微生物与基因组信息协同预测不同生产系统中猪的生产性能

本研究探讨了微生物组（Microbiota）与基因组（Genomic）信息在跨猪生产系统（NU纯种核心群与TE终端杂交商品群）中预测生长和胴体性状的性能。结果表明，微生物组成（尤其S3阶段）对背膘厚（BF）和平均日增重（ADG）的预测准确性优于基因组信息，且联合模型（M+G）进一步提升预测效能。这为利用微生物指标作为跨环境表型预测工具提供了新见解，对精准畜牧业发展具有重要意义。

　　

1 引言

尽管肠道微生物组在农业中的应用潜力日益受到关注，但宿主与微生物互作及其对表型影响的机制仍存在显著知识空白。微生物序列数据兼具生态指标、动物生理状态预测因子和直接选择靶标的多重价值。近年研究揭示了微生物组与药物代谢、生理发育、生长效率、繁殖性能及饮食响应间的关联，但其在不同生猪生产系统中的变异性和预测能力尚未系统评估。

2 材料与方法

2.1 实验设计与数据收集

数据来自美国The Maschhoffs LLC的纯种杜洛克核心群（NU）和终端杂交商品群（TE），共28头公猪后代。NU包含769头个体，TE包含1141头个体。表型记录包括生长和胴体组成性状，微生物样本在断奶（S1）、中期测试（S2）和结束测试（S3）三个时间点采集直肠拭子。

2.2 微生物序列生物信息学处理

DNA提取后通过16S rRNA基因测序（V4区）获得序列数据。使用FLASH合并双端序列，PRINSEQ过滤低质量序列，QIIME进行OTU聚类（以Greengenes为参考数据库）。OT表稀疏化至10,000条/样本，Good’s覆盖度达0.98以上。分类学分配采用RDP分类器（v2.4）。

2.3 基因组信息

使用猪60K SNP芯片获取基因型数据，经过质量控制（剔除非常染色体SNP、调用率<0.9、MAF<0.05）后保留42,529个SNP。

2.4 表型信息

TE群体性状包括活体背膘厚（MBF）、眼肌深度（MLD）、肌内脂肪（MIMF）、眼肌面积（MLEA）和平均日增重（MADG）。NU群体对应性状为OBF、OLD、OIMF、OLEA和OADG。性状定义和测量方法遵循系统标准。

2.5 交叉验证

采用三种抽样策略：

• •
  SSt（家系分层）：每父系家系排除约10个体，保留家系结构。
• •
  SOut（家系剔除）：训练时剔除单一家系所有后代，验证该家系。
• •
  SNull（表型置换）： shuffling训练集表型500次，构建零分布。
  预测场景分NU→TE和TE→NU双向验证。

2.6 模型

使用BGLR包的贝叶斯岭回归模型，分别拟合仅微生物（M）、仅基因组（G）及联合（M+G）效应。模型固定效应包括当代组、性别（NU）、母系线（TE）、栏位（TE）等随机效应。微生物数据经中心对数比（CLR）转换，基因组数据为SNP计数矩阵。先验方差通过缩放逆卡方分布设定。

2.7 预测指标

评估未调整表型（Phe）和调整表型（PheAdg）的预测能力，以Pearson相关系数（r）和均方根误差（RMSE）为指标。

3 结果

3.1 家系分层场景（SSt）

微生物预测准确性随时间推进而提升：S1阶段无预测力，S3阶段最强。背膘厚（BF）预测相关性最高（NU→TE: 0.30, TE→NU: 0.23），平均日增重（ADG）次之（0.18和0.15）。微生物单独预测BF和ADG优于基因组（+0.11和+0.08）。联合模型在BF和ADG上表现最佳（NU→TE: 0.37, TE→NU: 0.29）。调整表型后准确性普遍提升。

3.2 家系剔除场景（SOut）

预测准确性较SSt下降，变异性增大。基因组预测力显著降低（ADG仅0.03），但S3微生物预测仍保持较高水平（BF: 0.30 NU→TE）。联合模型在多数性状中优于单一信息源。置换检验证实微生物和基因组预测均显著优于随机预期。

4 讨论

微生物组成（尤其后期样本）能有效预测跨系统表型，表明其兼具环境挑战指示剂和生理状态预测因子的双重角色。微生物对BF和ADG的预测力超过基因组，可能与微生物更能捕获环境协方差有关。联合模型的优势提示微生物与基因组存在部分共线性，但各自贡献独立信息。结果支持微生物指标作为跨环境预测工具的潜力，但需进一步经济性评估和机制解析。

5 结论

微生物信息可稳定预测猪生长和胴体性状，尤其在脂肪沉积和生长速率方面。微生物与基因组信息协同可提升预测精度，为育种决策提供多维度生物信息支持。