豬血液免疫性狀的復合基因組選擇研究

張巧霞，劉 飛，張玲妮，劉向東，趙書紅，2，朱猛進，2*

（1.華中農(nóng)業(yè)大學農(nóng)業(yè)動物遺傳育種與繁殖教育部重點實驗室，湖北 武漢 430070；2.生豬健康養(yǎng)殖協(xié)同創(chuàng)新中心，湖北 武漢 430070）

遺傳改良

豬血液免疫性狀的復合基因組選擇研究

張巧霞1，劉 飛1，張玲妮1，劉向東1，趙書紅1，2，朱猛進1，2*

（1.華中農(nóng)業(yè)大學農(nóng)業(yè)動物遺傳育種與繁殖教育部重點實驗室，湖北 武漢 430070；2.生豬健康養(yǎng)殖協(xié)同創(chuàng)新中心，湖北 武漢 430070）

該研究在提出“復合基因組選擇（composite genomic selection）”概念的基礎(chǔ)上，利用華中農(nóng)業(yè)大學農(nóng)業(yè)動物遺傳育種與繁殖教育部重點實驗室構(gòu)建的免疫資源群體數(shù)據(jù)，通過交叉驗證（cross-validation）策略，與標準GBLUP法對照，利用白細胞（WBC）、噬中性粒細胞（NE）等13項血液免疫性狀對復合基因組選擇的預測效果開展驗證。研究結(jié)果表明，除血小板（PLT）等3個性狀外，所有性狀復合基因組選擇的準確性均高于標準GBLUP法，分析結(jié)果支持復合基因組選擇優(yōu)于基于單一加性遺傳組分的GBLUP的結(jié)論。同時，還探討了不同交叉驗證參數(shù)組合對復合基因組選擇準確性的影響，發(fā)現(xiàn)最宜交叉驗證倍數(shù)是性狀特異性的，跟性狀特性有關(guān)?？傊撗芯刻岢隽嘶谌窟z傳組分的復合基因組選擇法，并得到豬血液免疫性狀數(shù)據(jù)分析結(jié)果的初步支持，特別是針對較小規(guī)模群體，復合基因組選擇可能是提高基因組預測準確性的有效方法。

豬；免疫性狀；復合基因組選擇；交叉驗證；準確性

中國是世界豬肉產(chǎn)量與消費量最大的國家，豬肉占居民肉類消費的63.6%。根據(jù)《2015中國豬業(yè)發(fā)展報告》，豬肉是產(chǎn)值最大的單項農(nóng)產(chǎn)品，養(yǎng)豬業(yè)產(chǎn)值占農(nóng)業(yè)總產(chǎn)值的13%。目前，我國養(yǎng)豬業(yè)正處于從傳統(tǒng)養(yǎng)豬業(yè)向安全、高效的現(xiàn)代養(yǎng)豬業(yè)轉(zhuǎn)型的關(guān)鍵發(fā)展時期，科技對養(yǎng)豬業(yè)發(fā)展的重要性愈發(fā)突出。根據(jù)美國農(nóng)業(yè)部對近50年來各種科技因素的評估報告表明，遺傳育種是養(yǎng)殖業(yè)科技貢獻最大的因素，所以引入最新的育種技術(shù)，提升豬遺傳育種的科技水平，對于我國養(yǎng)豬業(yè)的轉(zhuǎn)型升級具有重要的推動作用。

按歷史傳承，家畜育種大致經(jīng)歷了表型選擇、指數(shù)選擇、BLUP（best linear unbiased prediction）［1］、分子標記輔助選擇（marker-assisted selection，MAS）、 多 分 子 標 記 聚合育種以及基因組選擇（genomic selection，GS）等發(fā)展階段。基因組選擇最早由Meuwissen等人提出［2］，可理解為分子標記輔助選擇的高通量化發(fā)展，即在全基因組范圍內(nèi)實施分子標記輔助選擇的一種新的升級版育種方法?；蚪M選擇代表了最新一代家畜育種技術(shù)，具有許多其他育種技術(shù)不具備的優(yōu)點。目前，基因組選擇已在奶牛育種中廣泛應用，并開始逐漸應用于豬育種實踐［3-4］。不過，與具有超大規(guī)模育種群的奶牛育種不同，豬育種主要是分散于各個育種公司，公司間種豬群的遺傳交流不多，這使得豬實際育種的基礎(chǔ)群規(guī)模通常要比奶牛育種群小很多。由于受育種基礎(chǔ)群規(guī)模的限制，豬育種需要針對較小群體規(guī)模、準確性更高的基因組選擇方法。

為提高較小規(guī)模群體基因組選擇的準確性，我們提出復合基因組選擇（composite genomic selection，CGS）概念。所謂復合基因組選擇（亦稱復合基因組預測），是指利用全部遺傳組分信息開展基因組育種值預測。復合基因組選擇同時利用基因組分子標記的加性、顯性和上位效應，甚至包括轉(zhuǎn)錄組、蛋白組等其他組學信息，通過多種來源信息的整合，以此提升較小規(guī)模群體的基因組育種值估計的準確性。該研究以豬血液免疫性狀為研究對象，利用交叉驗證策略，通過與基于單一加性遺傳組分的標準GBLUP法對照，實際驗證同時利用加性、顯性和上位效應的復合基因組選擇的效果。

1　材料與方法

1.1 試驗豬群

用于驗證該研究的試驗豬群來自我室構(gòu)建的免疫資源群體［5］。該資源群體由杜洛克豬和二花臉豬構(gòu)建，采用遠交F2代設(shè)計，F(xiàn)0代由8頭無血緣關(guān)系的杜洛克公豬和18頭二花臉母豬組成，F(xiàn)1代13頭公豬與38頭母豬避免近親（全同胞或半同胞）交配，總共獲得394頭個體的資源群體。

1.2 血液免疫性狀

經(jīng)前腔靜脈采血1 mL，維生素K3和EDTA抗凝，采用日本光電MEK-8222K 22五分類流式激光法全自動血液分析儀測定各血液免疫性狀，保留表型缺失低于10%的性狀，最后納入分析的性狀包括白細胞（WBC）、嗜中性粒細胞（NE）、嗜中性粒細胞百分比（NE%）、淋巴細胞（LY）、淋巴細胞百分比（LY%）、單核細胞（MO）、單核細胞百分比（MO%）、嗜酸性粒細胞（EO）、紅細胞（RBC）、血紅蛋白（HGB）、平均紅細胞體積（MCV）、血小板（PLT）、紅細胞分布寬度（RDW）等13項血液免疫指標。

1.3 復合基因組選擇模型

該研究所用豬群基因型數(shù)據(jù)由Illumina公司的豬SNP芯片數(shù)據(jù)（Illumina PorcineSNP60 Genotyping Beadchip）測定，該芯片總共包括62 163個SNP位點。試驗豬群基因組SNP檢測由商業(yè)公司完成，獲得原始數(shù)據(jù)后，開展檢出率或雜交陽性率（call rate）、最小等位基因頻率（MAF）、哈迪-溫伯格平衡定律（HWE）等常規(guī)質(zhì)控分析，并對缺失基因型進行填充（imputation）?；蛐蛿?shù)據(jù)的數(shù)字化轉(zhuǎn)換及缺失數(shù)據(jù)的填充用R程序包synbreed完成。復合基因組選擇模型組分包括加性關(guān)系矩陣（A）、顯性關(guān)系矩陣（D）、上位關(guān)系矩陣（AA、DD和AD）。復合基因組選擇由多組分GBLUP完成，所用混合線性模型如下：

其中，y為性狀表型值向量，X為固定效應設(shè)計矩陣，Z1、Z2、Z3、Z4、Z5分別為加性遺傳組分、顯性遺傳組分、加性×加性互作組分、顯性×顯性互作組分、加性×顯性互作組分的設(shè)計矩陣，β為固定效應向量，a為加性效應向量、d為顯性效應向量、aa為加性×加性互作效應向量，dd為顯性×顯性互作效應向量，ad為加性×顯性互作效應向量，e為殘差向量。

加性關(guān)系矩陣（A）、顯性關(guān)系矩陣（D）、上位關(guān)系矩陣（AA、DD和AD）的構(gòu)建及復合基因組選擇的計算全部由R完成，其中基因組育種值預測采用“再生核希爾伯特空間”（Reproducing Kernel Hilbert Space，RKHS）算法?？紤]到納入全部遺傳關(guān)系矩陣后的計算量，利用3組參數(shù)組合開展復合基因組預測：1）10-倍交叉驗證，重復5次；2）5-倍交叉驗證，重復10次；3）20-倍交叉驗證，重復5次。其中，為簡化計算，該研究的基因組預測準確性由預測值和真實表型值之間的相關(guān)系數(shù)值揭示。

表1　不同nmiss參數(shù)時的填充結(jié)果

表2　各性狀復合基因組預測結(jié)果

2　結(jié)果

2.1 基因型填充結(jié)果

基因組分型數(shù)據(jù)，我們使用R程序包synbreed的codeGeno命令將SNP芯片數(shù)據(jù)文件中缺失的SNP標記位點NA值進行填充，并根據(jù)需要轉(zhuǎn)換數(shù)據(jù)形式，將字母基因型轉(zhuǎn)換成數(shù)字基因型，統(tǒng)一格式后得到復合基因組選擇的輸入數(shù)據(jù)。表1為不同參數(shù)（nmiss）條件下基因組SNP數(shù)據(jù)的填充結(jié)果。從表1可以看出，隨著缺失率增大，填充位點所占比例也跟著增加，在理論上這會使后續(xù)數(shù)據(jù)分析的準確性亦相應降低。所以，該研究選取nmiss=0.1時的填充結(jié)果用于復合基因組選擇分析。

2.2 復合基因組選擇結(jié)果

基于基因組遺傳關(guān)系矩陣的GBLUP已被證明優(yōu)于基于分子血緣矩陣的常規(guī)BLUP，GBLUP是基因組選擇中最為廣泛使用的方法之一。同時，在發(fā)展基因組選擇的方法學研究中，GBLUP也為新方法提供了最為常用的參照。該研究用標準GBLUP作為對照。表2給出基于加性遺傳關(guān)系矩陣的標準GBLUP預測和同時利用加性、顯性、加性×加性、顯性×顯性、加性×顯性遺傳關(guān)系矩陣的復合基因組預測結(jié)果。除血小板（PLT）等3個性狀外，其余所有性狀的復合基因組預測的準確性均高于標準GBLUP預測法。研究結(jié)果表明，基于全部遺傳組分的復合基因組預測的準確性，確實較基于加性遺傳組分的預測準確性有明顯提高。綜合結(jié)果來看，無論哪種預測方法，單核細胞（MO）、單核細胞百分比（MO%）的預測準確性均為最低，這可能與MO、MO%的遺傳力較低有關(guān)。此外，從表2的結(jié)果來看，在復合基因組預測的交叉驗證參數(shù)上，交叉驗證倍數(shù)對預測準確性有明顯的影響，在一定程度上呈現(xiàn)出預測準確性隨交叉驗證倍數(shù)增加而提高的趨勢。但這一趨勢在不同性狀上的表現(xiàn)不盡一致，如白細胞（WBC）、平均紅細胞體積（MCV）的預測準確性最高的交叉驗證倍數(shù)為10，交叉驗證倍數(shù)過低和過高，其預測準確性均有所降低，而血小板（PLT）的表現(xiàn)趨勢剛好與WBC和MCV性狀相反。另外，紅細胞（RBC）性狀較為特殊，基因組選擇結(jié)果表現(xiàn)出隨著交叉驗證倍數(shù)的提高，預測準確性逐漸下降的趨勢。

3　討論

該研究針對豬育種基礎(chǔ)群規(guī)模通常有限的特點，提出了預測準確性更高的復合基因組選擇方法。用豬血液免疫性狀的實際分析發(fā)現(xiàn)，復合基因組預測的準確性高于基于單遺傳組分的標準GBLUP法。該研究同時發(fā)現(xiàn)，復合基因組預測交叉驗證參數(shù)的選擇，可以影響性狀的預測準確性。一般來說，重復數(shù)越大，分析結(jié)果越可靠。對于交叉驗證倍數(shù)，我們發(fā)現(xiàn)沒有絕對的標準，不同性狀的最適宜交叉驗證倍數(shù)并不完全一致，這跟性狀的遺傳結(jié)構(gòu)有關(guān)。對于重復數(shù)和交叉驗證倍數(shù)的確定，一方面要考慮計算成本，另一方面要考慮性狀的遺傳特性。在實際應用中，應綜合計算機性能和性狀的具體特性選擇最適宜的驗證參數(shù)。

另外，由于復合基因組預測涉及A、D、AA、DD和AD等全部遺傳組分，模型設(shè)計矩陣的維數(shù)十分龐大，這給復合基因組的計算帶來了巨大挑戰(zhàn)。如果用貝葉斯或回歸類方法，面對數(shù)量龐大的設(shè)計矩陣，在計算上很難實現(xiàn)。所以，當考慮納入全部遺傳組分的復合基因組預測時，基于混合線性模型的GBLUP是首選，這是因為GBLUP是利用全基因組標記構(gòu)建的遺傳關(guān)系矩陣，遺傳關(guān)系矩陣的維數(shù)與樣本含量直接相關(guān)，而與標記數(shù)目無關(guān)。假設(shè)不考慮二階或高階上位互作，只同時考慮A、D、AA、DD和AD遺傳組分，無論基因組標記數(shù)目如何，實際納入分析模型的遺傳關(guān)系矩陣只有五個矩陣，GBLUP混合線性模型的計算量不會像貝葉斯或回歸類方法那樣隨著分子標記數(shù)目增加而增加。所以，面對數(shù)量龐大的基因組分子標記，在可操作性上GBLUP混合線性模型是實現(xiàn)復合基因組預測的可行方法。

在理論上，復合基因組預測利用了全部遺傳組分信息，其準確性較只利用單一遺傳組分的預測準確性高。該研究實際結(jié)果也證明復合基因組預測的準確性確實高于傳統(tǒng)的GBLUP預測法，利用復合基因組預測可以明顯提高基因組選擇的準確性。不過，復合基因組預測由于涉及加性遺傳組分、顯性遺傳組分、加性×加性互作組分、顯性×顯性互作組分、加性×顯性互作組分，屬于多重遺傳組分模型。多重遺傳組分模型的計算復雜度明顯高于基于加性遺傳關(guān)系矩陣的單遺傳組分GBLUP模型，當樣本含量很大時，如奶?；蚪M遺傳評估［3］，其計算負擔偏大，可操作性仍不強。所以，該研究提出的復合基因組預測方法，主要適用于較小群體規(guī)模的基因組選擇。

雖然該研究的實際分析結(jié)果支持復合基因組預測法優(yōu)于標準GBLUP法，但該研究所使用的數(shù)據(jù)樣本含量偏小，性狀只限于血液免疫指標。該結(jié)論是否具有絕對的普遍性，仍然需要更多實際數(shù)據(jù)分析結(jié)果的支持。除了免疫性狀以外，豬其他經(jīng)濟性狀、以及其他遺傳背景的豬群是否也具有相同的表現(xiàn)，仍需要進一步驗證。綜上所述，該研究提出了復合基因組選擇（復合基因組預測）的概念，并用實際數(shù)據(jù)為復合基因組預測優(yōu)于標準GBLUP法的結(jié)論提供了初步證據(jù)。

［1］ HENDERSON C R.Best linear unbiased estimation and prediction under a selection model［J］. Biometrics，1975：423-447.

［2］ M E U W I S S E N T，H A Y E S B J，GODDARD M E.Prediction of total genetic value using genomewide dense marker maps［J］. Genetics，2001，157（4）：1819-1829.

［3］ S C H A E F F E R L R.S t r a t e g y for applying genome wide selection in dairy cattle［J］. Journal of Animal Breeding and Genetics，2006，123（4）：218-223.

［4］ 李婭蘭，梅盈潔，劉敬順，等.基因組選擇及其在豬育種中的應用［J］.廣東農(nóng)業(yè)科學，2012，39（17）： 106-109.

［5］ 向安靜.杜洛克×二花臉F2資源群體構(gòu)建及其血液指標，免疫性狀的測定和分析［D］.武漢：華中農(nóng)業(yè)大學，2010.

2016-08-03）

本研究受國家自然科學基金（31372302、31361140365）和湖北省公益性科技研究項目（2012DBA25001）資助

張巧霞，女，華中農(nóng)業(yè)大學在讀碩士

朱猛進，男（1974-），博士，副教授，主要致力于豬遺傳改良的基因素材挖掘、基因組選擇和GWAS等統(tǒng)計基因組學方法發(fā)展等，E-mail：zhumengjin@mail.hzau.edu.cn