论文部分内容阅读
黄姑鱼（Nibea albiflora）主要分布在中国以及东亚地区的沿海，是中国重要的海水养殖鱼类，养殖年产量达3万吨以上。因其不易感染白点病、应激性较弱、肉质鲜美等原因，受到养殖者和消费者的喜爱。本研究针对黄姑鱼的7种数量性状（体长、体高、体厚、体长/体高比、鳔重、鳔指数、性腺指数），采用不同的模型进行全基因组关联分析（GWAS）和基因组育种值估计，并研究使用部分标记位点进行基因组选择（GS）的预测力，构建了GWAS和GS的流程化脚本，为进一步开展黄姑鱼遗传育种研究提供基础。主要研究结果如下：
（1）采用多种方法进行GWAS研究，从而提高候选位点的可靠性。通过混合线性模型和贝叶斯模型一共找到与鳔重、鳔指数和体长/体高比功能相关的11个候选基因（wnt5a、sstr5、bcl2l11、lum、s1pr1、sec24b、ppp3ca、akap2、dag1、fgf12和ky）。其中10个候选基因的功能与肺相关，大多数在肺中表达，1个基因与肌肉功能有关。此外，还尝试了一种基于单倍型的GWAS方法，采用更为严格的过滤标准挖掘到44,332个标记进行关联分析。找到3个候选基因（adam12、gphb5和ednra），其中2个基因跟肺部疾病有关，一个基因在控制甲状腺细胞代谢中起重要作用。认为这些基因可能与黄姑鱼鳔的形成和健康有关，或许正是这些基因中一个或几个基因本身、或与其表达调控相关区域的变异，导致了黄姑鱼个体之间鳔重、鳔指数和体长/体高比的不同。
（2）对7个数量性状用三种不同类型的模型（RRBLUP、GBLUP；BayesA、BayesB、BayesCπ、MMixP；CNN）进行遗传参数和育种值估计，结果显示，对于体长和性腺指数，不同模型之间的预测准确性差异很小(<10%)，而对于其它5个性状，预测准确性差异大于10%，甚至高达24.4%。
（3）根据GWAS结果按照P值从小到大排序，用GBLUP模型计算使用不同数目SNP进行GS的预测力，结果显示，体长/体高比和体厚仅分别需要用5个和100个显著的SNP进行辅助选择（MAS）就能达到使用53,677个SNP进行选择的预测效果，而体长、鳔指数、鳔重、体高和性腺指数，大约需要1000到3000个显著的SNP才能实现使用53,677个SNP的预测效果。
（4）在上述基础上构建了一个多模型、操作简单、易于上手和快速执行的GWAS和GS的流程化脚本，为初步搭建育种平台做准备。
（1）采用多种方法进行GWAS研究，从而提高候选位点的可靠性。通过混合线性模型和贝叶斯模型一共找到与鳔重、鳔指数和体长/体高比功能相关的11个候选基因（wnt5a、sstr5、bcl2l11、lum、s1pr1、sec24b、ppp3ca、akap2、dag1、fgf12和ky）。其中10个候选基因的功能与肺相关，大多数在肺中表达，1个基因与肌肉功能有关。此外，还尝试了一种基于单倍型的GWAS方法，采用更为严格的过滤标准挖掘到44,332个标记进行关联分析。找到3个候选基因（adam12、gphb5和ednra），其中2个基因跟肺部疾病有关，一个基因在控制甲状腺细胞代谢中起重要作用。认为这些基因可能与黄姑鱼鳔的形成和健康有关，或许正是这些基因中一个或几个基因本身、或与其表达调控相关区域的变异，导致了黄姑鱼个体之间鳔重、鳔指数和体长/体高比的不同。
（2）对7个数量性状用三种不同类型的模型（RRBLUP、GBLUP；BayesA、BayesB、BayesCπ、MMixP；CNN）进行遗传参数和育种值估计，结果显示，对于体长和性腺指数，不同模型之间的预测准确性差异很小(<10%)，而对于其它5个性状，预测准确性差异大于10%，甚至高达24.4%。
（3）根据GWAS结果按照P值从小到大排序，用GBLUP模型计算使用不同数目SNP进行GS的预测力，结果显示，体长/体高比和体厚仅分别需要用5个和100个显著的SNP进行辅助选择（MAS）就能达到使用53,677个SNP进行选择的预测效果，而体长、鳔指数、鳔重、体高和性腺指数，大约需要1000到3000个显著的SNP才能实现使用53,677个SNP的预测效果。
（4）在上述基础上构建了一个多模型、操作简单、易于上手和快速执行的GWAS和GS的流程化脚本，为初步搭建育种平台做准备。