CN118166127A - 鱼类抗病性状主效qtl精细定位方法 - Google Patents
鱼类抗病性状主效qtl精细定位方法 Download PDFInfo
- Publication number
- CN118166127A CN118166127A CN202410591267.6A CN202410591267A CN118166127A CN 118166127 A CN118166127 A CN 118166127A CN 202410591267 A CN202410591267 A CN 202410591267A CN 118166127 A CN118166127 A CN 118166127A
- Authority
- CN
- China
- Prior art keywords
- disease resistance
- snp
- fine positioning
- steps
- natural
- 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
- 238000000034 method Methods 0.000 title claims abstract description 47
- 208000035240 Disease Resistance Diseases 0.000 title claims abstract description 41
- 241000251468 Actinopterygii Species 0.000 title claims description 26
- 238000009395 breeding Methods 0.000 claims abstract description 25
- 238000012163 sequencing technique Methods 0.000 claims abstract description 25
- 230000001488 breeding effect Effects 0.000 claims abstract description 24
- 238000004458 analytical method Methods 0.000 claims abstract description 17
- 238000012098 association analyses Methods 0.000 claims abstract description 16
- 208000010824 fish disease Diseases 0.000 claims abstract description 16
- 230000000694 effects Effects 0.000 claims description 29
- 210000000349 chromosome Anatomy 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 11
- 238000003205 genotyping method Methods 0.000 claims description 9
- 230000004083 survival effect Effects 0.000 claims description 8
- 108700028369 Alleles Proteins 0.000 claims description 4
- 238000012217 deletion Methods 0.000 claims description 4
- 230000037430 deletion Effects 0.000 claims description 4
- 230000002068 genetic effect Effects 0.000 claims description 4
- 230000014759 maintenance of location Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000011144 upstream manufacturing Methods 0.000 claims description 4
- 241001465754 Metazoa Species 0.000 abstract description 2
- 238000009360 aquaculture Methods 0.000 abstract description 2
- 244000144974 aquaculture Species 0.000 abstract description 2
- 230000008685 targeting Effects 0.000 abstract 1
- 241001014350 Cynoglossus semilaevis Species 0.000 description 11
- 241001441722 Takifugu rubripes Species 0.000 description 11
- 201000010099 disease Diseases 0.000 description 8
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 8
- 239000003147 molecular marker Substances 0.000 description 5
- 238000007400 DNA extraction Methods 0.000 description 3
- 101100495925 Schizosaccharomyces pombe (strain 972 / ATCC 24843) chr3 gene Proteins 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000007791 liquid phase Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000001717 pathogenic effect Effects 0.000 description 2
- 238000009394 selective breeding Methods 0.000 description 2
- 241001663423 Cryptocaryon irritans Species 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000002349 favourable effect Effects 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
- 108090000623 proteins and genes Proteins 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/68—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving nucleic acids
- C12Q1/6876—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes
- C12Q1/6888—Nucleic acid products used in the analysis of nucleic acids, e.g. primers or probes for detection or identification of organisms
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/124—Animal traits, i.e. production traits, including athletic performance or the like
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q2600/00—Oligonucleotides characterized by their use
- C12Q2600/156—Polymorphic or mutational markers
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Organic Chemistry (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Microbiology (AREA)
- Immunology (AREA)
- Molecular Biology (AREA)
- Biotechnology (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Genetics & Genomics (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
本发明属于水产养殖动物基因组学和分子育种领域，具体涉及鱼类抗病性状主效QTL精细定位方法。本发明利用鱼类自然发病群体的样本和表型数据，通过基因组重测序、育种芯片靶向测序、基因型填充、连锁不平衡衰减分析和全基因组关联分析等方法，对鱼类抗病性状进行QTL精细定位，挖掘与抗病性状紧密连锁的可靠主效QTL，为鱼类抗病性状分子育种奠定重要基础。
Description
技术领域
本发明属于水产养殖动物基因组学和分子育种领域，具体涉及鱼类抗病性状主效QTL精细定位方法。
背景技术
在鱼类抗病育种方面，目前主流的方法是通过分子标记辅助育种和全基因组选择育种，但是这两种育种方法均存在一些限制因素。一方面，分子标记辅助育种需要依赖可靠的分子标记，但是由于抗病性状的特殊性，一般很难找到可靠的与抗病性状紧密连锁的主效QTL区间，进而很难发掘有效的分子标记；另一方面，全基因组选择育种确实能够为鱼类抗病育种提供有效的育种方案，但是由于目前测序成本较高等因素的存在，在很大程度上限制了该育种技术的大规模应用。相比之下，若能对抗病性状进行主效QTL的定位和筛选，将有利于在此基础上开发抗病分子育种标记，并进行鱼类抗病性状分子标记辅助育种，实现高效和低成本的鱼类抗病新品种选育。
在鱼类分子标记辅助育种方面，尤其是抗病性状的主效QTL精细定位非常困难，全世界范围内仅有少数几种鱼类的抗病性状鉴定到了主效QTL。鱼类抗病性状的主效QTL精细定位之所以困难，一方面是因为抗病性状一般被认为是由多基因控制的数量性状，通常很难筛选到主效QTL，即使定位到了主效QTL，但是不够精细，QTL区间通常很大，一般大于1Mb；另一方面是因为在鱼类抗病性状主效QTL精细定位的技术和方法方面存在严重欠缺。因此，开发一种精准有效的鱼类抗病性状主效QTL定位方法，对于鱼类抗病高产新品种的培育具有重要意义。
发明内容
为了解决上述技术问题，本发明提供了鱼类抗病性状主效QTL精细定位方法，能够有效实现鱼类抗病性状主效QTL的精细定位，有利于鱼类抗病性状分子标记开发和辅助育种，缓解鱼有效类抗病分子标记缺乏的现状。
本发明通过以下技术方案实现：
本发明所述的鱼类抗病性状主效QTL精细定位方法，包括以下步骤：
（1）收集鱼类自然发病群体的鳍条样本和表型数据；
（2）将所述自然发病群体的所有亲本的鳍条样本或者所述自然发病群体的部分鳍条样本进行基因组DNA提取，然后进行基因组重测序和基因分型，获得SNP基因型并进行过滤；
（3）将所述自然发病群体的全部鳍条样本进行基因组DNA提取后，用育种芯片进行靶向测序和基因分型，获得所述自然发病群体所有个体的SNP基因型并进行过滤；
（4）对步骤（3）过滤后的SNP基因型进行填充；
（5）利用步骤（4）填充后的SNP基因型进行连锁不平衡衰减分析；
（6）利用步骤（4）填充后的SNP基因型和所述自然发病群体的表型数据进行全基因组关联分析；
（7）利用步骤（5）和（6）的分析结果确定主效QTL区间，得到鱼类抗病性状主效QTL。
优选的，所述抗病性状为鱼类自然发病期间获取的死亡存活状态或死亡时间。
优选的，步骤（1）中，所述自然发病群体包括自然发病期间的死亡个体和存活个体，总数量＞300个；
所述自然发病群体的表型数据的记录方式为死亡存活状态或死亡天数，记录方式为死亡存活状态时，死亡个体的表型记录为0，存活个体的表型记录为1；记录方式为死亡天数时，将自然发病期间首次出现死亡个体的当天作为起始记录，第1天死亡个体的表型记录为1，第2天死亡个体的表型记录为2，以此类推；即将死亡存活状态或死亡天数作为衡量抗病能力强弱的标准。
优选的，步骤（2）和（3）中，基因型过滤条件为：SNP的最小等位基因频率≥0.05，SNP的缺失率＜0.05，杂合率≥0.01，哈代温伯格平衡的显著水平为0.00000001。
优选的，步骤（2）中，所述自然发病群体的所有亲本的基因组重测序深度＞20X，若所述自然发病群体无亲本，则选取所述自然发病群体的部分鳍条样本进行基因组重测序，其中选取样本数量≥所述自然发病群体全部个体的10%，测序深度＞20X。
优选的，步骤（3）中，所述育种芯片包含的SNP数量＞20000个，测序深度＞300X。
优选的，步骤（4）中，基因型填充所用的软件为FImpute3或Beagle，基因型填充所用的参考面板为步骤（2）基因组重测序获得的过滤后的SNP基因型。
优选的，步骤（5）中，连锁不平衡衰减分析所用的软件为PopLDdecay，且两个SNP之间的最大距离设置范围为1-50Kb。
优选的，步骤（6）中，全基因组关联分析所用的模型为基于染色体留一法的MLM模型，所用的软件为GCTA，构建基因组亲缘关系矩阵所用的方法为VanRaden法，前5个主成分作为协变量，全基因组关联分析的显著性阈水平为1/SNP数量。
优选的，步骤（7）中，主效QTL区间的精确确定方法为：a、通过步骤（5）连锁不平衡衰减分析，确定连锁不平衡相关系数平方r2衰减到0.2-0.3时所对应的距离；b、通过步骤（6）全基因组关联分析，得到位于同一染色体的所有显著SNP所跨的区间，c、在步骤b所述区间的基础上，其上游和下游各增加步骤a所述距离的2倍，所得总区间即为所述主效QTL区间。
步骤（7）中得到的抗病性状主效QTL在基因组上的区间范围＜500Kb。
与现有技术相比，本发明的有益效果如下：
1.本发明首次在鱼类上提出了一种通过从自然发病群体中收集的样本和表型，结合基因分型和全基因组关联分析等技术进行抗病性状主效QTL精细定位方法。
2.利用本发明的方法可精确定位到主效QTL，QTL区间在基因组上的范围小于500Kb，达到了非常精确的级别，因此，本发明也可为其他鱼类抗病性状主效QTL精细定位提供技术参考。
3.本发明不仅提出了鱼类抗病性状主效QTL精细定位的方法步骤，同时限定了每一步骤的具体实施要求和参数，任何一个步骤缺失或者参数变动会直接导致定位不到主效QTL。例如：若未进行基因型填充，会导致定位不到主效QTL或者不够精细；若测序深度过低或基因型过滤参数超出本发明限定参数，会导致定位不到主效QTL或者出现假阳性的结果；另外，须从自然发病群体中取材并且将抗病性状的表型根据死亡存活状态或死亡时间记录为1/0或天数（1，2，…）才能得到本发明所述的主效QTL区间范围＜500Kb的效果。
附图说明
图1、红鳍东方鲀自然发病群体连锁不平衡衰减分析图；
图2、红鳍东方鲀抗病性状全基因组关联分析曼哈顿图；
图3、半滑舌鳎自然发病群体连锁不平衡衰减分析图；
图4、半滑舌鳎抗病性状全基因组关联分析曼哈顿图。
具体实施方式
为了使本领域的普通技术人员更好的理解本发明技术内容，下面结合具体实施例对本发明的优选实施方式做进一步的描述。需要理解的是以下实施例的给出仅是为了起到说明的目的，并不是用于对本发明的范围进行限制。实施例中未注明具体技术或条件者，按照本领域内的文献所描述的技术或条件或者按照产品说明书进行。本领域的技术人员在不背离本发明的宗旨和精神的情况下，可以对本发明进行各种修改和替换。下述实施例用于说明本发明，但不用来限制本发明的范围。若未特别指明，各实施例中所用的设备和试剂均常规市售可得。
实施例1
本发明所述的鱼类抗病性状主效QTL精细定位方法，本实施例在红鳍东方鲀中的实施，包括以下步骤：
（1）红鳍东方鲀自然发病群体样本和表型数据收集
唐山某红鳍东方鲀养殖公司的育种群体刺激隐核虫自然发病期间，共收集了446份死亡个体的鳍条样本，首次出现死亡个体的当天记录为第一天，持续收集了11天，将表型性状记录为1、2、3、4、5、6、7、8、9、10、11，数字越大代表抗病能力越强。
（2）亲本鳍条样本的基因组DNA提取、测序和基因分型
将自然发病群体的亲本样本共40份（雌19份，雄21份）提取基因组DNA后，进行基因组重测序，测序深度为28X，测序完成后用生物信息分析软件提取SNP，获得SNP基因型。
（3）自然发病群体鳍条样本DNA提取、测序和基因分型
将自然发病群体的446份鳍条提取基因组DNA，用液相育种芯（包含21000个SNP）片进行靶向测序，测序深度为310X，测序完成后，提取基因组SNP，获得所有个体的SNP基因型。
（4）对自然发病群体的基因型进行过滤和填充
进行基因型过滤的条件为：SNP的最小等位基因频率≥0.05，SNP的缺失率＜0.05，杂合率≥0.01，哈代温伯格平衡的显著水平为0.00000001。将亲本的基因型作为基因型填充面板，所用软件为FImpute3。最终红鳍东方鲀自然发病群体填充后的基因型共包含1109496个SNP。
（5）连锁不平衡衰减分析
利用红鳍东方鲀自然发病群体的填充后的基因型进行连锁不平衡衰减分析和作图，所用软件为PopLDdecay，两个SNP之间的最大距离设置为1Kb。连锁不平衡相关系数平方r2衰减到0.2-0.3时所对应的距离500b（图1）。
（6）全基因组关联分析
利用红鳍东方鲀自然发病群体的表型和填充后的基因型进行全基因组关联分析，所用的模型为基于染色体留一法的MLM模型，所用的软件为GCTA，构建基因组亲缘关系矩阵所用的方法为VanRaden法，将前5个主成分作为协变量，显著性阈水平为1/1109496。共筛选到29个显著SNP位点（图2和表1，其中，染色体chromosome，简称为chr），其中3号染色体上有3个显著SNP位点，在染色体上所跨的区间为23Kb，17号染色体上26个显著SNP位点，在染色体上所跨的区间为496Kb。
表1 与红鳍东方鲀抗病性状显著关联的SNP信息
| SNP编号 | P值 | 频率 |
| chr3:3876447 | 7.64E-07 | 0.11 |
| chr3:3876902 | 9.06E-07 | 0.10 |
| chr3:3899219 | 9.19E-07 | 0.11 |
| chr17:14436373 | 4.81E-07 | 0.36 |
| chr17:14444117 | 4.76E-07 | 0.38 |
| chr17:14455538 | 8.28E-07 | 0.38 |
| chr17:14472566 | 3.49E-07 | 0.38 |
| chr17:14479925 | 5.43E-07 | 0.38 |
| chr17:14479927 | 5.43E-07 | 0.38 |
| chr17:14497329 | 8.87E-07 | 0.37 |
| chr17:14498944 | 4.53E-07 | 0.37 |
| chr17:14551924 | 4.74E-07 | 0.39 |
| chr17:14572976 | 2.74E-07 | 0.36 |
| chr17:14625054 | 6.52E-07 | 0.37 |
| chr17:14630787 | 6.59E-07 | 0.36 |
| chr17:14634623 | 6.49E-07 | 0.37 |
| chr17:14634845 | 7.52E-07 | 0.38 |
| chr17:14638512 | 5.24E-07 | 0.38 |
| chr17:14639105 | 2.36E-07 | 0.38 |
| chr17:14655322 | 4.17E-07 | 0.38 |
| chr17:14655869 | 7.93E-07 | 0.37 |
| chr17:14667823 | 6.32E-07 | 0.37 |
| chr17:14667839 | 9.86E-07 | 0.37 |
| chr17:14668701 | 9.93E-07 | 0.38 |
| chr17:14670976 | 6.32E-07 | 0.37 |
| chr17:14675256 | 8.88E-07 | 0.42 |
| chr17:14686206 | 6.39E-07 | 0.37 |
| chr17:14756189 | 9.00E-07 | 0.37 |
| chr17:14932517 | 6.47E-07 | 0.36 |
（7）红鳍东方鲀抗病性状主效QTL精细定位
根据连锁不平衡衰减分析的结果可知，连锁不平衡相关系数平方r2衰减到0.2-0.3时所对应的距离500b；根据全基因组关联分析的结果可知，3号染色体上3显著SNP在染色体上所跨的区间为23Kb，17号染色体上26个显著SNP在染色体上所跨区间为496Kb。将3和17号染色体上的显著SNP所跨的区间，上下游各加上500b的2倍，最终精细定位到的红鳍东方鲀抗病性状的主效QTL区间分别为25Kb（chr03:3875447-chr03:3900219）和498Kb（chr17:14435373-chr17:14933517），这2个主效QTL区间分别解释了25.84%和11.23%的表型变异。本实施例中，极小的区间和较高的表型变异解释率证明了这两个QTL为非常精细的主效QTL。
实施例2
本发明所述的鱼类抗病性状主效QTL精细定位方法，本实施例在半滑舌鳎中的实施，包括以下步骤：
（1）半滑舌鳎自然发病期间鳍条样本和表型数据的收集
天津某半滑舌鳎养殖场自然发病期间，收集了死亡个体鳍条167份，自然发病结束后，收集了210份存活个体的鳍条样本，共计377份样本。将抗病性状根据存活死亡状态分别记录为1和0，即存活个体的表型记录为1，死亡个体的表型记录为0，1代表抗病力强，0代表抗病力差。
（2）基因组DNA提取、测序和基因分型
提取所有个体的基因组DNA，其中40份（死亡和存活个体各20份）进行基因组高深度重测序，测序深度25X，测序完成后用生物信息分析软件提取SNP，获得SNP基因型。
（3）育种芯片靶向测序和基因分型
将自然发病群体其余337份样本的基因组DNA用液相育种芯片（包含20734个SNP位点）进行靶向测序，测序完成后提取SNP基因型。
（4）基因型过滤和填充
进行基因型过滤的条件为：SNP的最小等位基因频率≥0.05，且SNP的缺失率＜0.05，杂合率≥0.01，哈代温伯格平衡的显著水平为0.00000001。将40个基因组重测序个体的基因型作为基因型填充面板对另外337个个体的基因型进行填充，所用软件为Beagle。最终半滑舌鳎自然发病群体填充后的基因型共包含1010992个SNP。
（5）连锁不平衡衰减分析
利用半滑舌鳎自然发病群体的填充后的基因型进行连锁不平衡衰减分析和作图，所用软件为PopLDdecay，两个SNP之间的最大距离设置为1Kb。连锁不平衡相关系数平方r2衰减到0.2-0.3时所对应的距离50Kb（图3）。
（6）全基因组关联分析
利用半滑舌鳎自然发病群体的表型和填充后的基因型进行全基因组关联分析，所用的模型为基于染色体留一法的MLM模型，所用的软件为GCTA，构建基因组亲缘关系矩阵所用的方法为VanRaden法，将前5个主成分作为协变量，显著性阈水平为1/1010992。共筛选到12个显著SNP位点（图4和表2），全部位于14号染色体上，在染色体上所跨的区间为106Kb。
表2 与半滑舌鳎抗病性状显著关联的SNP信息
| SNP编号 | P值 | 频率 |
| chr14:17250128 | 2.24E-07 | 0.44 |
| chr14:17303501 | 6.27E-07 | 0.43 |
| chr14:17304249 | 9.26E-07 | 0.40 |
| chr14:17304461 | 8.16E-08 | 0.47 |
| chr14:17304539 | 8.16E-08 | 0.47 |
| chr14:17307045 | 8.16E-08 | 0.47 |
| chr14:17310296 | 8.16E-08 | 0.47 |
| chr14:17310738 | 8.16E-08 | 0.47 |
| chr14:17314099 | 6.77E-07 | 0.40 |
| chr14:17323006 | 8.16E-08 | 0.47 |
| chr14:17325496 | 9.26E-07 | 0.40 |
| chr14:17355989 | 9.26E-07 | 0.40 |
（7）半滑舌鳎抗病性状主效QTL精细定位
根据连锁不平衡衰减分析的结果可知，连锁不平衡相关系数平方r2衰减到0.2-0.3时所对应的距离50Kb；根据全基因组关联分析的结果可知，14号染色体上12显著SNP在染色体上所跨的区间为106Kb。将14号染色体上的显著SNP所跨的区间，上下游各加上50Kb的2倍，最终精细定位到的半滑舌鳎抗病性状的主效QTL区间为306Kb（chr14:17150128-chr14:17455989），这个主效QTL区间解释了74.78%表型变异。本实施例中，极小的区间和极高的表型变异解释率证明了这个QTL为非常精细的主效QTL。
Claims (10)
1.一种鱼类抗病性状主效QTL精细定位方法，其特征在于：包括以下步骤：
（1）收集鱼类自然发病群体的鳍条样本和表型数据；
（2）将所述自然发病群体的所有亲本的鳍条样本或者所述自然发病群体的部分鳍条样本进行基因组DNA提取，然后进行基因组重测序和基因分型，获得SNP基因型并进行过滤；
（3）将所述自然发病群体的全部鳍条样本进行基因组DNA提取后，用育种芯片进行靶向测序和基因分型，获得所述自然发病群体所有个体的SNP基因型并进行过滤；
（4）对步骤（3）过滤后的SNP基因型进行填充；
（5）利用步骤（4）填充后的SNP基因型进行连锁不平衡衰减分析；
（6）利用步骤（4）填充后的SNP基因型和所述自然发病群体的表型数据进行全基因组关联分析；
（7）利用步骤（5）和（6）的分析结果确定主效QTL区间，得到鱼类抗病性状主效QTL。
2.根据权利要求1所述的鱼类抗病性状主效QTL精细定位方法，其特征在于：步骤（1）中，所述自然发病群体包括自然发病期间的死亡个体和存活个体，总数量＞300个；所述自然发病群体的表型数据的记录方式为死亡存活状态或死亡天数。
3.根据权利要求1所述的鱼类抗病性状主效QTL精细定位方法，其特征在于：步骤（2）和（3）中，基因型过滤条件为：SNP的最小等位基因频率≥0.05，SNP的缺失率＜0.05，杂合率≥0.01，哈代温伯格平衡的显著水平为0.00000001。
4.根据权利要求3所述的鱼类抗病性状主效QTL精细定位方法，其特征在于：步骤（2）中，所述自然发病群体的所有亲本的基因组重测序深度＞20X，若所述自然发病群体无亲本，则选取所述自然发病群体的部分鳍条样本进行基因组重测序，其中选取样本数量≥所述自然发病群体全部个体的10%，测序深度＞20X。
5.根据权利要求3所述的鱼类抗病性状主效QTL精细定位方法，其特征在于：步骤（3）中，所述育种芯片包含的SNP数量＞20000个，测序深度＞300X。
6.根据权利要求4所述的鱼类抗病性状主效QTL精细定位方法，其特征在于：步骤（4）中，基因型填充所用的软件为FImpute3或Beagle，基因型填充所用的参考面板为步骤（2）基因组重测序获得的过滤后的SNP基因型。
7.根据权利要求6所述的鱼类抗病性状主效QTL精细定位方法，其特征在于：步骤（5）中，连锁不平衡衰减分析所用的软件为PopLDdecay，且两个SNP之间的最大距离设置范围为1-50Kb。
8.根据权利要求6所述的鱼类抗病性状主效QTL精细定位方法，其特征在于：步骤（6）中，全基因组关联分析所用的模型为基于染色体留一法的MLM模型，所用的软件为GCTA，构建基因组亲缘关系矩阵所用的方法为VanRaden法，前5个主成分作为协变量，全基因组关联分析的显著性阈水平为1/SNP数量。
9.根据权利要求8所述的鱼类抗病性状主效QTL精细定位方法，其特征在于：步骤（7）中，主效QTL区间的精确确定方法为：a、通过步骤（5）连锁不平衡衰减分析，确定连锁不平衡相关系数平方r2衰减到0.2-0.3时所对应的距离；b、通过步骤（6）全基因组关联分析，得到位于同一染色体的所有显著SNP所跨的区间；c、在步骤b所述区间的基础上，其上游和下游各增加步骤a所述距离的2倍，所得总区间即为所述主效QTL区间。
10.根据权利要求9所述的鱼类抗病性状主效QTL精细定位方法，其特征在于：步骤（7）中得到的抗病性状主效QTL在基因组上的区间范围＜500Kb。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410591267.6A CN118166127B (zh) | 2024-05-14 | 2024-05-14 | 鱼类抗病性状主效qtl精细定位方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410591267.6A CN118166127B (zh) | 2024-05-14 | 2024-05-14 | 鱼类抗病性状主效qtl精细定位方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118166127A true CN118166127A (zh) | 2024-06-11 |
| CN118166127B CN118166127B (zh) | 2024-09-03 |
Family
ID=91357036
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410591267.6A Active CN118166127B (zh) | 2024-05-14 | 2024-05-14 | 鱼类抗病性状主效qtl精细定位方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118166127B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103215258A (zh) * | 2012-12-04 | 2013-07-24 | 江西农业大学 | 两个增加猪肋骨数的主效标记及其在猪育种中的应用 |
| CN105505922A (zh) * | 2015-12-16 | 2016-04-20 | 中农常乐（深圳）生物育种技术有限公司 | 一种水稻孕穗期稳定表达的耐冷基因qCT-3-2HHZ及其分子标记方法 |
| CN110517725A (zh) * | 2019-08-26 | 2019-11-29 | 中国农业科学院棉花研究所 | 棉花多目标性状相关单体型筛选方法及应用 |
| CN111455086A (zh) * | 2020-04-16 | 2020-07-28 | 中国农业科学院烟草研究所 | 一种鉴定或辅助鉴定待测烟草黑胫病抗性的方法 |
| US20210095346A1 (en) * | 2015-01-29 | 2021-04-01 | Wisconsin Alumni Research Foundation | Method to predict heritable canine non-contact cruciate ligament rupture |
| CN114657262A (zh) * | 2022-03-31 | 2022-06-24 | 集美大学 | 一种抗内脏白点病大黄鱼的分子标记辅助选育方法 |
| CN116694785A (zh) * | 2023-08-02 | 2023-09-05 | 中国海洋大学三亚海洋研究院 | 一种豹纹鳃棘鲈的生长相关snp分子标记及其应用 |
| CN117402980A (zh) * | 2023-11-15 | 2024-01-16 | 唐山海都水产食品有限公司 | 红鳍东方鲀全基因组snp位点组合及其应用 |
| CN117568503A (zh) * | 2023-07-25 | 2024-02-20 | 黑龙江省农业科学院生物技术研究所 | 与大豆多个产量构成因子相关的qtl共定位位点 |
-
2024
- 2024-05-14 CN CN202410591267.6A patent/CN118166127B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103215258A (zh) * | 2012-12-04 | 2013-07-24 | 江西农业大学 | 两个增加猪肋骨数的主效标记及其在猪育种中的应用 |
| US20210095346A1 (en) * | 2015-01-29 | 2021-04-01 | Wisconsin Alumni Research Foundation | Method to predict heritable canine non-contact cruciate ligament rupture |
| CN105505922A (zh) * | 2015-12-16 | 2016-04-20 | 中农常乐（深圳）生物育种技术有限公司 | 一种水稻孕穗期稳定表达的耐冷基因qCT-3-2HHZ及其分子标记方法 |
| CN110517725A (zh) * | 2019-08-26 | 2019-11-29 | 中国农业科学院棉花研究所 | 棉花多目标性状相关单体型筛选方法及应用 |
| CN111455086A (zh) * | 2020-04-16 | 2020-07-28 | 中国农业科学院烟草研究所 | 一种鉴定或辅助鉴定待测烟草黑胫病抗性的方法 |
| CN114657262A (zh) * | 2022-03-31 | 2022-06-24 | 集美大学 | 一种抗内脏白点病大黄鱼的分子标记辅助选育方法 |
| CN117568503A (zh) * | 2023-07-25 | 2024-02-20 | 黑龙江省农业科学院生物技术研究所 | 与大豆多个产量构成因子相关的qtl共定位位点 |
| CN116694785A (zh) * | 2023-08-02 | 2023-09-05 | 中国海洋大学三亚海洋研究院 | 一种豹纹鳃棘鲈的生长相关snp分子标记及其应用 |
| CN117402980A (zh) * | 2023-11-15 | 2024-01-16 | 唐山海都水产食品有限公司 | 红鳍东方鲀全基因组snp位点组合及其应用 |
Non-Patent Citations (2)
| Title |
|---|
| FENQI ZHU 等: ""Genome-wide association study for growth-related traits in golden pompano (Trachinotus ovatus)"", 《AQUACULTURE》, vol. 572, 4 April 2023 (2023-04-04), pages 1 - 8 * |
| 韩威: ""大口黑鲈生长性状的全基因组关联分析及基因组预测研究"", 《中国优秀硕士学位论文全文数据库 农业科技辑》, no. 4, 15 April 2024 (2024-04-15), pages 6 - 3 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118166127B (zh) | 2024-09-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103555717B (zh) | 一种甜瓜甜味酸味性状相关基因功能性分子标记及应用 | |
| CN114941033A (zh) | 一种基于snp位点辅助培育地方优质白羽鸡高产蛋品系的方法 | |
| CN105331615B (zh) | 鉴定西瓜枯萎病的InDel分子标记及其引物和应用 | |
| CN104630382A (zh) | 一种基于基因组杂合度鉴定猕猴桃杂交种质的方法 | |
| CN112575116A (zh) | 一种大豆全基因组snp位点组合、基因芯片及应用 | |
| CN115443907A (zh) | 基于全基因组选择的高产大果花生杂交组配选择的方法 | |
| CN105238866B (zh) | 一个与陆地棉早熟性状相关的snp位点及其应用 | |
| CN112575102B (zh) | 控制莲心皮数的主效qtl、snp分子标记、kasp检测引物组及应用 | |
| CN111370058B (zh) | 一种基于全基因组snp信息追溯水牛血统来源以及进行基因组选配的方法 | |
| CN118166127B (zh) | 鱼类抗病性状主效qtl精细定位方法 | |
| CN117402980A (zh) | 红鳍东方鲀全基因组snp位点组合及其应用 | |
| CN116334300B (zh) | 与小麦每穗小穗数主效qtl紧密连锁的分子标记及其应用 | |
| CN113832240B (zh) | 一个与中国南方荷斯坦奶牛305天产奶量显著相关的snp分子标记及应用和选育方法 | |
| CN114752683B (zh) | 一种与多鳞鱚性别性状相关的qtl位点的构建方法 | |
| CN113293218B (zh) | 一种用于选择斑点叉尾鮰增重性状的snp分子标记及应用 | |
| CN110195115B (zh) | 与公猪精子直线运动相关的分子遗传标记及其应用和获取方法 | |
| CN108165637B (zh) | 一种用于抗病刺参选育的遗传分子标记组合及其应用 | |
| CN102649962B (zh) | 黄牛wnt10b基因的单核苷酸多态性位点及其检测方法 | |
| CN112575103A (zh) | 控制莲子单粒质量性状的qtl、分子标记、kasp检测引物组及应用 | |
| US20140136121A1 (en) | Method for assembling sequenced segments | |
| CN117701727B (zh) | 基于全基因组测序筛选的与摩拉水牛体尺、初生重相关的snp分子标记组合及应用 | |
| CN113981113B (zh) | 鉴定三疣梭子蟹氨氮耐受性状的InDel标记C142、引物及其应用 | |
| CN116042886B (zh) | 西瓜白粉病生理小种1w抗性基因的snp位点、caps分子标记及应用 | |
| CN108060246B (zh) | 一种与陆地棉7号染色体纤维强度相关的单体型 | |
| CN108300797B (zh) | 陆地棉25号染色体与纤维强度相关的单体型 |
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 |