微生物相对丰度。最终通过LASSO模型计算得出1种微生物与饲料转换率线性相关,即为甲基杆菌(Methylobacterium persicinum)。
(2)全基因组关联性分析:利用gemma进行全基因组分析,利用gec软件矫正p值为5.23E-5,最终得到相关联的SNP位点有:rs81429163、rs81325861、rs81450579、rs81450581、rs81451919。
2.5验证所述微生物对于饲料转化率的影响:
通过python利用scikit-learn包建立不同的机器学习回归模型(线性回归LR,决策数DT,随机森林RF,支持向量机SVR,梯度提升XGB),分别进行5折交叉验证,每一折将数据随机分为30%测试集和70%的验证集,以所述的微生物相对丰度进行饲料转化率的预测,通过均方误差(MSE)反应预测的准确性,MSE越小代表模型预测能力越准确。5次交叉验证的MSE如表1所示:
表1为模型中加入微生物及其相关位点信息,5次交叉验证的MSE。
表1:
由表1可以看出,利用所述的微生物进行表型预测,预测的MSE的均值分别为0.093、0.199、0.113、0.106和0.109,所述微生物及其相关位点可以有效的预测猪的饲料转化率,即可以通过所述微生物鉴定不同猪种之间的猪饲料转化率的高低,从而选出高饲料转化率的猪种,达到精准选育的目的,有利于利于提高养猪业生产水平和经济效益的目的。本发明还提供了筛选出预测猪种的猪饲料转化率高低的微生物的方法,利用该方法可以有效地筛选出相关微生物及其相关SNP位点。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种利用微生物及其相关SNP位点预测猪饲料转化率的方法,其特征在于,所述微生物为甲基杆菌(Methylobacterium persicinum)。
2.根据权利要求1所述的方法,其特征在于,所述SNP位点包括rs81429163、rs81325861、rs81450579、rs81450581、rs81451919。
3.根据权利要求1所述的方法,其特征在于,其包括样品采集、微生物DNA提取与16SrDNA测序、数据质控、相关性分析和验证所述微生物对于饲料转化率的影响。
4.根据权利要求3所述的方法,其特征在于,所述样品采集包括以下步骤:
当64~150日龄的时候采用性能自动测定系统测定猪的饲料转化率,具体为每增加1公斤活重所消耗的标准饲料公斤数,当体重达到130±5KG时,结束测定;原始体重数据经过质控后,计算每个个体的饲料转化率;
采用直肠拭子从猪的肛门进行粪便样品的采集,采集后的样品暂存于冰盒内,随后转运至实验室-80℃冰箱保存;
采集耳组织进行DNA提取,采用GeneSeek Porcine 50K 的基因芯片对猪进行基因分型。
5.根据权利要求3所述的方法,其特征在于,所述微生物DNA提取与16SrDNA测序包括以下步骤:
采用CTAB对样本微生物基因组DNA进行提取;
以98℃预变性1分钟;30个循环包括98℃,10秒、50℃,30秒、72℃,30秒、72℃,5分钟进行PCR扩增;
根据PCR产物浓度进行等浓度混样,充分混匀后用0.02g/ml的琼脂糖凝胶电泳对PCR产物进行纯化回收;
使用Illumina公司TruSeq DNA PCR-Free Library Preparation Kit 建库试剂盒进行文库的构建,将构建好的文库经过Qubit定量和文库检测,合格后,使用NovaSeq 6000进行上机测序。
6.根据权利要求3所述的方法,其特征在于,所述数据质控包括微生物组数据质控和基因组数据质控。
7.根据权利要求3所述的方法,其特征在于,所述相关性分析包括微生物与表型相关和全基因组关联性分析。
8.根据权利要求3所述的方法,其特征在于,所述验证所述微生物对于饲料转化率的影响包括通过python利用scikit-learn包建立不同的机器学习回归模型,分别进行5折交叉验证。
9.根据权利要求8所述的方法,其特征在于,所述机器学习回归模型包括线性回归LR,决策数DT,随机森林RF,支持向量机SVR,梯度提升XGB。
10.根据权利要求7所述的方法,其特征在于,所述微生物与表型相关通过python利用scikit-learn包进行Lasso线性模型的建立,最终通过LASSO模型计算得出与饲料转换率线性相关的微生物;
所述全基因组关联性分析利用gemma进行全基因组分析,利用gec软件矫正p值,最终得到相关联的SNP位点。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211280319.5A CN115341045A (zh) | 2022-10-19 | 2022-10-19 | 一种利用微生物及其相关snp位点预测猪饲料转化率的方法 |
CN202310321599.8A CN116434840B (zh) | 2022-10-19 | 2023-03-29 | 一种预测猪饲料转化率的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211280319.5A CN115341045A (zh) | 2022-10-19 | 2022-10-19 | 一种利用微生物及其相关snp位点预测猪饲料转化率的方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115341045A true CN115341045A (zh) | 2022-11-15 |
Family
ID=83957307
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211280319.5A Pending CN115341045A (zh) | 2022-10-19 | 2022-10-19 | 一种利用微生物及其相关snp位点预测猪饲料转化率的方法 |
CN202310321599.8A Active CN116434840B (zh) | 2022-10-19 | 2023-03-29 | 一种预测猪饲料转化率的方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310321599.8A Active CN116434840B (zh) | 2022-10-19 | 2023-03-29 | 一种预测猪饲料转化率的方法 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN115341045A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005101230A1 (en) * | 2004-04-07 | 2005-10-27 | Merial Limited | Sytems and methods for improving livestock production |
WO2005112544A2 (en) * | 2004-02-19 | 2005-12-01 | The Governors Of The University Of Alberta | Leptin promoter polymorphisms and uses thereof |
US20070212713A1 (en) * | 2006-01-13 | 2007-09-13 | Stephen Moore | Polymorphisms in growth hormone receptor, ghrelin, leptin, neuropeptide Y, and uncoupling protein 2 genes and their associations with measures of performance and carcass merit in beef cattle |
CN107937556A (zh) * | 2017-11-14 | 2018-04-20 | 中国农业大学 | 一个与猪饲料转化率相关的snp位点及其应用 |
CN110295236A (zh) * | 2019-06-06 | 2019-10-01 | 佛山科学技术学院 | 猪饲料转化率的snp分子遗传标记 |
CN111621577A (zh) * | 2020-03-09 | 2020-09-04 | 中国科学院亚热带农业生态研究所 | 一种基于鼻腔原核微生物相对丰度的评价保育猪个体所处生长环境温湿状态的方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110827917B (zh) * | 2019-11-06 | 2023-10-20 | 华中科技大学鄂州工业技术研究院 | 一种基于snp鉴定个体肠道菌群类型的方法 |
CN111254183B (zh) * | 2020-01-22 | 2023-09-05 | 中国科学院亚热带农业生态研究所 | 一种评价生猪个体蛋白营养状态的方法 |
AU2020102040A4 (en) * | 2020-08-28 | 2020-10-08 | Central South University | A Technique for Predicting Acarbose Treatment Based on Stratification of Gut by Using 16SrRNA Sequencing |
CN114093515A (zh) * | 2021-11-17 | 2022-02-25 | 江南大学 | 一种基于肠道菌群预测模型集成学习的年龄预测方法 |
CN114196761A (zh) * | 2021-11-22 | 2022-03-18 | 四川农业大学 | 一种主选父系品种猪饲料报酬的液相芯片的制作方法 |
CN114530249A (zh) * | 2022-02-15 | 2022-05-24 | 北京浩鼎瑞生物科技有限公司 | 一种基于肠道微生物的疾病风险评估模型构建方法及应用 |
-
2022
- 2022-10-19 CN CN202211280319.5A patent/CN115341045A/zh active Pending
-
2023
- 2023-03-29 CN CN202310321599.8A patent/CN116434840B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005112544A2 (en) * | 2004-02-19 | 2005-12-01 | The Governors Of The University Of Alberta | Leptin promoter polymorphisms and uses thereof |
WO2005101230A1 (en) * | 2004-04-07 | 2005-10-27 | Merial Limited | Sytems and methods for improving livestock production |
US20070212713A1 (en) * | 2006-01-13 | 2007-09-13 | Stephen Moore | Polymorphisms in growth hormone receptor, ghrelin, leptin, neuropeptide Y, and uncoupling protein 2 genes and their associations with measures of performance and carcass merit in beef cattle |
CN107937556A (zh) * | 2017-11-14 | 2018-04-20 | 中国农业大学 | 一个与猪饲料转化率相关的snp位点及其应用 |
CN110295236A (zh) * | 2019-06-06 | 2019-10-01 | 佛山科学技术学院 | 猪饲料转化率的snp分子遗传标记 |
CN111621577A (zh) * | 2020-03-09 | 2020-09-04 | 中国科学院亚热带农业生态研究所 | 一种基于鼻腔原核微生物相对丰度的评价保育猪个体所处生长环境温湿状态的方法 |
Non-Patent Citations (3)
Title |
---|
YUANXIN MIAO等: "Genome-wide association and transcriptome studies identify candidate genes and pathways for feed conversion ratio in pigs", 《BMC GENOMICS》 * |
司景磊: "大白猪饲料利用效率遗传和微生物标记挖掘及宿主遗传与肠道微生物互作关系的研究", 《中国博士学位论文全文数据库 农业科技辑》 * |
邢文凯等: "猪基因组选择育种研究进展", 《中国畜牧杂志》 * |
Also Published As
Publication number | Publication date |
---|---|
CN116434840A (zh) | 2023-07-14 |
CN116434840B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109825598B (zh) | 一种与澳洲白绵羊毛发粗细极显著相关的snp标记、分子标记及应用 | |
CN115976235B (zh) | 德氏乳杆菌cicc 6047菌株的鉴定方法及其引物、试剂盒和应用 | |
Niu et al. | Integration of selection signatures and multi-trait GWAS reveals polygenic genetic architecture of carcass traits in beef cattle | |
MXPA06009452A (es) | Polimorfismos del promotor de leptin y sus usos. | |
Liu et al. | Design and evaluation of a custom 50K Infinium SNP array for egg-type chickens | |
Mukherjee et al. | Muscle transcriptome signature and gene regulatory network analysis in two divergent lines of a hilly bovine species Mithun (Bos frontalis) | |
EP3775279B1 (en) | Methods involving nucleic acid analysis of milk | |
CN116580772B (zh) | 一种预测猪平均日增重的方法 | |
KR102235340B1 (ko) | 토종닭의 성장 형질을 예측하기 위한 snp 마커 세트 및 이의 용도 | |
CN117385045A (zh) | 山羊amhr2基因作为产羔数关联分子标记的应用 | |
CN114875157B (zh) | 与黄颡鱼个体生长性状相关的snp标记及应用 | |
CN115341045A (zh) | 一种利用微生物及其相关snp位点预测猪饲料转化率的方法 | |
CN112980962A (zh) | 一种与猪初生重性状相关的snp标记及应用 | |
CN113174441B (zh) | 一种鸭剩余采食量相关的lncRNA及其应用 | |
CN114107520B (zh) | 一种猪肌内脂肪snp分子标记及其应用 | |
CN110777209B (zh) | 麦洼牦牛特异性基因、引物组及应用 | |
CN116334256B (zh) | 嗜热链球菌cicc 6038菌株的鉴定方法及其引物、试剂盒和应用 | |
CN114182025B (zh) | 与猪饲料转化率相关的snp分子标记及其应用 | |
CN109750106A (zh) | 一种评价公牛精子活力高低的长链非编码rna组合及其检测方法和应用 | |
CN116590435B (zh) | 一种与猪背膘厚相关的因果候选基因及其鉴定方法和应用 | |
CN114574599B (zh) | 用于猪增重速度评估的snp分子标记、筛选方法和应用 | |
CN114790488B (zh) | 一种金黄色葡萄球菌的mnp标记位点、引物组合物、试剂盒及其应用 | |
KR100925036B1 (ko) | 마이크로새틀라이트 마커를 이용한 돼지의 개체식별 및브랜드육 식별 방법 | |
CN111154888B (zh) | 一种用于检测比格犬封闭群的微卫星标记及其组合 | |
Hérault et al. | Phenotypic and expression QTL integration allows the refinement of loci associated with pig carcass and meat quality traits |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20221115 |