畜禽生長發(fā)育相關(guān)性狀的全基因組關(guān)聯(lián)分析研究進(jìn)展

陶 林，賀小云，狄 冉，劉秋月，胡文萍，王翔宇，儲(chǔ)明星

（中國農(nóng)業(yè)科學(xué)院北京畜牧獸醫(yī)研究所，農(nóng)業(yè)農(nóng)村部動(dòng)物遺傳育種與繁殖重點(diǎn)實(shí)驗(yàn)室，北京 100193）

全基因組關(guān)聯(lián)分析（Genome-wide Association Study，GWAS）最早應(yīng)用于人類疾病，是用于解析復(fù)雜性狀的重要研究手段[1]。過去十多年中，高通量測(cè)序技術(shù)的快速發(fā)展和測(cè)序成本降低使得GWAS 用于畜禽相關(guān)經(jīng)濟(jì)性狀研究成為可能，尤其是各種商用畜禽基因芯片的成功研發(fā)極大推動(dòng)了GWAS 的發(fā)展。在全基因組選擇育種時(shí)代，GWAS 是預(yù)測(cè)畜禽生產(chǎn)性能和評(píng)價(jià)畜禽遺傳資源的有力工具。本文綜述了GWAS 的基本原理、方法、優(yōu)劣勢(shì)以及GWAS 在畜禽生長發(fā)育相關(guān)性狀中的應(yīng)用現(xiàn)狀，并對(duì)GWAS 在今后畜禽育種中的應(yīng)用前景進(jìn)行展望，以期為GWAS 在畜禽育種中的深入研究提供參考。

1 GWAS 的基本原理與方法

1.1 GWAS的基本原理 GWAS依賴于連鎖不平衡（Linkage Disequilibrium，LD）檢測(cè)群體的遺傳變異（主要是SNP）與性狀之間的關(guān)聯(lián)，然后通過統(tǒng)計(jì)基因型和表型的關(guān)聯(lián)性大小篩選出影響顯著的遺傳變異。因此，GWAS 通過分析遺傳變異和表型變異的關(guān)聯(lián)性，定位影響表型性狀的重要數(shù)量性狀位點(diǎn)（QTL）和候選基因，從而確定其遺傳機(jī)制[2]。GWAS 的一般分析流程為采集樣品和表型記錄、基因分型、群體分層分析、關(guān)聯(lián)分析、SNP 注釋和候選基因篩選、連鎖不平衡分析和單倍型分析。

GWAS 常用的高通量基因分型手段有基因芯片技術(shù)、全基因組重測(cè)序、簡(jiǎn)化基因組測(cè)序、全基因組外顯子測(cè)序等?；蛐酒梢詫?shí)現(xiàn)對(duì)特定群體特定SNP 位點(diǎn)的快速分型。全基因組重測(cè)序?qū)蚪M遺傳信息挖掘全面，但數(shù)據(jù)量大，成本較高。全基因組外顯子測(cè)序極大降低了待測(cè)序列總量，但并未過多降低遺傳信息。與全基因組外顯子測(cè)序相類似，簡(jiǎn)化基因組測(cè)序只針對(duì)基因組中特定區(qū)域進(jìn)行遺傳變異檢測(cè)。較低的分型成本、時(shí)間成本、儲(chǔ)存成本和分析成本是目前基因芯片技術(shù)的優(yōu)勢(shì)所在。GWAS 常用高通量基因分型方法見表1。根據(jù)具體情況適當(dāng)選擇或有機(jī)結(jié)合多種分型方法尤為重要。

1.2 試驗(yàn)設(shè)計(jì)與分析方法 根據(jù)實(shí)驗(yàn)階段可以分為單階段和多階段，單階段一般直接選擇大群體進(jìn)行關(guān)聯(lián)分析，多階段一般先選擇小群體，然后在大群體中進(jìn)行驗(yàn)證。根據(jù)研究群體親緣關(guān)系可分為基于無關(guān)個(gè)體的設(shè)計(jì)和基于家系的群體設(shè)計(jì)，前者包括用于研究數(shù)量性狀的基于隨機(jī)群體的關(guān)聯(lián)分析和研究質(zhì)量性狀的病例-對(duì)照設(shè)計(jì)。由于樣本量和系譜信息的限制，畜禽中的GWAS 設(shè)計(jì)通?；跓o關(guān)個(gè)體。

GWAS 的任務(wù)是挖掘遺傳變異和表型性狀的關(guān)系，其前提假設(shè)是芯片密度足夠檢測(cè)出致因突變和SNP 之間的連鎖不平衡。線性回歸、方差分析、t檢驗(yàn)等方法都可以用于GWAS 研究。將多個(gè)SNP 合并為一個(gè)單倍型與復(fù)雜性狀進(jìn)行關(guān)聯(lián)分析的方法叫做單倍型關(guān)聯(lián)分析，其應(yīng)用較多且效果較好。標(biāo)簽SNP（tag SNP）的鑒定對(duì)于確定單倍型和闡明潛在的遺傳機(jī)制十分重要。此外，計(jì)算雜合親本將等位基因傳遞給患病子代的概率是否高于50%，即傳遞不平衡檢驗(yàn)（Transmission Disequilibrium Test，TDT），其主要用于存在家系群體的研究。用于群體結(jié)構(gòu)和親緣關(guān)系估計(jì)的常見軟件有STRUCTURE、EIGENSOFT、ADMIXTURE 和SPAGeDi，用于GWAS分析的常見軟件有PLINK、TASSEAL、EMMAX、GCTA和QTXNetwork 等[9]。通常樣本和基因型數(shù)據(jù)的質(zhì)量控制條件：①個(gè)體SNP 檢出率>95%；②除去不符合Hardy-Weinberg 平衡檢驗(yàn)的SNP；③最小等位基因頻率≥1%；④重復(fù)樣品檢出結(jié)果>95%。

1.3 GWAS 的優(yōu)勢(shì)和缺陷 QTL 定位是研究變異的首選方法。與傳統(tǒng)方法（基因組掃描和候選基因分析）相比，GWAS 對(duì)低效致因變異的檢測(cè)效力更強(qiáng)，能進(jìn)行QTL精細(xì)定位，進(jìn)一步縮短基因區(qū)段范圍。可實(shí)現(xiàn)高通量分析是GWAS 的最大優(yōu)勢(shì)。利用基因芯片進(jìn)行基因分型是GWAS 的常用方式。GWAS 對(duì)數(shù)以萬計(jì)個(gè)SNP 或變異位點(diǎn)同時(shí)進(jìn)行關(guān)聯(lián)分析，對(duì)影響性狀的變異信息檢出率較高，因此特別適合于復(fù)雜性狀的遺傳機(jī)制的研究。GWAS 數(shù)據(jù)通過網(wǎng)絡(luò)等途徑共享，這對(duì)研究相同問題的同行非常有價(jià)值。

GWAS 的不足和常見對(duì)應(yīng)方法：①研究群體遺傳背景的不一致將出現(xiàn)分層現(xiàn)象，導(dǎo)致結(jié)果不可靠?？衫弥鞒煞址治觥⒔Y(jié)構(gòu)關(guān)聯(lián)分析等統(tǒng)計(jì)手段進(jìn)行分層控制。②多重假設(shè)檢驗(yàn)可能會(huì)導(dǎo)致假陽性結(jié)果，目前常采用Bonferroni 校正法和控制錯(cuò)誤發(fā)現(xiàn)率法（FDR）進(jìn)行校正。③群體重復(fù)性不強(qiáng)，要求對(duì)大樣本量的群體進(jìn)行多次驗(yàn)證。同時(shí)各種后GWAS 策略的出現(xiàn)將有助于完善GWAS 的結(jié)果。

微效多基因效應(yīng)系統(tǒng)使得影響性狀的基因組合情況非常復(fù)雜?？紤]到等位基因數(shù)量和效應(yīng)的大小，GWAS仍不能很好解釋遺傳方差。因此，基于基因芯片的GWAS 主要關(guān)注[10]：①影響研究群體目標(biāo)性狀的位點(diǎn)數(shù)量；②位點(diǎn)的聯(lián)合分布效應(yīng)和等位基因頻率；③實(shí)驗(yàn)群體大小；④基因芯片所包含的全基因組變異數(shù)量；⑤性狀的變異度。

表1 GWAS 常用高通量基因分型方法

表2 GWAS 在畜禽體重和體型性狀中的應(yīng)用

2 畜禽生長發(fā)育相關(guān)性狀的GWAS

本文總結(jié)的生長發(fā)育相關(guān)性狀主要指體重和體型性狀（表2）、耳性狀、角性狀、毛性狀、乳頭數(shù)性狀、骨性狀和肉品質(zhì)性狀等。一次基因分型數(shù)據(jù)與畜禽多種性狀同時(shí)進(jìn)行關(guān)聯(lián)分析，可以達(dá)到充分挖掘多性狀間的遺傳機(jī)制和節(jié)約實(shí)驗(yàn)成本的目的。畜禽的體型大小和體重通常呈正相關(guān)，考慮到動(dòng)物表型數(shù)據(jù)準(zhǔn)確獲取的難度較大，且多數(shù)研究未區(qū)分二者，本文綜述了二者的GWAS 研究進(jìn)展。

2.1 體重體型相關(guān)性狀的GWAS

2.1.1 豬 針對(duì)前肢結(jié)構(gòu)、背部結(jié)構(gòu)、后肢結(jié)構(gòu)和整體結(jié)構(gòu)性狀，Le 等[11]利用GWAS 在長白豬、大白豬和杜洛克豬3 個(gè)品種分別檢測(cè)到14、12 個(gè)和13 個(gè)相關(guān)QTL，發(fā)現(xiàn)最顯著的SNP 分別解釋了長白豬 2% 背部結(jié)構(gòu)、大白豬 2.3%整體結(jié)構(gòu)和杜洛克豬 11.4%背部結(jié)構(gòu)的遺傳變異，也篩選出骨骼和肌肉發(fā)生相關(guān)基因LRPPRC、WRAP73、VRTN和PPARD以及生長過程相關(guān)基因IGF2BP2、GH1、CCND2和MSH2。Ji 等[12]利用Illumina 公司Porcine SNP60K 芯片分別篩選出611個(gè)和79 個(gè)與白杜洛克和二花臉豬雜交二代群體210 d 體尺（體高、體長、胸圍、胸深、胸寬、管圍、腹圍和臀圍）和體重相關(guān)SNP，并鑒定出7 個(gè)新QTL 和5 個(gè)候選基因。562 頭大白豬的GWAS 檢測(cè)出6 個(gè)與生長性狀（體重達(dá)到100 kg 和115 kg 的日齡以及30～100 kg 和30～115 kg的平均日增重）顯著相關(guān)的SNP，并注釋到9 個(gè)骨骼、肌肉、脂肪和肺發(fā)生相關(guān)基因上[13]。

2.1.2 牛 Nellore 牛的GWAS 結(jié)果表明，全基因組范圍內(nèi)最顯著的SNP 位于區(qū)段BTA14：25376827，該區(qū)段跨越多個(gè)已報(bào)道與初生重、性成熟體重、胴體重、體高和斷奶前平均日增重相關(guān)QTL[14]。1 562 頭婆羅門牛的GWAS 結(jié)果 表 明，ADAMTSL3、CAPN2、FABP6和ZEB2等候選基因與其初生重、斷奶重和周歲重顯著相關(guān)[15]。Zhang 等[16]利用Bovine SNP50 v2 BeadChip對(duì)中國荷斯坦牛4 個(gè)生長階段（6、12、18、24 月齡）的胸圍和臀高進(jìn)行GWAS 發(fā)現(xiàn)，在基因組水平顯著的27 個(gè)SNP 位點(diǎn)周圍尋找到的66 個(gè)候選基因在16 個(gè)信號(hào)通路和互作網(wǎng)絡(luò)中發(fā)揮重要生物學(xué)功能。1 314 頭中國荷斯坦奶牛29 個(gè)體型性狀的GWAS 篩選出59 個(gè)基因組范圍內(nèi)顯著的SNP，其中16 個(gè)位于或鄰近已經(jīng)發(fā)現(xiàn)的QTL，22 個(gè)位于注釋基因區(qū)段[17]。Zhang 等[18]利用3 種GWAS 方法篩選出影響西門塔爾牛平均日增重的28 個(gè)共同SNP 和候選基因區(qū)段DCAF16-NCAPG，并在轉(zhuǎn)錄水平得以驗(yàn)證。外顯子測(cè)序發(fā)現(xiàn)影響西門塔爾牛胸圍和體長的稀有變異，GO 富集分析和KEGG 通路分析將注釋到的基因富集到生物體生長發(fā)育相關(guān)通路[19]。

2.1.3 山羊 Rahmatalla 等[20]利用Goat SNP52 BeadChip對(duì)蘇丹4 個(gè)品種山羊的14 個(gè)體型性狀關(guān)聯(lián)分析發(fā)現(xiàn)，2 號(hào)染色體上的CNTNAP5基因與胸寬顯著關(guān)聯(lián)，3 號(hào)染色體上的SNP 位點(diǎn)56482-scaffold89-467312 與體長顯著關(guān)聯(lián)。樣本量?。╪=95）和多品種是影響該研究結(jié)果準(zhǔn)確性的主要因素。解決多性狀GWAS 實(shí)施性不強(qiáng)的辦法可以利用參考算法整合GWAS 信息或者進(jìn)行主成分分析。一項(xiàng)結(jié)合GWAS 和GBA 的研究篩選出39 個(gè)與Frizarta 奶山羊體尺性狀顯著相關(guān)的基因，其中前5 個(gè) 分 別 是TP53、BMPR1A、PIK3R5、RPL26和PRKDC，這與之前GWAS 得到的結(jié)果相似[21]。最開始基于重測(cè)序的GWAS 發(fā)現(xiàn)KDM6A是影響嶗山奶山羊繁殖力的候選基因[40]，最近在陜西白絨山羊中也證實(shí)了KDM6A基因內(nèi)的1 個(gè)16 bp InDel 突變與生長性狀顯著相關(guān)，其中II 型個(gè)體的體重、體高、胸深、體長、胸圍和臀高顯著高于DD 和ID 型個(gè)體[22]。

2.1.4 綿羊 GWAS 篩選出大量影響綿羊體重的SNP和候選基因。位于6 號(hào)染色體40.3～42.9 Mb 區(qū)段的13個(gè)SNP 被證明與體重相關(guān)，其中最顯著的2 個(gè)SNP 可以解釋24.33% 和24.57% 澳大利亞美利奴羊的體重表型標(biāo)準(zhǔn)方差[23]。GWAS 發(fā)現(xiàn)5 個(gè)新基因（CAMKMT、TRHDE、RIPK2、MEF2B和RFXANK）與蘇尼特羊、杜泊羊和德國肉用綿羊的斷奶體重相關(guān)[24]。Baluchi綿羊的GWAS 鑒定出2 個(gè)影響平均日增重的候選基因MAGI1和ZNF770[25]。Lori-Bakhtiari 綿羊初生重性狀的GWAS 挖掘出RAB6B、Tf serotransferri和GIGYF23 個(gè)候選基因[26]。

2.1.5 馬 16 個(gè)品種馬的GWAS 發(fā)現(xiàn)，分別位于3 號(hào)、6 號(hào)、9 號(hào)和11 號(hào)染色體的4 個(gè)區(qū)段可以解釋83% 的體型變異，其中注釋到的LCORL、HMGA2和ZFAT基因被報(bào)道與人、牛和狗的體型相關(guān)[27]。隨后的研究證明，LCORL基因的相對(duì)表達(dá)量和馬體型大小存在顯著相關(guān)，CT 型和CC 型相對(duì)于TT 型體型分別減小40%和56%[28]。結(jié)合XP-CLR 分析的GWAS 表明，位于ANKRD1基因的標(biāo)記ECA1：37676322 bp 與體高變異顯著相關(guān)[29]。3 種檢測(cè)拷貝數(shù)變異算法同時(shí)篩選出50個(gè)與馬體型大小相關(guān)的拷貝數(shù)變異（CNV），這提高了GWAS 的準(zhǔn)確性[30]。以蒙古馬和伊犁馬為參照，通過FST 和XP-EHH 分析方法發(fā)現(xiàn)德寶矮馬X 染色體上5 個(gè)區(qū)段受到強(qiáng)烈選擇，其中最顯著的2 個(gè)SNP 位于骨形態(tài)發(fā)生蛋白（BMP）超家族中與BMP4 存在拮抗關(guān)系 的CHRDL1基 因[31]。184 匹Quarter 馬 的GWAS 證實(shí)WWOX和AAVPR1A基因與其形態(tài)（體重、體長和尻長）顯著相關(guān)[32]。

2.1.6 家禽 惠陽胡須雞和快大型肉雞F2代雜交群體的GWAS 發(fā)現(xiàn)與22 個(gè)生長相關(guān)性狀的44 個(gè)QTL，其中39 個(gè)QTL 同時(shí)影響多個(gè)性狀[33]。烏骨雞和白洛克雞雜交群體GWAS 表明，4 號(hào)染色體上LDB2基因與7～12 周齡體重和6～12 周齡的日增重均顯著相關(guān)[34]。結(jié)合GWAS 和表達(dá)譜實(shí)驗(yàn)篩選出與體重相關(guān)的QTL miR-16 后，進(jìn)一步發(fā)現(xiàn)miR-15a-16 上游的54 bp 插入突變可以顯著提高肉雞體重、肌肉產(chǎn)量和增大骨架[35]。5 個(gè)家系444 只雞通過CornellGBS 方法的GWAS 找到了20 個(gè)與飼料轉(zhuǎn)化效率相關(guān)的SNP、1 個(gè)與5 周齡體重相關(guān)的SNP 以及大量與生產(chǎn)性狀相關(guān)的SNP[36]。該方法參考數(shù)據(jù)庫中來自小染色體的SNP 信息密度更高。利用特定區(qū)段擴(kuò)增片段測(cè)序（Specific-Locus Amplified Fragment Sequencing，SLAF-seq）技術(shù)對(duì)汶上壩雞的GWAS 鑒定出6 個(gè)達(dá)到全基因組顯著水平與體重相關(guān)的SNP，并定位到PRSS23、ME3、FAM181B、NABP1、SDPR、TSSK6L2和RBBP8 7個(gè)基因附近[37]。與芯片技術(shù)相比，SLAF-seq 技術(shù)的優(yōu)勢(shì)包括[41]：①深度測(cè)序確保分型準(zhǔn)確；②成本較低；③優(yōu)化的標(biāo)記效率；④適合大群體檢測(cè)。運(yùn)用廣義線性模型和壓縮混合線性模型對(duì)Arian 肉雞× 伊朗Orumieh 本地雞F2群體開展的GWAS 表明，定位到的10 個(gè)基因與細(xì)胞分裂、骨骼肌生成和轉(zhuǎn)錄活性的調(diào)節(jié)等生物學(xué)過程相關(guān)[38]。在GWAS 的基礎(chǔ)上，結(jié)合qPCR 和高通量染色體構(gòu)象捕獲（High-Throughput Chromosome Conformation Capture，Hi-C）等技術(shù)發(fā)現(xiàn)，IGF2BP1的1 個(gè)突變能使鴨飼料效率提高6%，且體型（體重、頭重、翅重、心臟重、肝臟重、腿重、胸寬、跖骨長）增大15%[39]。

2.2 其他生長發(fā)育相關(guān)性狀的GWAS

2.2.1 耳性狀 豬耳朵在實(shí)踐中具有較高的經(jīng)濟(jì)價(jià)值。通過GWAS 篩選出位于5 號(hào)染色體的與豬耳面積相關(guān)的LEMD3和WIF1基因，并驗(yàn)證了WIF1是主效基因[42]。劉晨龍[43]對(duì)蘇太豬和白色杜洛克和二花臉F2代群體的GWAS 表明，LEMD3、MSRB3和HMGA2是影響耳面積的3 個(gè)候選基因；但在隨后萊蕪豬、二花臉豬和杜長大群體中的GWAS 結(jié)果表明，位于5 號(hào)染色體上的MSRB3是影響豬耳面積的主效基因。不同品種存在的遺傳背景差異可能是導(dǎo)致相同性狀定位到不同基因的主要原因。Brito 等[44]通過GWAS 發(fā)現(xiàn)，SIX2和WNT5A基因與山羊耳發(fā)生與形態(tài)相關(guān)。多浪羊的GWAS 研究發(fā)現(xiàn)，DCC、PTPRD、SOX5是影響耳面積的重要基因[45]。

2.2.2 乳頭數(shù)性狀 大白豬乳頭數(shù)的GWAS 研究鑒定了VRTN、Prox2、MPP7、ARMC4和MKX等候選基因，且發(fā)現(xiàn)這些基因均與椎骨數(shù)相關(guān)[46]。SCAMP2 g.25280 G>A 位點(diǎn)、HDDC3 g.1319 G>A 位點(diǎn)和SCAMP2 g.14198 G>A 位點(diǎn)分別與總?cè)轭^數(shù)、左側(cè)乳頭數(shù)和右側(cè)乳頭數(shù)顯著相關(guān)[47]。對(duì)3 個(gè)群體的GWAS 和薈萃分析表明，VRTN和KDM6B是影響豬乳頭數(shù)量的候選基因[48]。阿爾卑斯山羊和薩能奶山羊副乳頭的GWAS 發(fā)現(xiàn)該性狀由多基因控制，但未檢測(cè)出相關(guān)基因[49]。GWAS 檢測(cè)出63 個(gè)達(dá)到染色體水平、顯著影響洼地綿羊乳頭數(shù)的SNP，并將其注釋到1 號(hào)染色體上的BBX和CD47基因[50]。

2.2.3 毛性狀 Kijas 等[51]研究發(fā)現(xiàn)，KIT和MITF是影響綿羊毛色的候選基因。Li 等[52]研究發(fā)現(xiàn)，ASIP、TYRP1和MITF是影響芬蘭綿羊毛色的候選基因。全球50 個(gè)品種山羊群體的拷貝數(shù)變異群體研究也證實(shí)，ASIP 是影響毛色的重要基因[53]。利用66K SNP 芯片進(jìn)行GWAS 發(fā)現(xiàn)，AKT1和ALX4是影響綿羊絨細(xì)度的候選基因[54]。Yang 等[55]通過GWAS 發(fā)現(xiàn)NUAK1和SHH可能是影響雞羽毛黑色素沉積的候選基因。最近研究證明MITF基因的1 個(gè)內(nèi)含子插入可導(dǎo)致鴨出現(xiàn)白羽性狀[39]。

2.2.4 角性狀 角是動(dòng)物性選擇的產(chǎn)物，實(shí)際生產(chǎn)中人們更傾向于培育無角動(dòng)物。Johnston 等[56]研究發(fā)現(xiàn)，RXFP2是影響Soay 野生綿羊角型的主效基因，可以解釋正常角型大小形狀76% 的加性遺傳方差。利用RXFP2基因上的OAR10_29458450 位點(diǎn)為GG 和OAR10_29546872.1 位點(diǎn)為TT，可以預(yù)測(cè)美利奴綿羊的無角性狀[57]。Greyvenstijn 等[58]通過GWAS 篩選出了影響Damara 綿羊角數(shù)量的HOXD家族候選基因。Jacob 綿羊和Navajo-Churro 綿羊的GWAS 研究也發(fā)現(xiàn)MTX2基因和HOXD家族基因影響角的數(shù)目[59]。大角羊角長和角基部周長性狀的GWAS 并未找到顯著相關(guān)SNP[60]。單步加權(quán)GWAS 研究發(fā)現(xiàn)，Nelore 牛的角型相關(guān)候選基因IFNAR1、IFNAR2、IFNGR2、KRTAP11-1、MIS18A、OLIG1、OLIG2和SOD1[61]。GWAS 研究表明，SYNJ1、PAXBP1和C1H21orf62基因顯著影響牦牛的無角性狀[62]。

2.2.5 骨性狀 結(jié)合重測(cè)序技術(shù)和GWAS 定位到了影響大白豬和民豬雜交F2代群體肋骨數(shù)性狀的潛在型轉(zhuǎn)化生長因子β結(jié)合蛋白基因LTBP2[63]。長白豬和韓國本地豬雜交F2代群體的GWAS 也證實(shí)了LTBP2是影響胸椎數(shù)的候選基因[64]。利用SNP 芯片對(duì)300 日齡巴馬香豬檢出的CNV 進(jìn)行GWAS，尋找到18 個(gè)位于2、5 和7 號(hào)染色體上、顯著影響骨骼（肩胛骨、臂骨、前臂骨、股骨和小腿骨）長度的拷貝數(shù)變異區(qū)域[65]。孫艷發(fā)等[66]的GWAS 研究發(fā)現(xiàn)，LDB2、BOD1L1、QDPR是影響雞脛長和脛圍的重要候選基因。運(yùn)用一步法SNP-GWAS 發(fā)現(xiàn)，F(xiàn)AM184B、LAP3、LCORL和NCAPG是影響牛骨重的重要候選基因[67]。

2.2.6 肉品質(zhì)性狀 張立敏[68]對(duì)620 頭西門塔爾育肥公牛的肉質(zhì)性狀進(jìn)行GWAS 研究，發(fā)現(xiàn)7 號(hào)染色體上CAST基因周圍的7 個(gè)SNP 與剪切力顯著相關(guān)，2 號(hào)染色體上CXCR4基因附近6 個(gè)SNP 與肌內(nèi)脂肪顯著相關(guān)。GWAS 研究結(jié)果發(fā)現(xiàn)，F(xiàn)GF9、SPIDR、LAMA4、TCF4等基因與西門塔爾牛的屠宰率和凈肉率性狀顯著相關(guān)[69]，CDC42BPA、VPS41、COX7C、PALM2、GLIS3和EFNA5基因與西門塔爾牛的里脊重顯著相關(guān)[70]，PLAG1基因內(nèi)Bovine HD1400007259 位點(diǎn)與西門塔爾牛的和尚頭重、金錢腱重和后腱子重以及雪龍黑牛的金錢腱重顯著相關(guān)[71]，S100A10是影響牛肉pH 的重要候選基因[67]。京海黃雞腿肌和胸肌脂肪含量、腿肌和胸肌蛋白含量的GWAS 找到LOC101747478、CBLN2、HPGDS、SETD2、ANKRD46、ZFPM2和GRM4等相關(guān)基因[72]。大尾寒羊和小尾寒羊的GWAS 篩選出了影響尾脂的部分候選基因CREB1、STEAP4、CTBP1和RIP140[73]。

3 展 望

通過特定位點(diǎn)的分型可以預(yù)測(cè)畜禽的某些性狀或生產(chǎn)力，這對(duì)畜禽育種中經(jīng)濟(jì)性狀的選擇至關(guān)重要。GWAS 在闡明畜禽復(fù)雜性狀的遺傳機(jī)制上的應(yīng)用越來越廣泛，其研究結(jié)果為畜禽多基因聚合育種和基因組編輯奠定了堅(jiān)實(shí)的基礎(chǔ)。但必須認(rèn)識(shí)到，群體分層現(xiàn)象、多重假設(shè)檢驗(yàn)不準(zhǔn)確、群體重復(fù)性不強(qiáng)、基因的精細(xì)定位和解釋相應(yīng)的遺傳機(jī)制對(duì)GWAS 是不可避免的挑戰(zhàn)。作為一種研究手段和方法，GWAS 只能對(duì)遺傳信息進(jìn)行初步挖掘，加上后續(xù)的各項(xiàng)實(shí)驗(yàn)驗(yàn)證才能較具體說明相關(guān)問題。常見的驗(yàn)證手段有候選基因的qRT-PCR 驗(yàn)證、同源基因的比對(duì)、多組學(xué)結(jié)合驗(yàn)證、擴(kuò)大群體驗(yàn)證和轉(zhuǎn)基因驗(yàn)證等。

今后的研究中，由于樣本數(shù)限制等原因，基因芯片分型的方法有望被全基因組測(cè)序取代；選擇遺傳力較高和容易精確度量的性狀可提高GWAS 統(tǒng)計(jì)效力；表型有向分子層面延伸的趨勢(shì)，如基因表達(dá)水平、DNA 甲基化水平和代謝物水平；統(tǒng)計(jì)分析方法和相關(guān)算法的完善以及多組學(xué)等后GWAS 分析策略的出現(xiàn)將會(huì)極大提高GWAS 準(zhǔn)確度。之前的十多年中，GWAS 在人類疾病和畜禽相關(guān)性狀的遺傳研究方面碩果累累。在全基因組選擇育種時(shí)代，期待GWAS 在今后的畜禽育種和動(dòng)物遺傳資源保護(hù)與利用中得到更加廣泛的應(yīng)用。