全基因組選擇及其在奶牛育種中的應用進展

摘要：試驗結果表明，奶牛育種中基于 GEBV 的遺傳評估可靠性在 20%～67%之間，如以之代替常規后裔測定體系，可節省92%的育種成本。由于可以提高育種值估計準確性、利于早期選種、顯著縮短世代間隔、減少育種成本，全基因組選擇作為一項新的育種策略在奶牛育種中逐漸得到應用，并將擁有良好的前景。本文綜述了全基因組選擇的基本原理、計算方法、影響因素及其在奶牛育種中的應用現狀和所面臨的問題。

關鍵詞：全基因組選擇；奶牛；育種；應用進展

中圖分類號：S823.9+12文獻標識號：A文章編號：1001-4942（2013）02-0131-05

1全基因組選擇的原理

中國奶牛養殖規模和生產性能都得到大幅度提高，傳統育種為奶牛產業的發展做出了巨大貢獻，例如奶牛產奶量平均單產在過去的30年間提高了3 000 kg，其中 40% 以上得益于育種。模擬和真實數據均表明，標記輔助選擇可提高奶牛育種效率。但是標記信息所能帶來的額外準確性主要取決于它能夠解釋的遺傳變異。畜禽遺傳改良的多數目標性狀都是數量性狀，受多個基因控制，每個基因只能解釋很小比例的遺傳變異。因此，通過候選基因（candidate gene）、數量性狀基因座定位（quantitative trait loci mapping，QTL mapping）和全基因組關聯分析（genome-wide association study，GWAS）等策略發現的基因或標記也只能解釋較小比例的遺傳變異。顯然，以上策略均難以顯著提高育種值估計的準確性。

全基因組選擇（Genomic Selection，GS），即全基因組范圍的標記輔助選擇（Marker Assisted Selection，MAS），指通過檢測覆蓋全基因組的分子標記，利用基因組水平的遺傳信息對個體進行遺傳評估，以期獲得更高的育種值估計準確度。隨著2006年牛基因組結果的公布，以及高密度SNP分型芯片的開發和成本降低，獲得高覆蓋率的全基因組的標記成為可能。同時，計算機的飛速發展和分子數量遺傳學理論的進步，也為大批量數據的運算提供了技術支持。這兩者都促進了基因組選擇方法由理論變為實踐。

全基因組選擇獲得的估計育種值稱為基因組育種值（genomic estimated breeding value，GEBV）。基因組選擇的一個基本假設是，影響數量性狀的每一個 QTL 都與高密度全基因組標記圖譜中的至少一個標記處于連鎖不平衡（linkage disequilibrium，LD）狀態。因此，基因組選擇能夠追溯到所有影響目標性狀的 QTL，從而克服傳統標記輔助選擇中標記解釋遺傳方差較少的缺點，實現對育種值的準確預測[1]。

模擬研究證明，僅僅通過標記預測育種值的準確性可以達到0.85[2]。如果在犢牛剛出生時即可達到如此高的準確性，對奶牛育種工作意義深遠。另一項模擬研究表明，對于一頭剛出生的公犢牛而言，如果其GEBV的估計準確性可以達到經過后裔測定估計得到的EBV準確性，相當于可以利用2歲公牛代替5歲乃至更老的公牛作為種用，遺傳進展率將提高一倍，與奶牛常規后裔測定體系相比，可節省92% 的育種成本[3]。這引起了育種研究者和育種企業的關注。此后，基因組選擇的研究和應用報道不斷涌現。

2基因組育種值的計算方法

根據統計模型的不同，基因組育種值的計算方法主要可分為兩類：（1）間接估計：通過估計標記效應進而間接獲得基因組估計育種值；（2）直接獲得：用標記構建個體間關系矩陣，將關系矩陣放入混合模型方程組（mixed model equations，MME），直接獲得個體的基因組估計育種值。兩類方法的基本計算模式如圖1所示。部分其他研究基于這些方法對模型進行了擴展[4～8]。