基于基因组选择技术的肉鸭生长与饲料效率性状遗传参数解析及预测优化研究

《BMC Genomics》：Genomic predictions for growth and feed efficiency traits in a duck breeding population

本研究针对肉鸭育种中生长和饲料效率性状遗传改良效率低的问题，系统评估了基因组选择(GS)在商业鸭群中的应用潜力。通过对52,610只鸭10代数据的分析，发现单步GBLUP(ssGBLUP)模型对饲料效率性状的预测准确性显著优于传统BLUP，LD pruning(r2≤0.075)使平均预测精度提升0.05，整合cis-eQTL先验信息的BayesRC模型进一步提高了特定性状的预测能力。该研究为肉鸭基因组育种提供了重要技术支撑。

　　

在亚洲和欧洲市场，鸭肉一直是备受青睐的肉类产品。过去二十年间，全球鸭肉产量显著增长，其中中国贡献了超过60%的全球产量和80%的区域产量。为满足多样化消费需求，肉鸭育种项目不断扩大规模，与鸡肉育种程序类似，北京鸭通过特定的父系和母系进行选育，在祖代和父母代层面进行杂交，最终产生商业肉鸭群体。育种选择标准主要包括生长速度、饲料效率、胴体产量和产蛋量。

然而，肉鸭育种中的遗传进展长期以来主要依赖基于表型和系谱数据的家系选择或最佳线性无偏预测(BLUP)。尽管基因组选择(GS)已成为猪、牛、羊等畜禽育种的重要工具，并通过结合基因型、表型和系谱数据提高了遗传评估准确性、缩短了世代间隔，但GS在鸭育种中的应用仍存在明显差距。特别是在商业育种群体中，对许多重要饲料效率和胸肌形态性状的GS研究仍属空白。同时，由于样本量有限，基因组预测相较于BLUP的优势尚未完全体现。

蔡文涛等人发表在《BMC Genomics》的研究，旨在探究鸭生长和饲料效率性状的遗传参数，并优化GS策略，为建立更精准高效的鸭育种方案奠定基础。研究人员收集了中新白鸭(一种从北京鸭选育而来的商业品种)育种群体10个世代共52,610只个体的数据，对其中最近三个世代(G8-G10)的2779只鸭进行了全基因组测序(WGS)，获得了10,349,420个高质量变异位点。研究团队测量了12个生长和饲料效率性状，包括14日龄体重(BW₁₄)、42日龄体重(BW₄₂)、体重增重(WG)、代谢体重(MW)、胸肌宽(BMW)、龙骨长(KL)、胸肌厚(BMT)、胸肌体积(BMV)、采食量(FI)、饲料转化率(FCR)和两个剩余采食量(RFI)指标。特别值得注意的是，研究人员提出了新的RFI模型(RFI2)，在传统RFI1模型基础上增加了对胸肌体积的调整，以更好地减少体重对采食量的影响。

研究方法上，团队采用ASReml-R软件估计遗传参数，比较了动物模型、母体遗传效应模型和母体环境效应模型的差异。通过五折交叉验证和前向验证评估了BLUP、GBLUP和ssGBLUP模型的预测准确性。系统探究了连锁不平衡(LD)和哈迪-温伯格平衡(HWE)修剪对预测精度的影响，并利用BayesRC模型整合了七个鸭组织(脂肪、肌肉、肝脏、血液、脾脏、肺和卵巢)的cis-eQTL(顺式表达数量性状位点)先验信息。

研究结果显示，体重性状具有较高的遗传力，BW₄₂、WG和MW的遗传力分别为0.50、0.42和0.51。饲料效率性状的遗传力为中等水平(0.26-0.35)，新提出的RFI2遗传力(0.31)高于RFI1(0.29)。胸肌形态性状的遗传力接近0.2，范围为0.16-0.22。母体效应对早期体重(BW₁₄)的影响较大，但随着周龄增长而减弱。

基因组预测方面，交叉验证中GBLUP模型的预测准确性(0.29-0.50)显著高于BLUP(配对t检验p=2.19×10^-7)，平均提高0.09。新提出的RFI2预测准确性(0.38)高于RFI1(0.37)。前向验证准确性低于交叉验证，但将参考群体从G8-G9扩展至G8-G9-G10A后，平均GBLUP准确性提高了27.7%，凸显了更新遗传数据对跨代预测的重要性。ssGBLUP在饲料效率性状上表现优异，特别是在整合基因型和未基因型个体信息时。

标记密度优化研究发现，LD pruning在r²≤0.075阈值下使平均预测精度提高0.05。相比之下，HWE修剪对大多数性状的预测准确性改善有限，仅对BMW、BMT和BMV在特定阈值下有提升。贝叶斯模型比较显示，BayesR对饲料效率性状预测效果最佳，而BayesB在体重和胸肌性状上表现良好。

整合生物学先验信息方面，利用肌肉组织cis-eQTLs的BayesRC模型使WG预测准确性提高1.77%，脂肪组织cis-eQTLs使BMT准确性提高1.68%。肌肉组织eGenes(受cis-eQTL调控的基因)先验信息使BW₁₄、BW₄₂、BMV和RFI2的预测准确性分别提高1.41%、1.47%、1.09%和1.06%。

讨论部分指出，本研究首次在商业鸭育种群体中系统评估了GS对多种重要经济性状的应用价值。新提出的RFI2模型通过调整胸肌体积，有效降低了与体重增重的负遗传相关性，有助于减轻对生长性状的负选择压力。研究证实了更新参考群体对维持跨代预测准确性的关键作用，为实际育种中的群体更新策略提供了指导。

结论表明，本研究为利用GS改善鸭生长和饲料效率性状提供了有力证据，强调了模型选择、标记密度优化和生物学先验信息整合在优化鸭基因组育种中的关键作用。新提出的RFI2指标、LD pruning策略(r²≤0.075)以及组织特异性cis-eQTL先验信息的应用，为未来肉鸭育种程序的精准化、高效化奠定了坚实基础。研究成果对推动家禽基因组育种技术发展、提升育种效率具有重要理论和实践意义。