基于GBLUP和BayesB方法對肉雞屠宰性狀基因組預測準確性的比較

朱墨, 鄭麥青, 崔煥先, 趙桂蘋?, 劉楊

1南京農業(yè)大學動物科技學院動物繁育系，南京 210095；2中國農業(yè)科學院北京畜牧獸醫(yī)研究所/動物營養(yǎng)學國家重點實驗室，北京 100193

0 引言

【研究意義】畜禽的重要經濟性狀大多是遺傳結構復雜的數(shù)量性狀。常規(guī)的畜禽育種工作中，利用性狀的表型記錄值和系譜信息來計算個體之間的親緣關系，通過最佳線性無偏預測（best linear unbiased prediction, BLUP）進行個體育種值（estimated breeding value, EBV）的估計，然后再進行排序、選擇[1]。隨著分子遺傳學的發(fā)展，微衛(wèi)星、限制性片段長度多態(tài)性（restriction fragment length polymorphism, RFLP）、單核苷酸多態(tài)性（single nucleotide polymorphism,SNP）等分子標記被開發(fā)出來，并用于動物育種，稱為標記輔助選擇（maker assisted selection, MAS）[2]。然而，畜禽的大部分重要經濟性狀受微效多基因控制，少數(shù)的幾個標記解釋的遺傳變異十分有限，限制了標記輔助選擇在畜禽育種中的應用[3]。2001年，MEUWISSEN等提出了基因組選擇的概念[4]，其核心思想是利用覆蓋全基因組的標記進行基因組育種值估計，結合表型記錄和系譜信息進行選擇。相比標記輔助選擇，基因組選擇利用了覆蓋全基因組的標記，可以更好地解釋表型變異[5-6]。基因組育種值估計是基因組選擇的核心內容。根據(jù)使用的統(tǒng)計模型的不同，可以將基因組育種值的計算模型分為直接法和間接法，直接法模型利用參考群體和預測群體的標記信息構建個體間的親緣關系矩陣，并將關系矩陣代入混合模型方程組，通過求解混合模型方程組的方式獲得個體的基因組育種值，如GBLUP[7]、SSGBLUP[8]等方法；間接法模型利用參考群體估計標記效應，在預測群體中將標記效應累加，進而直接獲得個體的基因組育種值，間接法模型的代表主要是貝葉斯類模型，MEUWISSEN在提出基因組選擇理論的同時也提出了兩種貝葉斯方法：BayesA[4]和 BayesB[4]，隨后，一系列改進的貝葉斯法，如BayesC[9]、BayesCπ[9]、BayesDπ[9]和 BayesLASSO[10]等陸續(xù)被提了出來?！厩叭搜芯窟M展】作為重要的農業(yè)動物，雞的基因組草圖于2004年率先發(fā)布[11]。隨后，雞的60 K和600 K芯片相繼開發(fā)問世[12]。中國農業(yè)大學和中國農業(yè)科學院也推出了適合我國地方品種蛋雞50 K和肉雞55 K芯片[13]，極大地促進了基因組選擇技術在家禽上的應用。ZHANG等利用BLUP、GBLUP和BLUP|GA對中國地方雞生長和屠宰性狀的基因組育種值預測，結果發(fā)現(xiàn)，BLUP|GA的表現(xiàn)最佳[14]。LIU等在三黃雞的生長和屠宰性狀的研究中發(fā)現(xiàn)，在GBLUP、BayesLASSO和BayesMix4模型之間并沒有顯著的差異[15]。WOLC等在對蛋殼質量的基因組選擇研究中發(fā)現(xiàn)，多性狀的一步法模型的表現(xiàn)最優(yōu)[16]。【本研究切入點】屠宰性狀是肉雞的重要經濟性狀。但是，屠宰性狀不能直接活體測量，只能在肉雞屠宰后才能測量，或者通過間接測量其他性狀的手段測量。使用間接測量的表型數(shù)據(jù)進行育種值的估計，會導致估計的結果不夠準確，進而影響到個體的準確選擇。近些年來，已經出現(xiàn)了許多關于肉雞的基因組選擇研究，但是，關于屠宰性狀基因組選擇研究鮮有報道[17-19]?！緮M解決的關鍵問題】在家禽育種中，基因組選擇主要是為了提高育種值估計的準確性。本研究為探討肉雞屠宰性狀基因組選擇的準確性，基于不同的模型和假設估計白羽肉雞屠宰性狀的基因組估計育種值（genomic estimated breeding value, GEBV），采用世代驗證的方法評估預測結果的準確性，第5、6世代作為參考群，第 7世代作為驗證群，為白羽肉雞的育種中育種值估計的策略提供依據(jù)。

1 材料與方法

1.1 試驗動物

試驗動物群體來自廣東新廣農牧股份有限公司的白羽肉雞祖代父系群體（B系）第5到7世代，共計3 362只，來源于227只公雞和1 305只母雞的后代。在42日齡時屠宰，記錄胸肌重（breast muscle weight,BrW）、屠體重（carcass weight, CW）、腿肌重（thigh muscle weight, ThW），計算胸肌率（breast muscle rate,BrR）、腿肌率（thigh muscle rate, ThR）。對表型數(shù)據(jù)進行預處理，刪除表型的缺失值和異常值（平均值±3倍標準差）。利用R語言中的GLM函數(shù)校正表型數(shù)據(jù)的世代、性別和批次效應。以上5個性狀的描述性統(tǒng)計量見表1。

表1 各屠宰性狀的描述性統(tǒng)計Table 1 Descriptive statistics for each carcass trait

1.2 基因型數(shù)據(jù)的獲取與質控

1.2.1 基因組 DNA的提取及分型 采用常規(guī)酚-氯仿抽提法提取血樣基因組DNA，使用NanoDrop 2000核酸分析儀檢測 DNA的濃度和質量。質檢合格后的DNA樣品送至北京康普森生物技術有限公司，使用與中國農業(yè)科學院北京畜牧獸醫(yī)研究所聯(lián)合研發(fā)的“京芯一號”雞 55 K SNP芯片進行基因分型[13]。

1.2.2 基因型數(shù)據(jù)的質控 采用 PLINK (V1.90) 軟件對芯片的基因型數(shù)據(jù)進行質量控制[20]。質量控制的條件如下：1）保留樣本檢出率大于90%的個體；2）保留SNP檢出率大于90%的位點；3）保留次要等位基因頻率大于5%的SNP位點。芯片經過質控后，保留3 314個樣本和42 104個SNP用于后續(xù)分析。

1.3 基因組選擇的統(tǒng)計模型

1.3.1 GBLUP模型

式中，y是性狀的表型值向量；b是固定效應的向量；u是加性遺傳效應向量，服從正態(tài)分布：u～N(0,Gσ2 u)；e是隨機殘差效應向量，服從正態(tài)分布：e～N(0,Iσ2 e)；X和Z分別為對應的設計矩陣。

1.3.2 BayesB模型

式中，y是性狀的表型值向量；b是固定效應的向量；Zi是第i個位點的基因型（0/1/2）；gi是第i個位點的效應值；e是隨機殘差效應向量；X是對應的設計矩陣。BayesB 方法引入了一個SNP效應指示變量π，假設大部分無效應（比例為 π），只有一小部分標記有效應（比例為 1-π），且這一部分有效應的方差服從逆卡方分布[4]。本研究中，使用基于 R 語言的BGLR 包進行 BayesB 預測，設置蒙特卡洛馬爾科夫鏈（Markov chain monte carlo, MCMC）長為20 000，burn in 為 10 000，π 值為 0.95。

1.4 基因組選擇準確性的分析方法

本研究采用世代驗證法來評估基因組選擇的準確性。采用第5和6世代的群體作為參考群體，第7世代的群體作為驗證群體。本研究使用基因組估計育種值（GEBV）與校正了世代、性別、批次后的表型（y*）的皮爾遜相關系數(shù)作為基因組選擇準確性的評價指標。本研究中，對每個性狀的驗證進行20個重復。

2 結果

2.1 白羽肉雞B系屠體性狀的遺傳力估計

胸肌率、胸肌重、屠體重、腿肌率和腿肌重的描述性統(tǒng)計量匯總于表 1。分別使用基于系譜構建的親緣關系A矩陣和基于全基因組SNP信息構建的親緣關系G矩陣，采用平均信息約束最大似然算法（average information restricted maximum likelihood, AIREML）估計加性遺傳方差和殘差方差，本研究中的方差組分使用ASReml 4.1.0 軟件進行估計[21]。基于系譜構建的A陣估計BrR、BrW、CW、ThR和ThW的遺傳力均高于基于基因組SNP信息構建的G陣估計BrR、BrW、CW、ThR和ThW的遺傳力。各性狀的遺傳力估計結果見表2。

表2 各屠宰性狀的遺傳力估計Table 2 Results of heritability for each carcass trait

2.2 白羽肉雞 B系屠宰性狀基因組選擇不同模型間比較

2.2.1 白羽肉雞B系胸肌率、胸肌重的世代驗證 采用世代驗證法，使用 GBLUP 和 BayesB 方法對BrR 和 BrW 進行基因組預測分析，采用GEBV與y*的皮爾遜相關系數(shù)作為基因組選擇準確性的評價指標。兩種方法對 BrR 的預測準確性分別為 0.3262、0.3765。兩種方法對 BrW 的預測準確性分別為0.2871、0.2257。準確性的結果見表3。由結果可以看出，在對 BrR 的基因組育種值估計準確性上，BayesB方法估計的準確性要高于 GBLUP 方法估計的準確性；而在對 BrW 的基因組育種值估計準確性上，GBLUP 方法估計的準確性要高于 BayesB 方法估計的準確性。

2.2.2 白羽肉雞 B系屠體重的世代驗證 采用世代驗證法，使用 GBLUP 和 BayesB 方法對 CW 進行基因組預測分析，采用GEBV與y*的皮爾遜相關系數(shù)作為基因組選擇準確性的評價指標。兩種方法對 CW的預測準確性分別為 0.2780、0.1376。準確性的結果見表3。由結果可以看出，在對 CW 的基因組育種值估計準確性上，GBLUP 方法估計的準確性要高于BayesB 方法估計的準確性。

2.2.3 白羽肉雞B系腿肌率、腿肌重的世代驗證 采用世代驗證法，使用 GBLUP 和 BayesB 方法對ThR和ThW進行基因組預測分析，采用GEBV與y*的皮爾遜相關系數(shù)作為基因組選擇準確性的評價指標。兩種方法對ThR的預測準確性分別為0.2153、0.2525。兩種方法對 ThW 的預測準確性分別為0.2126、0.2844。準確性的結果見表 3。由結果可以看出，在對ThR和ThW的基因組育種值估計準確性上，BayesB方法估計的準確性要高于 GBLUP方法估計的準確性。

表3 各屠宰性狀基于GBLUP和BayesB方法的世代驗證結果Table 3 Results of generation validation based on GBLUP and BayesB method for each carcass trait

3 討論

本研究系統(tǒng)探討了基于不同模型對白羽肉雞屠宰性狀的遺傳評估，屠宰性狀的遺傳力估計結果與先前的研究基本一致[14-15,22]。基于系譜構建的親緣關系A矩陣估計的遺傳力高于基于全基因組SNP信息構建的親緣關系 G矩陣估計的遺傳力?？赡艿脑蚴腔蚪M信息可以反映系譜記錄中無法體現(xiàn)的基因的同源狀態(tài)，更真實地反映個體之間的遺傳關系[7]。有研究發(fā)現(xiàn)，由于個體之間相似的環(huán)境組分，使得加性遺傳方差的估計值升高，從而導致遺傳力的過高估計[23]。因此，使用基于全基因組標記進行遺傳評估相較于系譜記錄，可以排除環(huán)境效應的影響，估計結果更加準確[24-25]。

本研究系統(tǒng)探討了GBLUP和BayesB方法對白羽肉雞屠宰性狀進行基因組預測的效果。研究發(fā)現(xiàn)，基因組預測的準確性與性狀的遺傳力大致呈正相關。使用GBLUP方法和BayesB方法時，預測準確性最高的性狀均是胸肌率。對于胸肌率、腿肌率和腿肌重，BayesB方法的基因組預測準確性高于GBLUP方法；對于屠體重和胸肌重，GBLUP方法的預測準確性高于BayesB。BayesB 方法引入了一個SNP效應指示變量π，假設大部分無效應（比例為π），只有一小部分標記有效應（比例為1-π），且這一部分有效應的方差服從逆卡方分布[4]。本研究中，除了在對屠體重的預測外，BayesB方法的預測準確性均高于GBLUP方法的結果，可能是由于BayesB方法的模型假設更加符合數(shù)量性狀的微效多基因理論，但BayesB方法預測的偏差與GBLUP方法相比較大，這需要在后續(xù)研究中繼續(xù)探討。ZENG等研究發(fā)現(xiàn)，貝葉斯方法在性狀的遺傳結構未知時優(yōu)于 GBLUP[26]。TENG等在對一個雜交雞群體生長性狀的基因組預測發(fā)現(xiàn)，BayesB方法優(yōu)于GBLUP方法[27]。因此，基因組選擇的計算模型沒有絕對的標準，要根據(jù)目標性狀的遺傳結構來具體選擇。

畜禽的育種工作注重時效性，計算效率是基因組選擇在實際生產中應用時需要考慮的一個重要因素。貝葉斯模型的參數(shù)求解過程通過蒙特卡洛馬爾科夫鏈（Markov chain monte carlo, MCMC）過程，采用高強度的吉布斯（Gibbs）抽樣，往往需要經過上萬次迭代，且無法并行計算，這常常限制了貝葉斯類的方法在育種中的應用，使得基于混合線性模型的方法（GBLUP為代表）在基因組選擇中的應用最為廣泛。但是，基于混合線性模型的方法的預測準確性要低于貝葉斯類模型[9]。在一些研究中，將最顯著的SNP或驗證過的QTL加入混合模型作為協(xié)變量來提高預測準確性，然而這些SNP或QTL解釋的表型方差有限，可能會導致假陽性的結果[28-29]。還有研究者通過對SNP進行加權，構建性狀特異性的親緣關系矩陣，也能在一定程度上提高混合線性模型基因組預測的準確性[30-32]。然而，這些SNP的效應很容易被干擾。本研究中，BayesB方法的計算時長遠遠大于GBLUP方法（圖 1），但是BayesB方法的預測準確性顯著高于GBLUP方法。而且，對于3 000的樣本量和55 K 的標記密度，BayesB的計算時間大約為7 h，尚在可接受的范圍。在實際的育種中，使用低密度芯片數(shù)據(jù)，在樣本和標記數(shù)量都不是十分龐大的情況下，為了提高基因組育種值預測的準確性，使用貝葉斯方法進行基因組育種值的估計是可行的方案。

4 結論

本研究使用GBLUP和BayesB兩種方法對白羽肉雞胸肌率、胸肌重、屠體重、腿肌率和腿肌重 5種屠宰性狀進行了基因組選擇分析。研究發(fā)現(xiàn)，基因組選擇的準確性與性狀的遺傳力大致呈正相關。使用GBLUP和BayesB方法時，預測準確性最高的是胸肌率。對于胸肌率、腿肌率和腿肌重，BayesB方法的預測準確性均高于GBLUP方法；對于屠體重和胸肌重，GBLUP方法的預測準確性高于BayesB。但是，BayesB方法的計算時間要長于GBLUP方法。在實際的育種工作中，需要綜合考慮育種值估計的準確性和育種的時效性來決定用何種方式估計基因組育種值。