南美白对虾对副溶血弧菌抗性的基因组选择评价
读者:刘绵宇
携带PIRA和PirB毒性质粒的副溶血弧菌是引起凡纳滨对虾急性肝胰腺坏死的病原，近年来给凡纳滨对虾养殖业造成了严重的经济损失。选育抗弧菌病的南美白对虾亲虾是有效控制该病的重要途径。由于基因组选择在选择精度和效率方面的优势，基因组选择有望成为加速抗病性状遗传改良的可行选择。根据实际数据和模拟数据，估算了南美白对虾对副溶血弧菌抗性的遗传力，并对南美白对虾GS基因转化的可行性进行了评估。对虾对溶血弧菌抗性的遗传力约为0.15-0.24，表明可以通过选择育种实现遗传改良。基于真实数据对GS的跟踪分析表明，基因组最佳线性无偏预测(GBLUP)比传统的基于系谱的最佳线性无偏预测(PBLUP)更准确，生存时间预测精度提高了6.8%，生存状态预测精度提高了3.5%。同样，对于模拟数据，与GBLUP相比，生存时间和二元生存的预测精度分别提高了3.0%和5.0%。综上所述，GS可能是提高凡纳滨对虾抗副溶血弧菌遗传增益的一种替代方法。
南美白对虾是世界上养殖最广泛的海洋物种之一。然而，虾产业受到由病毒和细菌引起的疾病的阻碍。特别是近年来，急性肝胰腺坏死症(AHPND)，又称早期死亡综合征(EMS)，已经严重威胁到全球对虾养殖的可持续性和盈利性。自2010首次爆发AHPND以来，该病已在世界许多地方发生。预计到2013年，AHP和nd每年造成的经济损失将超过654380亿美元。为了减少对虾养殖造成的生产损失，采取了改善对虾养殖条件和加强养殖场管理等措施。此外，养殖者更加重视选择性养殖，这是减少水产动物疾病爆发的可持续方法。
选择育种已广泛用于水产动物各种疾病性状的遗传改良(Gjedrem and Robinson，2014；Gjedrem等人，2012)。然而，经典育种方法的可靠性有限，因为它最多只能利用总遗传变异的50%(Nirea et al .，2012)。此外，经过抗病测试的动物不能作为繁殖种群。相比之下，基因组选择(GS)可能对疾病抗性特别有价值。GS可以使用全基因组标记来计算候选育种动物的估计育种值(GEBV)(Meuwissen等人，2001)。与传统的选择方法相比，GS可以提高抗病性状的选择精度。此外，预计GS将降低近交率，因为它可以在家族系中实现更好的分化，降低兄弟姐妹的共选择率。最近对几种水生动物的研究表明，GS在加速抗病性状的遗传改良方面具有巨大的潜力。然而，由于基因组大小和不同性状的遗传结构的差异，不同物种之间不同性状的GS表现差异很大。已有研究表明GS是促进南美白对虾生长性状遗传改良的有力工具。然而，到目前为止，还没有关于调查GS虾的抗病性的可行性的报道。因此，评价GS在南美白对虾中对溶血弧菌的抗性是有价值的。本研究估算了南美白对虾对副溶血性弧菌抗性的遗传力，并评价了GS提高南美白对虾对副溶血性弧菌抗性的可行性，以期为GS在对虾育种中的应用提供支持。
从中国广泰海洋水产养殖公司获得的200个个体用于攻击实验。简而言之，所有样本均来自于2015年7月建立的13全同胞家系(13母本和13父本的后代)。每个全同胞家庭在一个5平方米的水槽中培育幼苗。(家庭饲养)长到3厘米后，每家50只，用荧光标记。贴上标签后，这些虾被集体养在一个10平方米的池塘里。(混养)在收获时，随机选择200个个体进行攻击实验。每只对虾注射副溶血弧菌10ul(本实验室分离的)，浓度为2.52×107CFU/mL。将注射后的对虾均匀分布在10的水槽中，加入25L过滤海水，水温保持在24 1°c，挑战试验持续194h，每4h记录一次死亡数和个体存活时间。在感染194小时后收集所有存活的虾。
对副溶血弧菌的抵抗力为存活时间，定义为死亡小时数，取值范围为16 ~ 194h；二进制生存，如果虾在攻击测试中死亡，得分为0，如果虾存活到挑战测试结束，得分为1。
基因分型方法与上述方法相同(Wang等人，2007a)。从对虾肌肉中提取每个样品的基因组DNA。所有样本均采用2bRAD技术进行基因分型(王等，2012)。质量控制后，剔除漏检率大于5%且等位基因频率小于0.05的SNP，共获得23049个SNP标记。此外，Beagle 3.3.2用于推断缺失的基因型(Browning and Browning，2007)。
为了评价GS对多个体多标记副溶血弧菌抗性的准确性，进行了模拟分析。QMSim软件用于实时模拟南美白对虾的种群(萨戈尔扎伊和申克尔，2009)。首先，相等数量的雄性和雌性、离散世代、随机交配、无迁移和无选择被设计成产生包括1000个世代的连续种群，具有2000个个体的恒定有效种群大小。然后为了产生两个遗传分化的种群，从上一代(1000代)中随机选取300只动物(1000只雄性和200只雌性)作为两个不同种群的创建者，每个个体随机交配30代。对于这两个种群，每只雌性有50个后代(每只雄性有100个后代)，结果是每一代有200个家系，1000只繁殖动物。在1030代中，从两个不同的种群中随机选取1000只动物进行基因组选择实验。因为还没有进行南美白对虾对副溶血弧菌的抗性育种，所以这一步没有进行育种。对于连续群体和近期群体，仅考虑加性效应的遗传力设为0.2。模拟基因组由44条染色体组成，长度为97 cM，总长度为4268 cM，与南美白对虾真实基因组大小相近(于等，2015)。对于每个染色体，模拟了1500个双列标记和100个QTL。每个基因座的等位基因数从2到4不等，QTL等位基因效应从形状参数为0.4的伽马分布中提取。标记突变率为2.5×10？5.QTL的突变率为2.5×10-5。
基于系谱的最优线性无偏预测(PBLUP):传统的基于系谱的方差分量和估计育种值(EBV)由BLUP(Henderson，1984)估计。等式(1)和(2)分别用于真实数据集和模拟数据集:
基因组最佳线性无偏预测(GBLUP):基因组最佳线性无偏预测(GBLUP)模型用于预测基因组估计育种值(GEBV)。除了使用基因组关系矩阵(G矩阵)之外，该模型类似于PBLUP模型，并且基因组关系矩阵构造如下。
其中w是与2-2pt、1-2pt和-2pt的t SNP的Aa、aa和AA基因型元素共变的加性标记的矩阵。Pt是t SNP的等位基因A的频率Qt = 1-Pt；m是SNPs的数量。
利用R包‘谱系MM’中的两代谱系构造一个矩阵。上述模型由R包‘bglr’使用贝叶斯方法实现。吉布斯采样总共使用了100000次迭代，前10000次迭代作为老化被丢弃。
根据弧菌攻击实验中记录的表型数据，存活时间和二元存活的遗传力计算如下:
σa2和σe2是加性遗传方差和残差方差。方差分量由BGLR包分别使用A矩阵和G矩阵进行估计。对于二元生存，剩余方差被设置为1。
为了比较PBLUP和GBLUP的预测精度，采用了五种交叉验证方案。简而言之，数据集被随机分为五个子集。四个子集(80%)合并成一个训练集，用于估计遗传效应，其余的子集是验证集，其中表型记录被掩盖。为了减少抽样的随机影响，交叉验证分析重复了20次。因此，总共进行了100次交叉验证分析。
在模拟分析中，真实育种值(TBV)和EBV(GEBV)之间的相关性用于衡量预测精度。在真实数据集中，TBV是未知的，因此预测精度调整如下。
其中r(EBV，y)是给定模型的EBV(GEBV)和y之间的相关性(使用来自训练集的信息来预测验证集)，y是观察到的表型；
h是根据家系信息计算的遗传力的平方根。
对虾平均体重为5.56±2.16g，平均体长为77.0±10.0mm..不同科的大虾在不同时间的存活情况如图1。死亡发生在感染后16h，持续到120h。感染实验结束时(194h)，对虾死亡103只，占总种群的51.5%。不同家系虾的死亡率从0% (FAM 13)到83% (FAM 4)不等，表明通过育种技术提高凡纳滨对虾对副溶血弧菌的抗性是可行的。
狭义遗传力是数量遗传学的核心参数，代表加性遗传效应引起的总表型变异的比例。在这项研究中，使用来自13个全同胞家庭的受攻击个体的表型来估计存活时间和二元存活率的方差分量。在这项研究中，使用来自13个全同胞家庭的受攻击个体的表型来估计存活时间和二元存活率的方差分量。对于存活时间，用A矩阵和G矩阵估计的狭义遗传力分别为0.24±0.09和0.26±0.10。对于二元生存，用A矩阵和G矩阵估计的狭义遗传力分别为0.15±0.07和0.16±0.09。结果表明，凡纳滨对虾对副溶血弧菌的抗性存在中等程度的遗传变异，类似于以往报道的抗病性状的低遗传力，其遗传力介于WSSV抗性h2=0.03和TSV抗性0.3之间。虽然抗病性状表现出低到中等的遗传力，但遗传改良已经通过传统的选择育种实现。感染TSV病毒的对虾的遗传进度在65438±02.4%和65438±08.4%之间。经过三代选择，估计感染WSSV的南美白对虾的存活反应达到22.7%。在这项研究中，虾对副溶血弧菌的抗性估计约为中等遗传率。这表明在南美白对虾中进行副溶血弧菌抗性遗传改良是可行的。
基于真实数据集，表1显示了基于PBLUP和GBLUP方法的生存时间和二元生存的预测精度。总之，GBLUP比PBLUP能产生更准确的预测，对存活时间的预测准确率相对提高6.8%，对二元存活率的预测准确率相对提高3.5%。模拟数据集也获得了类似的结果。当PBLUP与GBLUP比较时，存活时间和二元存活率的预测准确率分别提高了3.0%和5.0%。目前的研究表明，GS可以有效地加速这一性状的遗传进程。
在当前的研究中，有趣的是，两个模型的预测精度在真实数据集和模拟数据集之间略有不同。实际数据集和模拟数据集之间的预测准确性差异可能由几个因素引起，包括群体大小、标记密度和独立的染色体片段。总的来说，这个结果说明关于凡纳滨对虾对副溶血弧菌抗性的遗传基础的假说，包括QTL的数量和QTL的突变率，可能是非常符合实际的。此外，值得注意的是，在真实数据集中观察到的两个模型的预测精度的标准差高于在模拟数据集中观察到的。真实数据集中有限的群体规模和复杂的群体结构可能是导致预测精度差异较大的主要因素。以往对家畜、植物和水生动物的研究表明，训练种群规模的减小会对群体决策的预测能力产生负面影响，显著降低预测质量。此外，训练群体的组成和结构以及训练群体与验证群体之间的关系也是影响GEBV预测的关键因素，并可能导致基因组预测准确性的偏差。
虽然在模拟数据集中已经使用了大量的群体来评估GS的性能，但是当比较PBLUP和GBLUP时，发现凡纳乳杆菌对副溶血弧菌的抗性的准确性低于先前报道的结果。例如，A发现与用57K SNP阵列对1934动物进行基因分型的PBLUP相比，GBLUP预测虹鳟对三文鱼抗性的能力相对提高了28%。同样，在对2392个个体进行50K SNP序列基因分型时，大西洋鲑对三文鱼抗性的预测准确率相对高于GBLUP模型(21%和27%)。结果表明，与PBLUP模型相比，GBLUP模型提高了大西洋鲑对三文鱼抗性预测的准确性(265，438+0%和27%)。这些结果的差异可能与这些物种间连锁不平衡水平的差异有关。在本研究中，由于繁殖历史短，种群来源广泛，模拟种群可能具有很低的LD水平。因此，更多的标记将有利于增强GS的能力。此外，抗性性状被模拟为由大量效应较小的QTL控制的复杂性状，因此当前的群体规模可能仍不足以准确估计这些效应。因此，今后利用更多的标记和更多的表型来研究GS对副溶血性弧菌的抗性是非常有价值的。
本研究检测到南美白对虾对副溶血弧菌的抗性接近中等遗传力，表明通过选育进行遗传改良是可行的。GBLUP分析比PBLUP具有更高的预测精度，表明GS可能是提高南美白对虾抗副溶血弧菌遗传增益的新途径。此外，应使用大群体规模和高标记密度的经验数据来评估GS提高对虾对副溶血弧菌抗性的有效性。