基于高密度SNP芯片的深县猪体型性状全基因组关联分析

发布时间：2020-06-18 17:39

【摘要】：深县猪作为河北省唯一一个地方品种,它不仅给人们带来了味道鲜美的猪肉,还带动周边经济的发展,同时还为人们在中国地方猪种的研究贡献了很大的力量。体型性状作为后备猪选育时首要考虑的重要性状,它还与很多经济有着十分密切的联系,从而影响着养殖场的利益,故猪的体型性状也逐渐成为一个重要的经济性状。因此对深县猪的体型性状的研究成为现阶段猪育种工作的关键,成为了当下研究的热点。随着猪全基因组测序的完成以及猪高密度商业化芯片的形成,使得全基因组关联分析成为寻找影响猪各种经济性状的变异位点的主要工具。本研究采集了68头健康的深县猪的静脉血样,利用Illumina Porcine 80K SNP芯片对所采样本进行基因分型,并且通过严格的质量检验,得到了60 125个有效SNPs位点和68个样本用于全基因组关联分析(GWAS)。本试验所分析的表型性状为六月龄体型性状,包括体重、体长、体高、胸围和管围5个指标。此研究的目的为寻找与深县猪六月龄体型性状相关的遗传变异。本试验基于高密度SNP芯片,对68头深县猪的5个六月龄体型性状进行了全基因组关联分析,其中运用了混合线性模型,并考虑深县猪的群体分层和个体间亲缘关系。得到的结果如下:1.对于深县猪资源群体的体型性状的描述性统计分析,可从表型数据的分析可以看出,均值分别为:55.92 kg,103.29 cm,58.91 cm,99.09 cm和16.32 cm;变异系数分别为:13.34,7.80,10.49,8.25和6.45。2.深县猪体型性状全基因关联分析使用plink软件,基于高密度SNP芯片,对深县猪体重、体长、体高、胸围和管围5个体型性状进行全基因组关联分析,分别发现了37、23和26个显著影响体重、体长和胸围的位点;在体高和管围这两个性状没有检测到与其相关的SNPs位点。3.根据NCBI、Ensembl数据库信息,以及生物学信息学,对所有性状相关的显著SNP位点进行最近的基因进行功能注释。经过基因功能注释以及显著位点排名,共鉴定了4个候选基因,即PDZD2、MTMR12、NPR3和TARS基因,初步定位与体型性状相关的候选基因。4.利用HAPLOVIEW 4.2软件和R语言中的haplo.stats包对显著位点进行单倍型分析,得知16号染色体上有3个单倍型块,均与体重、体长和胸围关联显著。并由此定位到5个候选基因,即PDZD2、MTMR12、NPR3、ADAMTS12和TARS基因。因此,初步将PDZD2、MTMR12、NPR3、ADAMTS12和TARS基因5个基因筛为体型性状的关键候选基因。5.综上所述,发现通过显著位点排名所得到的四个候选基因与单倍型注释的基因中的四个候选基因是完全相同的,故PDZD2、MTMR12、NPR3和TARS基因4个基因筛选为体型性状的关键候选基因。本研究结果为后人研究深县猪提供了分子理论基础,发现了新的影响猪体型性状的SNP和候选基因,为后续的功能基因验证奠定了基础。也为深县猪新品系选育提供了分子理论基础。
【学位授予单位】：河北农业大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：S828
【图文】：

统计分析方法,关联分析,实验设计,样本量

1.6.4 GWAS 实验设计全基因组关联分析的实验设计主要可分为两种：（1）单阶段设计（2）二阶段设计或多阶段设计。单阶段设计是指，在一个群体中选择相当大的样本量作为研究对象，使其进行基因分析，并将测量好的表型值与基因型进行关联分析，进而得到相应的结果。这种实验设计理论上是可行的，但实际操作过程中却出现了一系列的问题：①需要研究的对象品种的特殊性，属珍稀物种，样本量不够大。②若所选用的样本量太大，那么基因分型成本将会太高，科研经费不足。二阶段或多阶段是指，以一个相对较少的样本量作为研究对象，进行表型值与基因型的关联分析，进而得到显著的位点，此过程为第一阶段。第二阶段就是在第一阶段找到位点的前提下，在更大样本进行验证；此方法因增加了验证步骤，故所得的结果更加可靠。由于需基因分型的样本量的降低，可降低试验成本。相比这两种实验设计，考虑到成本和样本的问题，大多数学者采用两阶段实验设计。全基因组关联分析常用的统计方法主要有两种：一种是基于无关个体关联分析（UnrelatedIndividual Association，UIA）；另一种是基于家系的关联分析（Family-based Association，FBA）。如图所示，研究者可根据所选择的研究对象进行方法的选择，选择不同的实验设计应采用不同的分析方法[43]。

频数分布,体型性状,资源群体,频数分布

18图 3 资源群体体型性状频数分布图Fig. 3 The frequency distribution of body conformation traits.3.1.2 体型性状表型相关分析从表 4 上可知，体重、体长、体高、胸围和管围 5 个体型性状间的表型相关系数。体重、体长、体高和胸围之间的相关系数较高，其中体重与体长的相关系数最高，达到 0.856，而管

【参考文献】