XiaoMi-AI文件搜索系统
World File Search SystemGEBV
在多特征基因组评估中包括微生物组信息：肉牛纵向生长表现的案例研究
抽象的背景增长率是牛的饲料转化效率的重要组成部分，并且在整个终结期的不同阶段各不相同。瘤胃微生物组的代谢作用对于牛生长至关重要，研究了这种时间变化的基因组和微生物因子，可以帮助每个生长阶段在每个生长阶段最大程度地提高饲料转化效率。通过分析术期间的纵向体重，以及来自359牛牛的基因组和宏基因组数据，我们的研究表明，宿主基因组对功能性瘤胃微生物的影响有助于不同月份的平均每日增长时间（ADG 1，ADG 1，ADG 1，ADG 2，ADG 2，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 3，ADG 4）。五百三十三十三个转化的微生物基因（ALR -MG）的基因组相关性（r g）至少具有一个ADG属性（范围从| 0.21 | | 0.42 |）。只有少数ALR -MG与多个ADG特征相关，这表明差异宿主 - 微生物组的决定论是不同阶段的ADG。这些ALR -MG参与核糖体生物合成，能量过程，硫和氨基酸代谢和trans-或脂多糖信号传导等。We selected two alternative subsets of 32 alr -MG that had a non-uniform or a uniform r g sign with all the ADG-traits, regardless of the r g magnitude, and used them to develop a microbiome-driven breeding strategy based on alr -MG only, or combined with ADG-traits, which was aimed at shaping the rumen microbiome towards increased ADG at all finishing stages.预测的选择响应随准确性而持续变化。相对于直接育种策略（仅使用ADG -Traits），将基因组估计值（GEBV）（GEBV）（GEBV）的预测准确性（GEBV）提高了11％至22％（仅使用ADG -Traits），而仅使用微生物组信息，则仅使用微生物组信息，将基因组估计值（GEBV）提高了11％至22％，而仅实现了较低的精度（从7％到41％），则将ALR -MG信息组合到11％至22％。与非均匀的子集相比，基于其r g标志（均匀子集）限制ALR -MG在预测的响应中没有产生增益，这是由于缺乏ALR -MG至少显示非零r g，至少具有多个ADG特性。
热带公牛生育能力的多种基因组预测和功能变异
全球，大多数牛肉繁殖牛群都是自然交配的。因此，识别和选择肥沃的公牛的能力对于生产力和遗传提高至关重要。在这里，我们从六个热地改编的品种中收集了十种与生育率相关的表型，用于6,063名公牛。表型由四个公牛构象性状和六个与公牛精液质量直接相关的特征。我们还为所有动物生成了高密度DNA基因型。总共分析了680,758个单核苷酸多态性（SNP）基因型。在不同品种中观察到的同一性状的基因组相关性是大多数品种比较的阴囊周长和外壳评分的位置，但对于正常精子的百分比接近零，表明该性状的遗传背景有分歧。我们证实了在参考人群中存在某个品种对在跨批性验证方案中准确基因组估计值（GEBV）产生的重要性。平均GEBV精度从0.19到0.44不等。当该品种在参考人群中时，范围提高到0.28至0.59。与基因HDAC4相关的变体，来自精子发生相关（SPATA）蛋白质家族的六个基因，并将29个转录方面鉴定为候选基因。总的来说，这些结果使得非常早期的牛育特征选择，支持当前在热带牛肉生产系统中发生的遗传改善策略。这项研究还提高了我们对哺乳动物男性生育能力的分子基础的理解。
基因组选择在提高奶牛生产力方面的机会：综述 Birara Tade* Aberra Melesse
埃塞俄比亚阿瓦萨大学农学院动物与牧场科学学院，邮政信箱 5，阿瓦萨，电子邮件：birara1982@gmail.com http://orcid.org/0000-0003-4045-8983 摘要 本综述旨在总结和综合在提高奶牛生产力方面基因组选择方面的零散信息。基因组选择一直是提高遗传改良率和缩短世代间隔的有效工具。此外，它还可用于在早期根据基因组育种值选择优良品种，精度高，从而提高奶牛种群的生产力。基因组选择特别用于改良那些遗传力较低的性状，如饲料效率、生殖性状，尤其是生育力（包括适应性状）。发达国家实施基因组选择的主要使用的是纯种和杂交牛。大多数研究发现，对作为奶牛高产奶量的大型参考种群的纯种进行基因组评估可以带来更多益处。由于大多数研究工作都是使用 Bos taurus 牛进行的，因此需要重点研究基因组选择在 Bos indicus 牛上的应用，以评估其对热带牛品种生产力的影响。 关键词：奶牛、基因组选择、生产力、基因改良 DOI：10.7176/ALST/98-02 出版日期：2023 年 6 月 30 日 介绍 基因组学是对具有大量核苷酸序列的物种基因组结构和功能的科学研究。这是牲畜遗传改良的一种新方法（Yadav 等人，2018 年）。基因组选择（GS）首次由 Meuwissen 等人（2001）描述，是指通过基于基因组估计育种值（GEBV）的选择对动物进行遗传改良。 GEBV 是整个基因组中密集遗传标记的影响与可能捕获导致性状变异的所有数量性状基因座 (QTL) 的总和 (Borakhatariya 等人，2017)。基于 GEBV 进行生产和生殖性状的详尽后代测试对于提高奶牛生产力非常重要。基因组选择对没有记录或后代的动物育种值的可靠性有显著影响 (Berry 等人，2014)。支持基因组预测准确性的遗传改良的增加有助于了解奶牛后代的遗传效应 (Gutierrez-Reinoso 等人，2021)。所选候选者的总遗传价值是根据单核苷酸多态性 (SNP) 效应的估计值预测的，该估计值是使用已进行基因分型的参考个体估计的 (Wallén 等人，2017)。
与精英大麦繁殖种群中与斑点抗性相关的基因组区域
抽象斑点斑点（SB）是一种普遍的大麦叶子疾病，是由半野生真菌病原体索罗基尼亚人引起的。主要发生在全球潮湿的生长区域中，SB可能导致高达30％的收益率损失。遗传抗性仍然是疾病管理的最有效策略；然而，尽管先前鉴定出主要的抗性基因座，但大多数澳大利亚大麦品种都表现出敏感性。这项研究调查了澳大利亚大麦育种计划中的遗传结构潜在的斑点斑点抗性。连续两年使用单个分生孢子（SB61）在幼苗和成人生长阶段进行了抗药性。总共将337条大麦线与16,824个多态性飞镖seq™标记物一起键入。采用了两种映射方法：全基因组关联研究（GWAS）和基于单倍型的局部基因组估计值（局部GEBV）方法。两种方法都鉴定出在3H和7H铬的两个主要抗性相关区域，在跨生长阶段有效。此外，基于单倍型的局部GEBV方法揭示了GWAS未检测到的1H，3H和6H的抗性相关区域。单倍型堆叠分析强调了7H区域与其他抗药性单倍型相结合时，7H区域对成人植物抗性的批评作用，表明by-Gene的相互作用显着，并突出了斑点斑点耐药性的复杂，定量性质。这项研究证实了澳大利亚大麦繁殖种群中关键阻力基因座的存在，为斑点抗性抗性的遗传结构提供了新的见解，并强调了通过单倍型堆叠和全基因组预测方法增强抵抗力的潜力。
水产养殖中的全基因组关联和基因组选择
图 1 繁殖种群由繁殖季节产卵的亲鱼组成，这些亲鱼会生成数个（数百个）全同胞和半同胞家族，并在不同的水箱中饲养。当这些个体长到足够大以进行物理标记时，它们会进行单独识别，以在整个周期内保持谱系可追溯性。一些带标记的动物会作为选择候选者留在繁殖核心中，直到它们达到商业重量为止。其他带标记的动物组（选择候选者的全同胞和半同胞）代表繁殖核心中的所有家族，它们会被送去进行环境基因型、产品质量和抗病性测试，以评估具有表型的训练基因型（即成为训练种群）。所有带物理标记的动物都会进行采样并使用 SNP 面板进行基因分型。通过基因组评估方法（例如 GBLUP）联合分析来自训练种群和选择候选种群的谱系、表型和基因型信息，以预测 GEBV，进而用于做出下一繁殖季节的选择决策，并通过繁殖加速将优良基因转移到商业农场