黄河鲤体型和生长性状的全基因组关联研究

发布时间：2020-05-10 20:45

【摘要】：鲤(Cyprinus carpio)是世界上最重要的水产养殖物种之一,具有重要的产业价值和科研意义,黄河鲤是其中极具代表性的亚种。黄河鲤的典型特点是金鳞赤尾、体型梭长,肉质细嫩鲜美;然而近年来由于种质退化等原因造成体型性状差异大,极端体型如细长型和纺锤型增多影响了黄河鲤的品质和市场价格,亟需开展黄河鲤体型性状的遗传机制研究。本课题通过对黄河鲤的混合家系的样本进行体型性状测量和基因分型,对黄河鲤的体型和生长性状进行全基因组关联研究,尝试寻找与体型和生长性状相关的基因。形态测量学包含线性测量法和几何形态测量法等多种测量法,不同测量方法的侧重点和具体操作各有不同。本研究在测量样本身体形状和生长相关性状时同时使用了线性测量法和基于地标点的几何形态测量法,整理出一套适用于鱼类体型性状的地标点法分析流程,并对两种方法的优缺点进行比较。本研究使用线性测量法和基于地标点的几何形态测量法收集了饲养在相同环境下、投喂相同饲料的13个黄河鲤全同胞家系的523个黄河鲤样本的体型和生长数据。其中用几何形态测量法收集的是描述样本身体形状的地标点的数据,用线性测量法收集的是样本的体长、体高、体厚、体重、眼间距以及净重的数据。对地标点数据进行分析后得到20个主成分,其中PC1~PC3解释了样本群体50%以上的几何形态差异,PC1~PC6解释了样本群体75%以上的几何形态差异,PC1~PC10解释了样本群体90%以上的几何形态差异。各主成分与BL/BH的相关性系数各有不同,分别为0.06379,0.47485,0.21762,0.46255,0.14542,0.44985,其中PC1与BL/BH的相关性最小。将上述分析所得的数据和线性测量结果作为体型性状,结合利用鲤鱼高通量SNP分型芯片鉴定所得的SNP基因型开展GWAS分析,然后根据GWAS的结果划定阈值,对阈值以上的SNP位点的上下游10k的基因进行了注释,获得1,850个基因,并通过文献调研从中筛选出一批与体型和生长性状相关的候选基因。其中包括多种磷酸酶(phosphatase)、蝶素(Ephrin)、成纤维细胞生长因子结合蛋白(Fibroblast growth factor-binding protein)、生长抑素受体(Somatostatin receptor)、脂肪酸合成酶(Fatty acid synthase)、转化生长因子(Transforming growth factor)、胰岛素样生长因子受体(Insulin-like growth factor 1 receptor)以及骨形态发生蛋白受体(Bone morphogenetic protein receptor)等。除上述与生长发育明显相关的基因,注释出的基因中还包括许多与免疫、神经系统发育、细胞骨架、跨膜转运、离子通道等功能有关的基因。对注释结果进行GO和KEGG分析,富集到胚胎发育(embryo development)、解剖结构形态(anatomical structure morphogenesis)、蝶素受体活性(ephrin receptor activity)、胰岛素受体结合(insulin receptor binding)、表皮生长因子受体信号通路(ErbB signaling pathway)、磷酸酶活性(phosphatase activity)、脂肪酸代谢(Fatty acid metabolism)、细胞连接(cell-cell junction)、细胞周期(Cell cycle)等许多与生长相关的通路。这些基因和通路在细胞增殖、细胞凋亡抑制、促进生长、肌肉发育、细胞识别、细胞外基质沉淀、形态发生、肢体发育和软骨形成等方面发挥重要作用。我们从筛选出的基因列表中挑选了重要的基因进一步开展了PCR扩增和Sanger测序验证,发现了新的SNP位点,在性状极大和极小的两个群体中出现频率有明显的差异的SNP,其中部分SNP会导致氨基酸编码发生变化,可能影响了相关蛋白的功能和活性。本研究结果不但阐述了黄河鲤的体型和生长性状的分子遗传机制,而且为今后的育种提供了重要的支持作用。
【图文】：

几何形态,地标,位置,普氏

图 1-1. 所选取地标点的具体位置Figure 1-1. Specific position of landmarks1、上唇前端；2、鳃盖上缘；3、背鳍基部前端；4、背鳍基部后端；5、尾鳍基部上端；6、尾鳍基部与侧线的交点；7、尾鳍基部下端；8、臀鳍基部后端；9、臀鳍基部前端；10、腹鳍基部；11、胸鳍基部；12、鳃盖下缘。1.3 几何形态分析将包含所有地标点坐标的文件导入软件 MorphoJ[105]，进行普氏拟合（Procrustes Fit），消除轮廓大小的差异，得到普氏坐标（Procrustescoordinates）。之后的处理分为数据和图像两方面：数据方面，在普氏坐标的基础上生成协方差矩阵（covariancematrix），之后进行主成分分析（PrincipalComponentAnalysis，PCA）对数据降维，得到 20 个主成分（Principal components，PCs），这些主成分按方差贡献率大由大到小排序并赋予1~20的编号。最后导出所有样本对应的PC值。图像方面，MorphoJ 会根据综合所有样本的普氏坐标计算出每个地

几何形态,方差贡献,主成分,几何形态

上海海洋大学硕士学位论文的差异；PC7 主要描述了样本背部隆起程度和尾柄长度的差异；PC8 主要描述了臀鳍附近的形态差异；PC9~PC20 的方差贡献率小，线框图形状杂乱，故忽略。而根据 20 个主成分的方差贡献率（图 2-2）计算累积方差贡献率可知，PC1~PC3 解释了样本群体 50%以上的几何形态差异，PC1~PC6 解释了样本群体 75%以上的几何形态差异，PC1~PC10 解释了样本群体 90%以上的几何形态差异。因此我们在之后的几何形态讨论中会把研究重心放在前六个 PC 上。
【学位授予单位】：上海海洋大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：S917.4

【相似文献】