论文部分内容阅读
全基因组关联分析和基因组选择是近年来畜禽育种的研究热点。本研究利用BovineHD芯片,对西门塔尔牛的部分胴体性状和肉质性状进行全基因组关联分析,初步探索低密度芯片对脂肪酸含量性状的基因组预测准确性。1.使用混合压缩线性模型(CMLM)和线性模型(LM)对霖肉、后腱子和骨重三个胴体性状进行全基因组关联分析,共检验出186个显著关联的位点(P<10-5),其中有55个位点在两种模型中均显著,多数标记落于6号和14号染色体的LAP3、LCORL、FAM184B、PLAG1等基因上,显著SNP重叠于相关胴体重和骨重的数量性状基因座位(QTL)。2.使用CMLM和LM对大理石花纹、脂肪颜色、总脂肪酸含量(TFA)、饱和脂肪酸含量(SFA)、单不饱和脂肪酸含量(MUFA)和多不饱和脂肪酸含量(PUFA)六个肉质性状的分析,检测出91个显著位点(P<10-5),其中44个位点在两模型中均显著,与三个脂肪酸含量性状均显著相关的标记落在14号染色体的MYC基因附近,多数显著位点落在相关于大理石花纹、第十二肋的背膘厚和脂肪酸含量的QTL上。3.本研究构建不同标记数目的低密度芯片,包括均匀分布低密度芯片,基于Bayes A、Bayes B估计标记效应的绝对值及显著性的筛选标记低密度芯片,使用低密度芯片对四个脂肪酸含量性状进行基因组预测,通过五倍交叉验证衡量准确性。均匀分布低密度芯片整合BovineHD和已有低密度芯片位点,其标记数目分别为3K,7K,9K,20K和40K,准确性在9K时较高,低于筛选标记低密度芯片,与其他模拟数据中低密度芯片基因组预测的结果一致。依据标记效应及显著性的筛选标记低密度芯片,其标记数目分别为0.3 K,0.5 K,0.7 K,1 K,3 K,5 K,7 K,9 K,11 K,13 K,15 K和30K,在标记数目达到7K时准确性基本稳定,基于Bayes B估计标记效应筛选标记准确性最高,基于Bayes A估计标记效应筛选标记准确性略高于基于标记显著性筛选标记。交叉验证的对比试验中,基于同态一致性(IBS)距离矩阵分组的准确性略高于随机分组。