Lựa chọn gen cho giống thuần nhằm cải thiện hiệu suất giống lai
Tóm tắt
Một trong những hạn chế chính của nhiều chương trình chọn giống gia súc là việc lựa chọn chỉ diễn ra trên các giống thuần ở những môi trường có sức khỏe cao, nhưng mục tiêu là cải thiện hiệu suất của giống lai dưới điều kiện thực địa. Lựa chọn gen (GS) sử dụng genotyping mật độ cao có thể được sử dụng để giải quyết vấn đề này. Tuy nhiên, trong các quần thể giống lai, 1) ảnh hưởng của SNP có thể đặc hiệu cho giống, và 2) sự liên kết không đồng đều có thể không chỉ bị giới hạn ở các dấu hiệu liên quan chặt chẽ với các QTL. Trong nghiên cứu này, chúng tôi áp dụng GS để lựa chọn cho hiệu suất thương mại của giống lai và so sánh một mô hình có các ảnh hưởng riêng cho giống của alen SNP (BSAM) với một mô hình mà trong đó các ảnh hưởng của SNP được giả định là giống nhau giữa các giống (ASGM). Tác động của mối quan hệ giữa các giống (số thế hệ kể từ khi tách ra), kích thước của quần thể được sử dụng để huấn luyện và mật độ dấu hiệu đã được đánh giá. Về mặt đặc tính, phenotyp được kiểm soát bởi 30 QTL và có tính di truyền là 0,30 đối với các cá thể giống lai. Một phương pháp Bayesian (Bayes-B) đã được sử dụng để ước lượng các ảnh hưởng của SNP trong quần thể huấn luyện giống lai và độ chính xác của các giá trị sinh sản GS thu được cho hiệu suất thương mại giống lai đã được xác thực trong quần thể giống thuần.
Các kết quả cho thấy dữ liệu giống lai có thể được sử dụng để đánh giá các giống thuần cho hiệu suất giống lai thương mại. Độ chính xác dựa trên dữ liệu giống lai nhìn chung không thấp hơn nhiều so với độ chính xác dựa trên dữ liệu giống thuần và gần như giống hệt nhau khi các giống được lai là những giống có quan hệ gần. Độ chính xác của cả hai mô hình (ASGM và BSAM) tăng lên với mật độ dấu hiệu và kích thước dữ liệu huấn luyện. Độ chính xác của cả hai mô hình cũng có xu hướng giảm khi khoảng cách giữa các giống tăng lên. Tuy nhiên, tác động của mật độ dấu hiệu, kích thước dữ liệu huấn luyện và khoảng cách giữa các giống khác nhau giữa hai mô hình. BSAM chỉ hoạt động tốt hơn AGSM khi số lượng dấu hiệu nhỏ (500), số lượng hồ sơ được sử dụng cho huấn luyện lớn (4000) và khi các giống có quan hệ xa hoặc không có mối quan hệ.
Tóm lại, GS có thể được thực hiện trong quần thể giống lai và các mô hình phù hợp với các ảnh hưởng riêng của alen SNP có thể không cần thiết, đặc biệt là với mật độ dấu hiệu cao. Điều này mở ra cơ hội lớn cho việc cải thiện di truyền của các giống thuần nhằm nâng cao hiệu suất của các thế hệ giống lai trong thực địa, mà không cần phải theo dõi phả hệ qua hệ thống.
Từ khóa
#Lựa chọn gen #giống thuần #giống lai #SNP #hiệu suất #di truyềnTài liệu tham khảo
Dekkers JCM: Marker-assisted selection for commercial crossbred performance. J Anim Sci. 2007, 85 (9): 2104-2114. 10.2527/jas.2006-683.
Wei M, Steen van der H: Comparison of reciprocal recurrent selection with pure-line selection systems in animal breeding (a review). Anim Breed Abstr. 1991, 59: 281-298.
Wei M: Combined crossbred and purebred selection in animal breeding. PhD thesis. 1992, Wageningen Agricultural Univ. The Netherlands
Lo LL, Fernando RL, Grossman M: Covariance between relatives in multibreed populations: Additive model. Theor Appl Genet. 1993, 87: 423-430. 10.1007/BF00215087.
Lo LL, Fernando RL, Cantet RJC, Grossman M: Theory for modelling means and covariances in a two-breed population with dominance inheritance. Theor Appl Genet. 1995, 90: 49-62. 10.1007/BF00220995.
Lo LL, Fernando RL, Grossman M: Genetic evaluation by BLUP in two-breed terminal crossbreeding systems under dominance inheritance. J Anim Sci. 1997, 75: 2877-2884.
Bijma P, van Arendonk JAM: Maximizing genetic gain for the sire line of a crossbreeding scheme utilizing both purebred and crossbred information. Anim Sci. 1998, 66 (2): 529-542.
Bijma P, Woolliams J, van Arendonk J: Genetic gain of pure line selection and combined crossbred purebred selection with constrained inbreeding. Anim Sci. 2001, 72: 225-232.
Meuwissen T, Hayes B, Goddard M: Prediction of Total Genetic Value Using Genome-Wide Dense Marker Maps. Genetics. 2001, 157 (4): 1819-1829.
Gianola D, Perez-Enciso M, Toro M: On Marker-Assisted Prediction of Genetic Value Beyond the Ridge. Genetics. 2003, 163: 347-365.
Xu S: Estimating Polygenic Effects Using Markers of the Entire Genome. Genetics. 2003, 163 (2): 789-801.
Daetwyler HD, Villanueva B, Bijma P, Woolliams JA: Inbreeding in genome-wide selection. J Anim Breed Genet. 2007, 124 (6): 369-376.
Habier D, Fernando R, Dekkers J: The Impact of Genetic Relationship Information on Genome-Assisted Breeding Values. Genetics. 2007, 177 (4): 2389-
Calus MPL: Accuracy of Genomic Selection Using Different Methods to Define Haplotypes. Genetics. 2008, 178: 553-10.1534/genetics.107.080838.
Toosi A, Fernando R, Dekkers J, RL Q: Genomic selection of purebreds using data from admixed populations. ASAS/ADSA annual meeting, 407, Indianapolis. 2008
Karlin S: Theoretical aspects of genetic map functions in recombination processes. Human Population Genetics: The Pittsburgh Symposium, New York. 1984, 209-228.
Raftery A, Lewis S: The number of iterations, convergence diagnostics and generic Metropolis algorithms. Practical Markov Chain Monte Carlo. 1995
Falconer DS, Mackay TFC: Values and Means. An Introduction to Quantitative Genetics. 1996, Edited by Logman, Essex, UK: Harrow, 108-121. 4
Dekkers JCM, Chakraborty R: Optimizing purebred selection for crossbred performance using QTL. Genet Sel Evol. 2004, 36: 297-324. 10.1051/gse:2004003.