猪MHC-DQB、DRB近端调控区序列及其多态性

根据人MHC—DRB和MHC—DQB基因组序列和猪MHC-DRB和MHC-DQB基因外显子1设计引物,应用PCR扩增及克隆测序技术,首次得到了猪MHC-DRB和MHC-DQB基因的5上游近端调控区(URR)序列。分析发现所得序列中存在与MHCⅡ类基因表达调控有关的高度保守的W、X、Y、CCAAT及类TATA调控元件,调控元件的空间组织顺序也与其他物种相应序列的相同。利用SSCP技术在313头猪中共发现12个DRB-URR复等位基因和14个DQB-URR复等位基因,序列比对结果表明在这些复等位基因中存在丰富的多态位点,为进一步深入研究猪MHCⅡ类基因近端调控区的多态性及抗病育种研究奠定了基础。     

家畜抗性等级性状的QTL定位方法

在广义线性模型的框架内模拟研究了家畜抗性等级性状的QTL定位方法,QTL参数的估计采用最大似然方法,比较了阈模型方法与一般线性方法的QTL定位效率,并对影响等级性状QTL定位效率的主要因素（QTL效应、性状的遗传力）进行了模拟研究,实验设计为多个家系的女儿设计,资源群体大小为500头。研究结果表明：在QTL位置参数估计及检验功效方面,阈模型方法具有一定的优势,对抗性等级性状QTL定位的功效也高于线性方法。另外,性状遗传力和QTL效应的大小对QTL定位的准确度也有直接的影响,随着性状遗传力QTL效应的     

基因组育种值估计的贝叶斯方法

基因组育种值估计是基因组选择的重要环节,基因组育种值的准确性是基因组选择成功应用的关键,而其准确性在很大程度上取决于估计方法。目前研究和应用最多的基因组育种值估计方法是贝叶斯(Bayes)和最佳线性无偏预测(BLUP)两大类方法。文章系统介绍了目前已提出的各种Bayes方法,并总结了该类方法的估计效果和各方面的改进。模拟数据和实际数据研究结果都表明,Bayes类方法估计基因组育种值的准确性优于BLUP类方法,特别对于存在较大效应QTL的性状其优势更明显。由于Bayes方法的理论和计算过程相对复杂,目前其在实际育种中的运用不如BLUP类方法普遍,但随着快速算法的开发和计算机硬件的改进,计算问题有望得到解决;另外,随着对基因组和性状遗传结构研究的深入开展,能为Bayes方法提供更为准确的先验信息,从而使Bayes方法估计基因组育种值准确性的优势更加突出,应用将会更加广泛。     

基于高密度SNP标记估计群体间遗传关联

联合育种的准确性受到群体间遗传关联程度的影响。本研究通过比较基于系谱数据和基因组数据计算的群体遗传关联,探究高密度SNP标记在遗传关联估计中的应用前景。本研究同时使用了模拟数据和真实数据,采用6种不同的遗传关联计算方法,包括PEVD(prediction error variance of differences)、PEVD(x)、VED(variance of estimated difference)、CD(generalized coefficient of determination)、r(prediction error correlation)和CR(connectedness rating),比较基于构建不同的关系矩阵(A、G、G_s、G_0.5和H矩阵)的群体间遗传关联。模拟数据和实际数据结果表明,除PEVD(x)和VED方法外,PEVD、CD、r和CR基于基因组信息的G、G_s和G_0.5阵计算的遗传关联程度均高于基于系谱信息的A阵,基于同时利用系谱和基因组信息的H阵遗传关联结果一般介于A阵与G阵之间。当CR和r为0时,CD都较高,高估了群体遗传关联。用r度量3个遗传分化程度不同的猪场间遗传关联时,基于G阵的r值均为0.01,不能准确反映群体真实遗传关联。随着遗传力的提高,所有群体遗传关联评估方法都有所改善,但遗传力为0.1时,PEVD基于A阵结果优于G阵,中高遗传力性状用于估计遗传关联优于低遗传力性状。本研究证明高密度SNP标记比系谱信息估计群体间遗传关联更有优势,CR是衡量遗传关联稳健而可靠的评价指标,计算简单,受性状遗传力影响较小。PEVD可以作为补充,量化具体群体遗传关联下的育种值预测误差情况。G矩阵比G_s、G_0.5阵能更好反映群体遗传关联。     

利用高密度SNP检测不同猪品种间X染色体选择信号

在家猪的培育过程中,许多重要的经济性状受到过高强度的人工选择,高密度SNP标记为通过选择信号检测追踪这些性状经历的选择提供了可能,并能根据选择信号利用生物信息学寻找到与选择相关的基因。X染色体由于其特殊性,在传统的遗传分析中许多针对常染色体的方法往往不适用,需要采取特殊的方法,选择信号检测可以作为一种行之有效的方法对X染色体进行分析。文章利用长白、松辽黑猪和大白3个猪品种,通过品种间选择信号检测方法 XP-EHH,利用高密度SNP标记对X染色体进行选择信号检测,并通过生物信息学分析寻找选择信号区域内重要基因。在长白、松辽黑猪和大白3个品种中分别检测出29、13和15个选择信号区域,每个选择信号区域平均包含3.59、4.92、4.07个SNPs,长白和松辽黑猪、长白和大白有部分重叠选择信号区域,大白和松辽黑猪没有发现重叠选择信号区域。生物信息学分析发现各品种选择信号区域内有与繁殖、免疫等性状相关基因,其中部分在猪中尚未见报道,可作为研究猪相关性状的重要候选基因。     

一种基于高密度遗传标记的亲子鉴定方法及其应用

系谱是人类遗传及动植物育种研究与实践的重要信息来源之一。系谱记录错误是育种生产中普遍存在的一种记录错误,影响基因定位、遗传值及表型值预测等相关研究结果的可靠性。现有的方法软件可以利用遗传标记信息对疑似亲子进行亲子鉴定,但这些软件方法操作复杂,限制标记数量,如Cervus。针对当前高密度SNP标记在人类及动植物研究中广泛应用的现状,文章提出了一种基于全基因组高密度SNP数据的亲子鉴定新方法,命名为EasyPC。对EasyPC及Cervus的运行效率进行了对比,并用中国荷斯坦牛(n=2180)和杜洛克猪(n=191)的全基因组SNP芯片数据对EasyPC进行了验证。结果表明：EasyPC运行效率高于Cervus,牛和猪群体系谱错误率分别为20%和6%,与相关研究报道相符。通过使用全基因组SNP标记对群体孟德尔错误率的经验分布进行分析,该方法不仅可以简单、快速、准确地判别系谱的正确性,而且还可以对错误系谱进行校正。EasyPC为解决全基因组研究中基因型及系谱数据前处理过程中的系谱校正问题提供了一种新的途径。     

离散性状QTL区间定位的最大似然方法

采用最大似然区间定位法对阈模型与一般线性模型的QTL定位效率进行了比较,并对影响离散性状QTL检测效率的主要因素（QTL效应、性状的遗传力和表型发生率）进行了模拟研究,实验设计为多个家系的女儿设计．资源群体大小为500头。研究结果表明：在QTL参数估计及检验功效方面,阈模型方法具有较大的优势,对离散性状QTL定位的效率明显高于LM（Linear Model）方法,定位的准确性也较高。另外,性状遗传力、QTL效应的大小和性状表型发生率对QTL定位的准确度也有直接的影响,随着性状遗传力和表型发生率的提高,随着QTL效应的增大,QTL定位的效率也进一步提高。