同时考虑遗传与环境互作以及基因非加性效应的基因组选择模型研究

Genomic selection could increase genetic progress by 60~150% with a decrease of cost by 27.8 folds compared with traditional breeding program according to previous report. Therefore, it has been used in many developed countries. A reference population has been obtained from Shanghai Holsteins according to former research from our group. However, the size of reference population is quite small and mainly consisted of cows. Therefore, the next step of our work is to increase the size of reference population by including the other population and genomic prognosis for cows. Both of these two studies are related with genotype by environment interaction and non-additive genetic effect estimation. However, the current research of genomic selection for dairy cattle does not including both the genotype by environment interaction and non-additive genetic effect estimation. Therefore, this study will propose a new genomic selection model which includes the estimation for both genotype by environment interaction and non-additive genetic effect based on the multi-trait model and reaction model which were traditionally used for genotype by environment interaction research. We will develop the theory, algorithm and program. Then the model will be validated with the simulation data and real data. Finally, the program will be merged with the GS program in Shanghai dairy cattle and used for the practice breeding. This study will provide theory and software for across population breeding and cows’ genomic prognosis, and enrich the theory system for genomic selection, and urge the use of genomic selection in animal and poultry breeding.

据报，基因组选择（GS）可提高奶牛遗传进展60%~150%，成本比常规育种下降27.8倍，故已在发达国家广泛应用。本课题组已初步建立了上海地区奶牛GS参考群体，但规模较小，且大多数为母牛。因此，下一步将重点联合其他地区或国家以扩大参考群体规模并对母牛进行准确的基因组预测（预后）。这两项工作都涉及遗传×环境和基因非加性效应。而目前在奶牛育种中尚没有同时考虑二者的研究。因此，本项目拟在传统研究遗传×环境的多性状模型与反应规范模型基础上，结合基因非加性效应研究方法，提出同时考虑遗传×环境以及基因非加性效应的GS模型，进行理论推导，优化算法，编写相关程序，并通过模拟数据与实际数据进行验证。最后将模型整合到上海奶牛GS平台并用于实际工作中。本项目的实施将为多群体联合育种以及母牛GS提供理论与软件支持，丰富GS理论体系，推动GS在畜禽中的应用。

在基因组选择时代，为扩大参考群体含量，多个群体通过联合的方式开展基因组选择。而由于不同环境下可能存在遗传与环境互作现象，直接开展选择育种则会造成个体育种值的有偏估计。因此，在进行不同环境的育种时，应考虑遗传与环境互作效应。本研究通过共享公畜概念对不同环境进行了数据模拟，并探讨了不同环境的关联性（即场间关联）对基因组选择准确性的影响。在实际数据中，分别使用法国、美国及中国群体对122头法国奶牛进行基因组预测，进而对比了不同参考群体对基因组预测准确性的影响。两项研究结果表明参考群体个体间关系较远，参考群体与候选群体关系较近时，基因组预测准确性则较高，证明了忽视遗传与环境互作对基因组预测产生的影响。为进一步研究遗传与环境互作的方法并将其用于上海荷斯坦牛的育种，对308头上海荷斯坦牛利用简化基因组测序技术（GGRS）及低深度的全基因组测序技术进行了测序，扩充了上海荷斯坦牛的参考群体，并研究了联合其它可用资源的填补策略，将所有个体填充为全基因组序列，用于后续基因组学分析。在表型组层面，使用多元分析方法对体型性状进行了分析。方法上，使用场效应作为描述环境变化的连续变量，解决了实际环境因子无法采集的困难，完善了研究遗传与环境互作中的反应规范模型。最后使用多性状模型以及反应规范模型，对上海荷斯坦牛体型性状的遗传与环境互作进行了分析，结果表明，上海荷斯坦牛体型性状存在较高的遗传与环境互作现象，在进行选育时，应在模型中考虑该效应，提高预测准确性。