全基因组关联分析在畜禽上的应用题库

1、全基因组关联分析在畜禽上的应用摘要：随着数量遗传学、分子生物学以及计算机水平的高速发展，出现了数量遗 传学与分子遗传学的结合，动物育种中也不断出现新的方法，全基因组关联分析 (GWAS)以及全基因组选择(GS)。本及主要介绍jGWAS及其在几种畜禽上的应 用和问题。关键字：GWAS，牛，猪，鸡，应用对畜禽实施标记辅助选择可提高遗传进展，但是我们首先需要找到影响畜禽 重要性状的主效基因。候选基因分析和标记QTL连锁分析策略使我们对一些基因 的功能和作用方式有所了解，也找到了一些主效基因。但是生物基因组中有庞大 的基因数目，很多控制畜禽经济性状的基因还无法分离和鉴定，这就需要一种全 新的研究手段，

2、最好能无偏地覆盖所有基因，并能高通量检测和适应不断更新的 物种基因组序列。20世纪80年代后期90年代初期，随着数量遗传学理论研究 的不断深入、分子生物学的飞跃发展、计算机水平的日新月异，开始出现数量遗 传学与分子遗传学结合研究的热潮，发展为现在的分子数量遗传学。动物育种中 也在传统育种方法的基础上不断提出新的方法：全基因组关联分析 (Genome-Wide Association StudjeGWAS)以及全基因组选择。GWAS 就可以解决以上问题，GWAS 是一种对全基因组范围内的常见遗传 变异:单核苷酸多态性(Single nucleotide polymorphSN )和拷贝数变异(C

3、opy number variationCNV)进行总体关联分析的方法，其核心思想是利用全基因组 范围的连锁不平衡来确定影响复杂性状或数量性状的基因。GWAS目前主要是应用在人类的复杂疾病上，2005年，自从Scienc杂 志上首次报道了 Klein等利用Affymetrix100K基因芯片对年龄相关性视网膜黄 斑变性进行GWAS的结果之后，一大批有关复杂疾病的GWAS报道不断出现。 已经陆续报导和公布了视网膜黄斑、乳腺癌、前列腺癌、白血病、冠心病、肥胖 症、糖尿病、精神分裂症、风湿性关节炎等几十种疾病全基因组关联研究的结果 2。在中国农业大学图书馆SCI数据中输入GWAS的相关词，并分析其检

4、索结 果。如表1。虽然这个数据并不是很全面，但是也反映了 GWAS的迅速发展。是什么原因导致GWAS发展这么快速呢？主要原因可以归结于以下3个方 面：首先是基础研究的支撑，基因组计划的完成和SNP数据库的建立为GWAS 的开展奠定了基础；第二是技术上的成熟，如高通量SNP芯片检测的发展；第 三是统计方法的发展，GWAS因样本量大、数据庞杂，同时还需克服群体混杂、 选择偏倚、多重比较等带来的假阳性问题，需要有正确严谨的统计分析方法解决 1。表1中国农业大学SCI数据库中每年发表的关于GWAS的数目除了对人类复杂疾病和人类数量性状方面应用GWAS。随着不同基因组测序 的相继完成以及高通量测序技术平

5、台的搭建，GWAS也开始在畜禽疾病性状和数 量性状方面发挥重要的作用。GWAS在畜禽中的应用起步较晚，并主要集中在对重要经济性状的研究中。 与人类不同，当前的畜禽品种在长期的人工选择驯化过程中，其有效群体含量较 人类小，群体的连锁不平衡水平较高，往往造成单体型块的出现。因此，在畜禽 中开展GWAS 所需标记数量适中，目前商业化的动物SNP芯片密度一般在 50K-60K左右，如果在品种内进行GWAS研究，50K的芯片基因就能满足定位 要求，品种间的分析可能需要更高密度的SNP3。1.在畜禽上的应用现状自从GWAS在畜禽上应用以来，研究人员一直致力于影响复杂性状的标记 及主效基因的挖掘。目前已有多

6、个具有较强统计显著性的SNPs及区域被发现。 下面介绍一下GWAS在牛，猪和鸡上的应用。1.1在牛上的应用GWAS在畜禽上应用的较多的是在奶牛上。包括奶牛的健康性状、产奶性状、 繁殖性状、生产寿命性状、体型性状、功能性状等都有报道。对于奶牛的产奶性状上，Bastiaanse等使用Bovine SNP50芯片。对荷兰、 苏格兰、瑞典和爱尔兰等国家共计1 933头荷斯坦牛进行了产奶量和脂蛋比性状 GWAS 研究，共发现了 36个影响产奶量的SNP标记此Jiang4等基于来自14 个父系半同胞家系的2093头中国荷斯坦胃牛女儿设计试验群体进行了 5个产奶 性状的GWAS，采用Bovine SNP50

7、芯片，传递不平衡检验方法(Transmission disequilibriutoest TDT)和基于回归分析的混合模型方法(Mixed model based regressioanalyss MMRA)，共检测到105个显著SNP标记与某个或多个产奶 性状显著相关。齐超等基于中国荷斯坦牛女儿设计资源群体，采用Illumin公司 Bovine 50K微珠芯片对产奶性状进行了全基因组关联分析(GWAS)，利用传递不 平衡(L1-TDT)和回归分析2种统计分析方法共同检测到35个显著SNPs位点。 后来齐超怀等旨在基于该GWAS 结果进一步对产奶性状基因进行鉴定及功能注 释。基于牛基因组序列草

8、图，采用生物信息学和比较基因组学方法进行显著SNPs 位置候选基因筛查和功能预测。分析发现。12个SNPs位点位于基因内部，23 个位于基因侧翼.最终鉴定到28个位置候选基因，并确定了其物理位置、基因 类型及潜在功能。基因功能可归纳为6种类型：调节机体营养成分代谢和平衡、 细胞骨架或基质成分、调节细胞增殖和周期及凋亡、参与细胞信号转导和盐离子 通道构成、具有激酶活性、参与mRNA 转录调控或翻译调控。该研究为进一步 鉴定中国荷斯坦牛产奶性状主效基因及功能验证打下了基础。1.2在家禽上的应用在家禽上应用相比在猪和牛上的还比较少。Liu6等利用Illumina 60鸡SNP 芯片对385只白来航和

9、361只矮小型褐壳蛋鸡纯系分别进行蛋品质和产蛋性状的 GWAS研究，利用Fisher合并P值法对两个群体的关联分析结果进行整合分析， 发现8个显著关联SNP。Xie：7等以杏花鸡乂隐性白羽洛克鸡全同胞资源群3代 共554个个体样本为实验材料，采用Illumina60K鸡SNP芯片进行基因分型， 对鸡肉质、屠体及生长性状进行了GWAS研究，发现1号染色体1.5 MbKPNA3-FOXO1A的区间内有5个SNP对鸡22-42天和生长有最高的显著效应。Gu 8等以法国明星肉鸡和丝羽乌骨鸡为亲本建立的F2资源群体为材料，对体重 性状进行了全基因组关联分析研究，发现26个显著关联位点，其中1个位于18

10、号染色体，2个位于1号染色体，23个位于4号染色体，共涉及10个不同的SNP， 并发现影响后期体重效应最大的SNP位于LDB2基因内含子中。张磊3研究利 用60K SNP基因分型芯片对来自50个公鸡家系的728只北京油鸡纯系公鸡个体 进行了基因型检测，采用全基因组关联分析方法，对影响部分免疫性状的染色体 片段或基因进行定位研究，采用单标记的线性回归模型，对9个免疫性状进行了 全基因组关联分析，共检测到33个达5%基因组水平显著关联的SNP。在显著 位点中，8个SNP与胸腺重、16个与脾脏重达到基因组水平显著关联，并在这 些位点附近找到JAK1、QK I、PDLIM 7等候选基因，部分SNP位于

11、已报道QTL内；9个与血清尾仔水平达到基因组水平显著关联，并在附近找到CD1b、B-G、 IL4I1、GNB2L1、BMA1等候选基因，其中5个集中分布在16号染色体260kb区间内，而已知16号染色体上存在大量与免疫相关的基因，因此，此区域可能 是影响该性状的重要候选区域Noorai】9等采用GWAS和单倍型方法，对Araucana (阿劳肯鸡)无尾性状和耳毛性状进行分析，确定了控制这两个的基因分别位于 2号和15号染色体上。1.3在猪上的应用程笃学10等以大白猪X民猪F2设计资源群体为研究对象，采用Illumina公 司猪SNP60K分型芯片技术，开展胴体瘦肉量(LMW)GWAS 研究，寻

12、找与瘦肉 量相关的遗传变异。所有2代个体在达到(2407)d日龄时进行屠宰测定。对分 型后的355头F2个体，采用基于混合模型及回归的快速全基因组关联及基因组 控制法进行GWAS分析，结果获得14个在染色体水平与瘦肉量性状显著关联的 SNP位点。其中2个SNP位点ALGA 0 010 777和ALGA 0 010 788分别位于1 号染色体上285 030 256和285 276 856 b处；10个SNP位点都位于猪2号染色 体末端，可能与已发现的瘦肉量基因突变位点IGF2-intron3-G3072Ag密连锁；2 个 SNP 位点 ASGA0 065 444 和 ASGA0 065 455

13、 位于 14 号染色体上 99 627 980 和100 078 535 b处。这次研究为猪的瘦肉量性状提供了显著关联SNP位点，预 测了新的候选基因。李杰Fl研究以白色杜洛克乂二花脸资源群体F2代母猪为研究对象，在母猪 初情期QTL初步定位的基础上，利用Illumin猪60KSNP芯片对316头有初情 期表型记录的F2母猪及其亲本进行全基因组关联分析(GWAS)，并通过增加标记 密度对初步定位的QTL进行精细定位，在此基础上分析L1N28B和TMEM38B 两个位置候选基因与母猪初情期的关联性。基于60K SNP基因型数据的连锁和 连锁不平衡分析结果显示，在SSCl、SSC2、SSC6、SS

14、C7和SSC13存在多个与 母猪初情期显著关联的单倍型。其中SSC7上的单倍型与初情期关联性最强。Ren：12等利用猪60KSNP芯片通过全基因组关联分析和IBD定位分析，鉴别 了控制藏猪、大河猪和可乐猪等中国地方猪中宗褐毛色形成的TYRPl基因因果 突变位点。2.存在问题及解决办法目前GWAS多采用两阶段设计的方法：首先采用覆盖整个基因组的高通量 SNP分型芯片对一批样本进行扫描，其次筛选出最显著的SNP(如P0.05供第二 阶段扩大样本验证。GWAS两阶段研究设计减少了基因分型的工作量和花费眺 但是GWAS也在在一些问题多SNP检测的关联研究容易得出假阳性结果，因 此，GWAS的关联性？值

15、必须符合严格的、基因组水平上的统计学标准。另外， GWAS的关联性结果需要验证性研究(replication stlUd证实；GWAS中的大 多数SNP的关联度较弱OR(odd srati值在1.21.4之间，需要大样本量的研究 进一步发现真正的相关位点;GWAS发现的许多位点并不在蛋白编码基因或其 附近，也不在既往认为与性状相关的基因的附近，因此致使较难解释其生物学功 能；GWAS发现的有些位点与几种不同的疾病发生关联，提示该基因可能存在 多效性；对于GWAS发现的SNP或基因，目前仍很少有令人信服的研究来阐 明它们的生物学功能或不良作用131因此，GWAS只提示某些基因与目的性状具有关联性

16、，为目的性状机制的研 究提供启示，至于确定性状易感基因的功能以及在性状发生发展中的作用仍然需 要进行精细定位研究，在寻找性状相关变异、易感基因的功能和结构及转录调节 等方面需进一步研究4虽然GWAS现在面临这些问题，但作为一种趋势，随着表观遗传图谱，蛋 白表达谱以及生理学等学科综合推进，作为一种综合性的分析方法，GWAS必将 迎来一个更广阔的发展空间。参考文献李聪，孙东晓，姜力，奶牛重要经济性状全基因组关联分析研究进展.遗传，2012, (1)全基因组关联分析(GWAS ).世界科学，2011, (9): 28张磊.鸡部分免疫性状全基因组关联分析研究：硕士学位论文.中国农业科学院，2012Ji

17、angL, Liu J，Sun D， et al.Genome Wide AssociatioiStudiesforMilk ProductioriTraitsinChinese Holstein Population. PLOS ONE， 2010， 5(e1366110)齐超，谢岩，吴晓平，基于全基因组信息鉴定中国荷斯坦牛产奶性状基因及功能注释.畜牧 兽医学报，2012，(6): 1777Liu W B， Li D F，Liu J F，et al. A Genome-Wide SNP Scan RevealsNovel Loci forEgg Productionand QualityTr

18、aitsinWhite Leghorn and Brown-Egg Dwarf Layers.PLOS ONE， 2011， 6(e2860012)Xie L， Luo C L， Zhang C G， et al. Genome-Wide AssociatioiStudy Identified Narrow Chromosome 1 Region Associated with Chicken Growth Traits. PLOS ONE， 2012， 7(e309102)Gu X， Feng C，Ma L，etal. Genome-Wide AssociatioiStudy of Body Weight in Chicken F2Resource Population. PLOS ONE， 2011， 6(e218727)Noorai R E， Freese N H， Wright L M， et al. Genome-Wide AssociationMapping and IdentificatirfiCandidateGenes fortheRumpless and Ear-tuftedraitsof theAraucana Chicken. PLOS ONE，2012，7(e409747)程笃学，罗维