畜禽基因組選擇育種技術規(guī)程征求意見稿編制說明.doc

國家標準畜禽基因組選擇育種技術規(guī)程編 制 說 明（征求意見稿）一、 任務來源本國家標準的制定任務列入國家標準化管理委員會國家標準委關于下達2018年第四批國家標準制修訂計劃的通知（國標委綜合201883號，項目編號“20184554-T-424”。本項任務由中國標準化研究院提出并歸口，定于2020年完成。本標準起草工作組由中國農業(yè)科學院北京畜牧獸醫(yī)研究所等單位共同組成。二、目的及意義本研究旨在建立重要畜禽（豬、牛、羊、雞等動物)的標準化基因組選擇技術流程，為基因組選擇育種技術的實施提供操作規(guī)程?；蚪M選擇技術已成為動物育種的關鍵前沿技術，它突破了對候選種畜禽從表型選擇到基因組選擇的難題，解決了畜禽肉質和抗性等性狀難以選育的障礙，提高了遺傳評定的準確性和預見性，實現了低成本早期選擇。目前我國重要畜禽的基因組選擇技術研究已越來越成熟，但尚未制定相應的技術規(guī)程，限制了該技術在育種實踐中的推廣應用。本規(guī)程的制定，將有效規(guī)范基因組選擇技術操作，并建立標準化的基因組選擇技術的流程。對加快基因組選擇技術在畜禽育種中的應用，推進我國畜牧業(yè)的可持續(xù)發(fā)展和實現良種國產化具有重要意義。三、標準制定原則1.本規(guī)程在制定中遵循以下基本原則：a) 本規(guī)程編寫格式應符合標準化工作導則第1部分：標準的結構和編寫規(guī)則GB/T1.1-2009的要求；b) 本規(guī)程規(guī)定的技術內容及要求應科學、合理，具有適用性和可操作性；c) 本標準的水平應達到國內領先水平。2.本規(guī)程編寫的依據：本規(guī)程主要依據目前基因組選擇最新研究進展以及相關技術標準。4、 標準主要內容重要畜禽基因組選擇育種技術規(guī)程標準內容包括術語與定義以及基因組選擇育種流程等內容?；蚪M選擇育種分為：1）參考群建立，表型性狀測定和基因型測定；2）候選個體遺傳評估及選留兩個主要部分。在每一個部分中，具體規(guī)定了基因組選擇育種技術的基本要求和實施操作的管理準則。5、 主要工作過程1. 接到任務后，對標準內容進行細分，明確每部分內容、目標、責任人、撰寫計劃及完成時間。2. 查閱關于動物基因組選擇育種相關方法、法律法規(guī)和標準等文獻專著，進行歸納整理。3. 依據GB/T 1.1標準化工作導則 第1部分：標準的結構和編寫規(guī)則、GB/T 1.2標準化工作導則 第2部分：標準中規(guī)范性技術要素內容的確定方法等標準編制要求，對本標準開展了研制工作，通過系統(tǒng)整理相關調研資料，于2018年7月完成了畜禽基因組選擇育種技術規(guī)程標準起草稿。在此基礎上，2018年7月編制小組將標準起草稿發(fā)送給20多位專家征求修改意見，征求意見的單位涉及教學、科研、育種等單位，反饋期為二十天，共收到9位專家的返回意見。針對專家返回意見中的共性問題，我們又組織了中國農業(yè)大學、農業(yè)農村部科技發(fā)展中心、中國農業(yè)出版社、河北省畜牧局等單位的6位專家討論了修改意見中的共性問題，并制定了相應的修改方案。2019年2月25日，我們再次邀請華中農業(yè)大學、中國農業(yè)大學、農業(yè)農村部科技發(fā)展中心、中國農業(yè)出版社、北京畜牧獸醫(yī)研究所等單位的10位專家進行討論，對修改完成的標準起草稿進行了補充、修訂，形成了本次的征求意見稿。6、 國內外研究概況自2001年Meuwissen提出全基因組選擇的概念和方法后，基因組選擇廣受動植物育種界的關注，它是利用高密度SNP芯片獲取基因組范圍內的標記信息，對目標性狀進行遺傳評估并進行選擇的策略(Meuwissen et al., 2001)。此概念一經提出立刻得到遺傳育種學家的積極響應，各國的科學家們圍繞GS的算法(Brondum et al., 2012; de los Campos et al., 2009; Habier et al., 2011; Meuwissen et al., 2009; Verbyla et al., 2009; Wang et al., 2013; Xu, 2003, 2010; Yi and Xu, 2008)，如何提高GEBV的估計準確度(Hayashi and Iwata, 2010; Sun et al., 2010)以及如何將其應用到具體的育種實踐(Goddard and Hayes, 2009; Shepherd et al., 2010; Taylor et al., 2016a)中展開了多方面的探討和研究，使GS選擇理論和技術體系日趨完善。在對基因組選擇理論研究的同時，一些國家努力將基因組選擇應用于育種實踐(Goddard et al., 2016)。由于表型測量方法、參考群體及畜禽育種方法的差異，導致不同畜禽品種應用基因組選擇取得的育種成效也有所差別?；蚪M選擇最先應用于奶牛和肉牛育種，隨后逐漸在豬和羊的育種中應用。在奶牛上的應用效果明顯，顯著地縮短了世代間隔，使美國奶牛生產性狀的遺傳進展每年提高50%-100%(Garcia-Ruiz et al., 2016a)。而對于肉牛基因組選擇，也有部分國家正在積極研究與應用，例如，2011年美國利用3570頭安格斯牛的16個表型性狀（7個生長性狀，5個繁殖性狀，4個胴體性狀）進行基因組選擇研究，該群體中個體均利用Illumina BovineSNP50獲得基因型，研究利用K-means進行交叉驗證評估基因組育種值估計的準確性，該方法可以增加組內的遺傳關系，同時縮小組間的遺傳關系，結果表明準確性在0.22-0.69之間，平均基因組育種值估計的準確性為0.44(Saatchi et al., 2011)。2012年美國利用2239頭利木贊和2703頭西門塔爾牛的15個性狀（4個生長性狀，5個繁殖性狀和6個胴體和肉質性狀）進行基因組選擇研究，該群體大部分牛利用Illumina BovineSNP50獲得基因型，僅有264頭西門塔爾利用Illumina BovineHD獲得基因型，同樣利用K-means方法評估基因組育種值的準確性，結果表明在利木贊群體中基因組育種值估計的準確性0.39-0.76之間，在西門塔爾群體中基因組育種值估計的準確性0.29-0.65之間(Saatchi et al., 2012)。2015年，美國利用多個商用肉牛群體進行基因組選擇研究，其中包括安格斯660頭，夏洛萊702頭，海福特1192頭，利木贊285頭和西門塔爾521頭，所有牛全部利用Illumina BovineSNP50獲得基因型，研究用6個性狀（剪切力，眼肌面積，大理石評分，背膘厚，胴體重和產肉等級）比較不同貝葉斯模型下基因組育種值估計的準確性，結果表明假設效應方差不同的混合BayesB和BayesC模型優(yōu)于BayesA模型。但對于大部分性狀來講，三種貝葉斯模型估計的準確性相似，表明大部分性狀是由微效多基因進行控制(Rolf et al., 2015)。2014年美國利用772頭內洛爾牛和安格斯雜交牛的剪切力性狀進行基因組選擇研究，比較四種基因組預測模型的準確性，同時評估固定效應尤其是群體結構對估計準確性的影響，計算結果是BayesC模型的準確性最高，BayesB模型的偏差最小，在模型中加入群體結構的固定效應可以降低基因組育種值估計的準確性同時增大預測偏差(Hulsman Hanna et al., 2014)。2014年，法國利用2682頭夏洛萊的出生重、斷奶重、肌肉發(fā)達度、產犢難易度和骨胳發(fā)育度進行基因組育種值估計，所有牛全部利用Illumina BovineHD獲得基因型，研究比較不同統(tǒng)計方法、不同參考群體和不同芯片密度對基因組育種值評估準確性的影響，結果表明，BayesC方法的準確性高于GBLUP和傳統(tǒng)BLUP方法；另外，當標記密度從50K增加至770K時，基因組育種值準確性并未提高，因此，對于法國夏洛萊群體來說，利用BayesC方法并利用逆回歸育種值（DEBV, degressed estimated breeding value）當因變量可以獲得更高的準確性(Gunia et al., 2014)。2014年，澳大利亞利用10181頭Bos Taurus（1743頭安格斯牛，717頭短腳牛，613頭海福特牛，223頭默里牛）, Bos indicus（3384頭婆羅門牛）和雜交品種進行19個性狀的多品種基因組選擇研究，所有牛的基因型全部填充至770K高密度芯片，結果表明，利用不同方法分別估計19個性狀的基因組育種值準確性有所不同，其中遺傳力較高的性狀和表型數據完善的性狀基因組育種值估計的準確性較高，利用GBLUP方法估計19個性狀的育種值準確性的平均值為0.27；另外，對于有顯著QTL的性狀，BayesR方法比GBLUP方法高出4個百分點；多品種的遺傳評估相對于單品種的評估可以顯著提高基因組育種值估計的準確性(Bolormaa et al., 2013)。2015年，澳大利亞利用10191頭Bos Taurus, Bos indicus和雜交品種進行基因組選擇中的非加性效應研究，所有牛全部填充至770K的高密度芯片，顯性方差是由729068個SNPs構建的顯性方差矩陣，結果表明，各性狀間的SNP顯性方差變化很大，16個性狀間的平均顯性方差占表型方差的5%，模型中加入顯性效應不能顯著提高基因組育種值估計的準確性，但顯性效應模型可能是未來研究的一個方向(Bolormaa et al., 2015)。2014年，加拿大利用2900多頭多個品種肉牛群體進行5個胴體性狀和3個肉質性狀的基因組選擇研究，分析不同標記密度（384，3K，7K和50K）是否可以引起育種值估計準確性較大差異，結果證明，低密度芯片可以獲得較高的準確性，并可應用于肉?；蚪M選擇(Akanno et al., 2014)。2014年，加拿大利用543頭安格斯和400頭夏洛萊進行胴體性狀的基因組育種值估計，結果表明利用年齡劃分參考群體和驗證群體比利用親緣關系進行分組可以獲得更高的育種值估計準確性，說明參考群體和驗證群體的劃分方法比使用芯片的標記密度更重要(Chen et al., 2015)。2014年，巴西利用685頭內洛爾牛的15個生長和胴體性狀進行基因組育種值預測，這些牛全部利用Illumina BovineHD獲得基因型，研究利用三種方法（GBLUP，BayesLasso和BayesC）進行基因組育種值估計準確性的評估，結果表明基因組育種值估計的準確性最小值是0.17，最大值是0.74，對于這些性狀的平均基因組育種值準確性，BayesC方法和BayesLasso方法均高于GBLUP方法，但是這兩種貝葉斯方法估計的基因組育種值偏低（基因組育種值和育種值的回歸系數大于1）(Neves et al., 2014)。2016年，巴西利用來自于294頭種公牛的1756頭內洛爾牛進行胴體性狀的基因組育種值估計，所有內洛爾牛全部利用Illumina BovineHD獲得基因型，利用5倍交叉驗證評估三種貝葉斯方法的基因組育種值估計的準確性，包括貝葉斯嶺回歸，BayesLasso和BayesC，結果表明，BayesC和BayesLasso方法評估的準確性相同，并且隨著遺傳力的增加，基因組育種值估計的準確性增大，貝葉斯嶺回歸估計三個性狀背膘厚，胴體重和眼肌面積的準確性分別為0.25，0.33和0.36(Fernandes Junior et al., 2016)。我國肉?；蚪M選擇已初步建立了肉牛全基因組選擇技術體系，在內蒙古自治區(qū)錫林郭勒盟烏拉蓋管理區(qū)建立肉牛遺傳資源群體，到2017年初，基礎母牛2030頭，記錄了體尺性狀、生長性狀、肉質性狀等80多個，并獲得了每一個體的進行800K SNP基因型數據；建立了和牛資源群體，群體規(guī)模483頭。針對肉牛重要經濟性狀（日增重、斷奶重、宰前活重、胴體重、零售肉重、屠宰率和凈肉率性狀），進行基因組選擇5倍交叉驗證和10倍交叉驗證對比研究，10倍交叉驗證要優(yōu)于5倍交叉驗證，育種值估計的準確性在0.38-0.64之間，同時編制了肉?；蚪M選擇及多品種評估計算機程序，現正在逐步運用到肉牛新品系的選育上。2008年，美國率先開展了奶牛的基因組遺傳評估，其后，各國逐漸在奶牛的遺傳評估中實施基因組選擇，如加拿大、新西蘭、澳大利亞、丹麥、荷蘭、瑞典、德國、法國等。下面以美國和加拿大為例進行介紹。美國農業(yè)部于2008年第一次公布了奶牛非官方基因組遺傳評估結果，并于2009年官方公布了荷斯坦牛、娟姍牛和瑞士褐牛的基因組遺傳評估結果(Wiggans et al., 2011)。隨后，基因組選擇迅速在產業(yè)中開始應用。目前，美國已有120萬個體用芯片進行了基因型測定，相應的投入至少為5千萬美元(Taylor et al., 2016b)。美國用于人工授精的公牛中一半以上為經過基因組遺傳評估的青年公牛(Hutchison et al., 2014)?；蚪M選擇在美國實施7年以來，對于美國荷斯坦牛，產量性狀（產奶量、乳脂量和乳蛋白量）的年遺傳進展提高了50%-100%，女兒妊娠率、生產壽命和體細胞評分的年遺傳進展提高了300%-400%(Garcia-Ruiz et al., 2016b)。2009年起，加拿大奶業(yè)網（Canadian Dairy Network, CDN）開始公布荷斯坦?；蚪M遺傳評估結果。截止至2015年，包括四個品種（荷斯坦牛、娟姍牛、瑞士褐牛和愛爾夏牛）的公母牛在內，CDN數據庫中有基因型的個體數已達一百萬。各品種青年公牛的市場占有率均達到50%以上，其中荷斯坦牛和娟姍牛超過了60%（https:/www.cdn.ca/document.php?id=440）。終生效益指數（Lifetime Profit Index，LPI）是加拿大在奶牛遺傳評估中使用的綜合指標。對于后裔測定的公牛，基因組遺傳評估對將LPI的可靠性提高了0.02-0.09；對于青年公牛，可靠性的提高為0.09-0.31。基因組遺傳評估對可靠性的提高程度因參考群的大小而異。CDN對2013年出生、且進行了基因型檢測的公牛的父母年齡進行統(tǒng)計，結果表明，基因組選擇實施后，其父親和母親的平均年齡均為3歲，分別減少了55%和25%。中國奶牛基因組選擇技術體系由中國農業(yè)大學承擔研發(fā)工作，已建立中國自主的參考群體。參考群體采用驗證公牛與母牛構成的模式(Ding et al., 2013)，目前參考群包含母牛8174頭，驗證公牛1050頭。自2012年開始，每年對全國所有公牛站的青年公牛進行基因組遺傳評估，選出930頭優(yōu)秀青年公牛（占全國種公牛的40%）在全國推廣應用，至少獲得了348.75萬頭優(yōu)良后代母牛。7、 關鍵試驗內容和技術指標說明 1. 關于參考群群體規(guī)模的說明參考群體大小需達一定規(guī)模后（通常千頭以上）才建議實施基因組選擇?；蚪M選擇的準確性受到多種因素影響，其中參考群體規(guī)模大小是重要的影響因素。通常而言，參考群體規(guī)模越大，基因組選擇準確性越高(Daetwyler et al., 2013)。當參考群規(guī)模較小時，無法提供足夠多的不同類型的單倍型，從而使得估計的遺傳標記效應不適用候選群體（Hayes et al., 2009），進而降低基因組選擇的準確性。2. 關于參考群群體結構的說明參考群宜選擇遺傳背景相近的個體進行構建?；蚪M選擇準確性高度依賴于遺傳標記和數量遺傳位點間連鎖關系。遺傳標記效應在不同遺傳背景群體中存在顯著差異(Xiang et al., 2015; Wang et al., 2013)。已有研究表明，使用與候選群體相同遺傳背景個體組成參考群體進行基因組選擇的準確性比使用不同遺傳背景的個體組成的參考群體要顯著提高(de Roos et al., 2008; Hidalgo et al., 2015)。因而，本標準建議豬參考群宜選擇遺傳背景相近的個體進行構建。 3. 基因組育種值宜選擇一步法模型進行評估基因組選擇一步法目前是全球各大種豬企業(yè)進行基因組遺傳評估的標準方法。通?；蚪M選擇技術要求所有候選后代家畜都必須被基因型測定(Henderson et al., 1975)。然而，受基因型測定價格昂貴的制約和部分個體采樣困難等實際限制，在目前階段基因型測定工作還不能在畜群中全面開展(Chritensen et al., 2