基因組時代的動物遺傳評技術

1、基因組時代的動物遺傳評估技術張張 勤勤 劉劍鋒劉劍鋒中國農業(yè)大學中國農業(yè)大學2009.8.252009.8.25哈爾濱哈爾濱遺傳評估遺傳評估 評估和比較動物個體在遺傳上的優(yōu)劣評估和比較動物個體在遺傳上的優(yōu)劣 為選擇優(yōu)秀種用個體提供依據(jù)為選擇優(yōu)秀種用個體提供依據(jù) 動物育種的中心工作動物育種的中心工作表現(xiàn)型基因型環(huán)境表現(xiàn)型基因型環(huán)境常規(guī)遺傳評估技術常規(guī)遺傳評估技術特點：利用表型進行遺傳評估特點：利用表型進行遺傳評估常規(guī)遺傳評估技術常規(guī)遺傳評估技術 blup方法是常規(guī)遺傳評估技術的核心方法是常規(guī)遺傳評估技術的核心yzyxazzxzzxxxeu 12a2y y：表型信息：表型信息a a：系譜信息：系譜

2、信息ezuxy常規(guī)遺傳評估技術常規(guī)遺傳評估技術 對很多重要經濟性狀十分有效對很多重要經濟性狀十分有效milk yield in us holsteins678910111219601970198019902000birth yearfirst lactation yield (1000 kg)geneticphenotypic美國荷斯坦奶牛產奶量表型及遺傳進展美國荷斯坦奶牛產奶量表型及遺傳進展加拿大豬100kg體重日齡遺傳進展常規(guī)遺傳評估技術常規(guī)遺傳評估技術 局限性局限性 當性狀表型難以獲取或遺傳力低時，遺傳評估當性狀表型難以獲取或遺傳力低時，遺傳評估可靠性不高可靠性不高 不能進行早期遺傳評估

3、不能進行早期遺傳評估標記輔助選擇（mas）特點：利用表型和部分基因的信息進行遺傳評估特點：利用表型和部分基因的信息進行遺傳評估標記輔助選擇（標記輔助選擇（masmas）emgzuxyy y：表型信息：表型信息a a：系譜信息：系譜信息mm： 標記信息標記信息遺傳評估技術遺傳評估技術 ma-blupma-blup：標記輔助選擇（標記輔助選擇（masmas） 應用現(xiàn)狀應用現(xiàn)狀實際應用不多實際應用不多應用效果不顯著應用效果不顯著主要原因：主要原因： 已被證實具有顯著效應的基因或標記有限已被證實具有顯著效應的基因或標記有限（發(fā)現(xiàn)并證實一個有效的基因需要很長的時間和（發(fā)現(xiàn)并證實一個有效的基因需要很長的時

4、間和很高的成本）很高的成本） 這些基因或標記僅能解釋有限的遺傳變異這些基因或標記僅能解釋有限的遺傳變異（10 qtl 10 qtl 50% 50% 遺傳變異）遺傳變異）基因組選擇基因組選擇 利用覆蓋全基因組的高密度標記（利用覆蓋全基因組的高密度標記（snpsnp）進）進行個體遺傳評估行個體遺傳評估 可以捕獲所有的遺傳變異可以捕獲所有的遺傳變異 無需表型信息即可進行遺傳評估無需表型信息即可進行遺傳評估 利用利用snpsnp芯片技術進行標記測定芯片技術進行標記測定 全基因組全基因組snpsnp芯片芯片yearno. snpchipshuman20083,000,0001000kpoultry200

5、52,800,00060kbovine20072,000,00054kpig20082,000,00060ksheep2007-50k用于遺傳評估的數(shù)據(jù)用于遺傳評估的數(shù)據(jù)10001112200200121110111121111011110011211000201220022201111202101200211122110021112001111001011011010220011002201101120020110102022212112210201001110001122022122211202112012020100202202000021100011202011221112111022

6、011110000212202000221012020002211220111012100111211102112110020102100022000220100020110000220221102211210112111012222001211212220020002002020201222110022222220022121111210021111200110111011200202220001112011010211121211102022100211201211001111102111211021112200010110111020220022111010201112111101120

7、210210212110110221220012110112110120220110022200210021100011100211021101110002220020221212110002220102002222121221121112002011020200122222211221202121121011001211011020022000200100200011110110012110212121112010101212022101010111110211021122111111212111210110120011111021111011111220121012121101022202

8、021211222120222002121210121210201100111222121101基因組選擇基因組選擇 基本步驟1. 利用一個參考群體估計每個snp的效應參考群體：每個個體都有性狀表型記錄和所有snp基因型2. 利用snp效應估計值計算候選群體的個體基因組育種值候選群體：每個個體都有所有snp基因型基因組選擇基因組選擇估計所有估計所有snp的遺傳的遺傳效應效應snp基因型基因型性狀表型性狀表型snp基因型基因型估計基因組估計基因組育種值育種值snp基因型基因型候選群體候選群體估計基因組估計基因組育種值育種值參考群體參考群體在參考群中估計標記效應在參考群中估計標記效應g gi i

9、1niiyx ge設計矩陣設計矩陣 染色體片斷遺傳效應染色體片斷遺傳效應估計標記效應估計標記效應在候選群體中計算個體在候選群體中計算個體gebvgebvpiiigxebv1g全部基因組染色體片斷全部基因組染色體片斷設計矩陣設計矩陣 染色體片斷效應染色體片斷效應4計算基因組育種值計算基因組育種值( (gebvgebv) )基因組育種值基因組育種值1 + 1 - 1 - 1 + 1 + 25 - 1 + 1 - 1 - 1 - 1 + 42 + 1 - 1 - 1 - 1 - 1 - 22 - 1 + 1 - 1 - 1 = +38- 40snpeffect- 00+ 20+ 40- 20chr

10、1chr 2chr 3.chr nknown snpsniiigebv1 gxnumber of snpssnp allele effect標記效應的估計方法最小二乘法最小二乘法嶺回歸和嶺回歸和blupblup貝葉斯方法貝葉斯方法bayesabayesa, b, c , b, c 和壓縮和壓縮其他方法其他方法半參數(shù)、非參數(shù)半參數(shù)、非參數(shù)機器學習、主成份分析機器學習、主成份分析最小二乘法對標記效應分布無任何假設對標記效應分布無任何假設1: 1: 對每個標記作單點回歸分析對每個標記作單點回歸分析2: 2: 選擇效應值最大的選擇效應值最大的mm個點放入模型中，同時對其個點放入模型中，同時對其進行估計

11、進行估計1nyxge1niiyx ge不足：不足：1. 1. 難以確定模型選擇的閾值難以確定模型選擇的閾值 2. 2. 容易高估標記效應容易高估標記效應最佳線性無偏預測和嶺回歸假定全部標記有相同假定全部標記有相同的方差的方差2)(gvarig 1()x xx ygi1niiyx ge22geblup:嶺回歸嶺回歸: 人為選定人為選定2222000000000.00.ggggsym.貝葉斯方法-a允許不同標記有不同的方差且服從一定分布允許不同標記有不同的方差且服從一定分布)()|()|(222iiiggiigpgppg(,| )( |, ) (, )iiipyp y gp gg數(shù)據(jù)模型數(shù)據(jù)模型方

12、差模型方差模型),(22svgi使用使用gibbs sampling!gibbs sampling!u , gi , v ve , vgi圖片來自圖片來自hayes,2001允許標記方差為允許標記方差為0 0概率為概率為 q概率為概率為 1-q02gi),(22svgi2012201210122012/gjniijnipjkkikiijgjniijxbxbyxxn，bayesian shrinkage標記效應越大標記效應越大, , 壓縮越弱壓縮越弱 標記效應越小，壓縮越強標記效應越小，壓縮越強貝葉斯方法-b，壓縮準確性：估計育種值和真實育種值間的相關0.8480.7980.7320.31800

13、.10.20.30.40.50.60.70.80.91l ls sb bl lu up pb ba ay ye es sa ab ba ay ye es sb ba ac cc cu ur ra ac cy y r r 2 2數(shù)據(jù)來自 meuwissen al et., 2001不同方法的準確性snp add.polygenicsnp dom.y1xazuey1xaydzuey1xaea: additive snp d: dominance snpu: polygenic e: residuey y：表型信息：表型信息x: x: 遺傳標記信息遺傳標記信息a a：系譜信息：系譜信息模型的擴展基因

14、組選擇和常規(guī)遺傳估計技術基因組選擇和常規(guī)遺傳估計技術的育種效益比較（以奶業(yè)為例）的育種效益比較（以奶業(yè)為例） 后裔測驗后裔測驗 ( (數(shù)據(jù)來自加拿大數(shù)據(jù)來自加拿大) ) 每年參加后測的公牛數(shù)量每年參加后測的公牛數(shù)量: : 500500頭頭 每頭后測公牛的育種成本每頭后測公牛的育種成本: : 5 5萬美元萬美元 后測的總成本后測的總成本: : 25002500萬美元萬美元 中選公牛數(shù)目中選公牛數(shù)目: : 2020頭頭 每頭中選公牛的育種成本每頭中選公牛的育種成本: : 125125萬美元萬美元 年遺傳進展年遺傳進展: : 0.2150.215遺傳標準差遺傳標準差 單位遺傳標準差遺傳進展的育種成本

15、單位遺傳標準差遺傳進展的育種成本: : 1.161.16億美元億美元 基因組選擇基因組選擇 每個個體基因組標記信息測定成本：每個個體基因組標記信息測定成本：500500美元美元 基因組單倍型效應估計基因組單倍型效應估計 孫女試驗設計孫女試驗設計: 50: 50個公牛家系個公牛家系, , 每頭公牛每頭公牛5050個兒子個兒子, ,每個兒子每個兒子100100個女兒個女兒 效應估計成本：效應估計成本：125125萬美元萬美元 公牛母親選擇公牛母親選擇 進行進行 20002000頭母牛的預選擇頭母牛的預選擇 全部個體進行基因組標記信息測定，根據(jù)全部個體進行基因組標記信息測定，根據(jù)gebvgebv選擇

16、選擇10001000母牛母牛 評估成本評估成本: :100100萬美元萬美元基因組選擇和常規(guī)遺傳估計技術基因組選擇和常規(guī)遺傳估計技術的育種效益比較（以奶業(yè)為例）的育種效益比較（以奶業(yè)為例） 基因組選擇（續(xù)）基因組選擇（續(xù)） 公牛選擇公牛選擇 從從10001000頭公牛母親中獲得頭公牛母親中獲得500500頭預選公牛頭預選公牛 對所有公牛進行基因組標記測定，根據(jù)對所有公牛進行基因組標記測定，根據(jù)gebvgebv選擇選擇2020頭公牛頭公牛 評估成本評估成本: 25萬美元萬美元 2020頭公牛的購買成本頭公牛的購買成本: :1010萬美元萬美元 每頭公牛連續(xù)每頭公牛連續(xù)3 3年的維持費用年的維持費

17、用: : 3 3萬美元萬美元 每年的總育種成本每年的總育種成本: :195195萬美元萬美元 每年的遺傳進展每年的遺傳進展: : 0.4670.467遺傳標準差遺傳標準差 單位遺傳標準差遺傳進展的育種成本單位遺傳標準差遺傳進展的育種成本：417417萬美元萬美元基因組選擇和常規(guī)遺傳估計技術基因組選擇和常規(guī)遺傳估計技術的育種效益比較（以奶業(yè)為例）的育種效益比較（以奶業(yè)為例）基因組選擇的另一策略基因組選擇的另一策略 利用參考群體估計snp效應 選擇效應顯著的snp 利用選擇snp的信息構建的參考群體和候選群體個體間的加性遺傳相關矩陣（具有性狀特異性） 用blup方法估計候選群體（無表型信息）的個體

18、育種值yzyxgzzxzzxxxu 原理：原理：參考群體參考群體及候選群及候選群體的個體體的個體育種值育種值利用利用snp的信息構建的加的信息構建的加性遺傳相關矩陣性遺傳相關矩陣基因型系譜基因型系譜121101011110 111211120200101121101111122221121111 101101111102 0111110120111211200110100 = homozygous for first allele (alphabetically)1 = heterozygous2 = homozygous for second allele (alphabetically)g的構建minmin1sssgijijmkkijkijgsms11ais0, 0ais1, 5 . 0ais2, 1alleleifalleleifallelsifsijk準確性準確性標記效應估計方法標記效應估計方法兩種基因組選擇策略的比較兩種基因組選擇策略的比較基因組選擇在奶牛中的應用基因組選擇在奶牛中的應用開始應用基開始應