有证据表明,基因组编辑在改善动物性状方面优于转基因技术

《JOURNAL OF STRATEGIC INFORMATION SYSTEMS》:Evidence that Genome Editing is Preferable to Transgenesis for Enhancing Animal Traits

【字体: 大 中 小 】 时间:2026年01月15日 来源:JOURNAL OF STRATEGIC INFORMATION SYSTEMS 11.8

编辑推荐:

  金海王|中川信一|王嘉琪|罗伯特·斯图尔特|亚历山德拉·弗洛雷亚|雷克斯·A·邓纳姆|费玲|王高学|刘莉莉|迭戈·罗布莱多 西北农林科技大学动物科学与技术学院,中国杨陵712100 **摘要** 预计通过转基因(TG)或基因编辑(GE)技术,工程动物的生产性能(如生

  金海王|中川信一|王嘉琪|罗伯特·斯图尔特|亚历山德拉·弗洛雷亚|雷克斯·A·邓纳姆|费玲|王高学|刘莉莉|迭戈·罗布莱多
西北农林科技大学动物科学与技术学院,中国杨陵712100

**摘要**
预计通过转基因(TG)或基因编辑(GE)技术,工程动物的生产性能(如生长速度、疾病抵抗力和脂肪酸含量)可以得到提升。然而,当在跨不同分类群进行全球比较时,这一预期是否成立尚不清楚。在这项研究中,我们对154篇涵盖72个物种和55个基因的研究论文进行了元分析,旨在量化和比较TG和GE对动物生产性能的影响。尽管TG更常用于性能提升,但GE在生长速度和疾病抵抗力等性状上具有更显著和广泛的影响。这体现在更大的效应大小和更广泛的性状响应上。然而,我们观察到性状提升的模式因分类群和参数而异。例如,TG可以降低鸡和牛的病原体负荷,但对猪无效;相反,GE可以降低猪的病毒RNA水平,但在鸡和牛上的效果较差。相比之下,TG和GE都能显著提高辐鳍鱼的生长速度。值得注意的是,尽管转基因或编辑基因在F1代后代中仍高度表达或被抑制,但其性状改善的程度相比创始代有所减弱。本研究提供了基于证据的见解,以帮助研究人员改进方法,并指导未来关于基因工程动物性状提升的研究,同时也为政策制定提供了参考。

**1. 引言**
现代基因修饰技术主要分为两大类:转基因(TG)和基因编辑(GE)。TG技术开发于20世纪80年代,涉及将外源DNA(如生长激素基因)随机插入宿主基因组中。而GE技术自2012年以来借助CRISPR/Cas9等工具实现了精确的基因修饰,如敲除(破坏基因)或敲入(在特定位置插入序列),无需额外DNA。虽然TG在某些应用中仍然有用,但GE更为精确,已成为优化家畜和水产养殖性状的主要方法。CRISPR/Cas9 [1]、转录激活因子样效应核酸酶(TALENs)[2]和锌指核酸酶(ZFNs)[3]等技术因其能够靶向与理想动物性状相关的特定基因而被广泛采用。这些技术已应用于多种物种,包括实验动物、家畜、家禽和鱼类,旨在提高生长速度[4]、[5]、改善疾病抵抗力[6]、[7]、[8]以及优化脂肪酸组成[9]、[10]。[11]此外,这些技术在生物医学研究中发挥着关键作用,有助于生成人类疾病的动物模型[12]、[13],并在保护濒危物种方面提供支持[14]、[15]。

自20世纪80年代以来,人们一直在研究转基因农场动物作为生产重组蛋白的生物反应器的潜力[16]、[17]。这些研究通过TG引入了多种生长激素和生长因子基因,以促进家畜(如猪[18]、[19]和羊[20]、[21])以及鱼类(包括大西洋鲑鱼[Salmo salar] [22]、[23]、普通鲤鱼[Cyprinus carpio] [24]、尼罗罗非鱼[Oreochromis niloticus] [25]和沟鲶[Ictalurus punctatus] [26])的生长。此外,还培育出了具有增强疾病耐受性和改变脂肪酸组成的转基因农场动物,涵盖家畜和水生物种[27]、[28]。近年来,特别是基于CRISPR的GE技术的进步,极大地促进了农场动物的基因修饰。然而,迄今为止,只有转基因AquAdvantage鲑鱼[29]、[30]和转基因GalSafe猪[31]获得了人类食用批准。严格的监管使得转基因生物进入食品供应面临挑战。相比之下,GE可能产生的变化类似于自然突变,因此在某些国家可能面临较少的监管障碍[32]、[33]。一些基因编辑动物,包括经过myostain(mstn)编辑的红海鲷鱼和缺乏瘦素受体的虎河豚,已获得政府批准[34]。鉴于近几十年的进展,仍有必要向政策制定者传达GE和基因工程在动物应用中的潜在益处。虽然这两种方法都能有效改善所需性状,但目前尚无全面的研究系统比较TG和GE在实现这一目标方面的相对效果,除了它们各自的监管挑战外。

目前关于通过TG或GE扩大有利性状的证据尚无定论,独立研究得出的结论各不相同,有时甚至相互矛盾。TG或GE对性状改善的效果可能因不同参数和动物分类群而异。例如,Pursel等人[19]报告称,胰岛素样生长因子I(IGF-I)转基因猪与非转基因个体相比,体重或特定生长率(SGR)没有改善。然而,Bee等人[35]的后续研究表明,尽管IGF-I转基因猪的胴体 dressing percentage较低,但其最长背肌比对照组更大。多项研究表明,破坏mstn基因可以通过增加猪[36]、[37]、羊[5]和鱼[38]的肌纤维数量来促进生长,而不改变肌纤维大小。相反,其他研究则报告mstn突变猪[39]、鸡[40]和鱼[41]、[42]、[43]的肌纤维数量和大小均有所增加。此外,表达溶菌酶的转基因沟鲶在细菌感染后表现出更高的溶菌酶活性[44]。然而,在细菌挑战后,乳铁蛋白转基因草鱼(Ctenopharyngodon idellus)与对照组之间未观察到血清溶菌酶水平的显著差异[45]。研究表明,cluster of differentiation 163(CD163)编辑的猪对猪繁殖与呼吸综合征病毒(PRRSV)[46]、[47]、[48]、[49]具有更强的抵抗力,但对非洲猪瘟病毒[50]则没有。同样,脂肪酸相关性状的研究结果也不一致。例如,表达人类化秀丽隐杆线虫基因1(fat1)的转基因猪和牛在二十碳五烯酸(EPA)、二十二碳六烯酸(DHA)或n-6多不饱和脂肪酸(ω-6)含量上没有显著变化[51]、[52],而其他研究则报告fat1转基因猪的EPA和DHA显著增加,ω-6含量降低[53]、[54]。此外,关于脂肪酸延长酶2(elovl2)转基因沟鲶的研究在不同研究中报告了DHA、n-3多不饱和脂肪酸(ω-3)和ω-6含量的显著和非显著变化[11]、[55]。

TG和GE对性状改善效果的差异可能是由于多种生物学和方法学因素的影响。元分析方法对于理解这些“调节因素”的影响以及探索性状表现的总体效应至关重要。因此,观察到的性状表现提升的异质性反映了这些因素的特异性,在评估TG或GE在改善性状方面的有效性时必须考虑这些因素。然而,目前尚无研究系统地针对动物进行此类分析。填补这一知识空白需要全面整合所有可用数据并重新进行定量分析。

**2. 材料与方法**
**2.1. 文献搜索**
使用附录A中的搜索字符串在PubMed、Web of Science和SCOPUS数据库中进行了文献搜索,每个数据库找到了超过2000篇潜在符合条件的已发表文章。文献搜索和收集基于生态与进化生物学系统评价和元分析的优先报告项目(PRISMA-EcoEvo)[56]的要求进行。我们还使用与我们的元分析主题相关的十篇相关综述论文进行了正向搜索[7]、[27]、[57]、[58]、[59]、[60]、[61]、[62]、[63]、[64]。这些在线数据库的最后一次检索日期为2024年9月17日。最初使用上述搜索字符串检索到10299篇经过同行评审的科学文章(附录A中的图S1)。在仔细审查摘要和全文后,我们选择了154篇出版物,共包含1145个数据条目,用于构建我们的元数据集(附录B)。由于担心影响效应大小的估计,我们没有请求同事提供未发表的数据集[65]。我们确保了筛选过程的高度可重复性(附录A中的注释2)。

**2.2. 选择标准**
为了确保元分析的相关性和严谨性,应用了以下选择标准:
① 文章必须是基于研究的研究(而非元分析、综述或案例研究),涉及非人类动物,并用英语撰写;
② 包括涉及转基因或编辑动物的对照实验的同行评审研究,排除观察性或理论研究;
③ 招募的文章必须至少调查了一个性状表现指标的定量数据,如野生型(WT,非转基因或未编辑)和处理组(转基因或基因编辑)之间的生长、疾病抵抗力或脂肪酸含量,以便计算效应大小。

**2.3. 信息提取和调节因素**
为了确定基因/蛋白质表达并通过TG或GE改善动物性状的表现(生长、疾病抵抗力或脂肪酸),从选定的研究中提取了具体数据。这一过程包括以下细节:作者信息(第一作者和发表年份)、文章标题、分类群、每个分类群内的物种/品种、使用的方法(TG或GE)、目标基因以及感兴趣的性状,以及WT和处理组的结果数据的样本大小、均值和标准差(SD)或标准误差(SE)(附录B)。当图表是唯一的数据来源时,我们使用ImageJ.JS来计算均值和SD或SE。

为了研究方法学调节因素对性状表现的影响(附录A中的注释3),我们首先根据使用的方法(TG或GE)将数据集分为两组,并分别进行调节因素分析。为了了解生物学调节因素如何影响性状提升,我们汇总了元分析中包含的154项研究中的各种生物学变量数据。首先,我们评估了TG和GE对目标基因或蛋白质表达的总体影响。对于每项研究,我们收集了分类群、物种或品种、目标基因、性状以及基因或蛋白质表达的指标信息。如众所周知,TG通常涉及将转基因整合到基因组中,通常在特定启动子的控制下驱动过表达[7]。此外,基因或蛋白质表达通常表现出组织特异性模式,如个别研究中所描述的[64]。因此,我们按分类群、物种、基因、性状、启动子和组织分层进行了调节因素分析,以识别基因或蛋白质表达的显著变化。我们对转基因(GE)组进行了平行分析,排除了启动子-调节因子分析,以评估这些调节因子对基因/蛋白质表达的影响。在生长性状方面,考虑了多种测量参数,包括体重(例如,平均体重、胴体重量、湿重、平均质量、活体重和屠宰率)、状况因子(例如,状况评分)、饲料转化效率(FCE)、肌纤维数量(例如,纤维细胞数量、肌纤维核数量、纤维总数、纤维百分比和肌纤维密度)以及肌纤维大小(例如,平均肌肉纤维横截面积、肌肉纤维面积、纤维细胞面积和纤维的平均/总面积)。其他测量指标还包括血浆生长激素(GH)浓度、平均生长速度(SGR)和体重增加百分比(例如,体重增加百分比和每日体重增加量)。疾病抗性性状通过多种方法进行测量,包括抗体反应、累积存活率(CSR)、溶菌酶活性、病原体负荷(例如,病毒阳性细胞数量、菌落形成单位、病毒生长、存活细菌数量和病毒颗粒产生)、吞噬活性、症状评分(例如,临床和病理症状评分)、病毒RNA(例如,相对病毒RNA表达、病毒核酸、病毒RNA倍数变化、病毒RNA负荷水平和病毒RNA拷贝数)以及病毒滴度(Log10(组织培养感染剂量50% (TCID50))和平均病毒脱落滴度及斑块数量)。同样,脂肪酸性状也是通过测量多个参数来捕获的,包括DHA、EPA、ω-3、ω-6的含量以及ω-6与ω-3的比例(ω-6/ω-3)(见附录A中的注释4)。

2.4. 效应量计算
本研究的目标有两个:首先,确定转基因和基因编辑动物相对于野生型(WT)个体的性状增强情况;其次,比较TG和GE对动物各种性状增强的影响。所有结果参数都是连续变量,WT组与转基因或基因编辑组之间的样本量并不相同。我们使用异方差标准化均值差(SMD)[66](见附录A中的注释5)来计算元分析的效应量。我们使用metafor包中的rma.mv函数估计了总体效应量及其95%置信区间(CIs)和95%预测区间(PIs)。这使得可以比较WT组与转基因或基因编辑组在每个性状表现上的差异。除非另有说明,否则报告了效应量估计值及其95%置信区间。此外,SMD的解释遵循了类似于Cohen’s d的规则,但有一些修改:0 < |SMD| ≤ 0.5:小效应;0.5 < |SMD| ≤ 0.8:中等效应;|SMD| > 0.8:大效应[68]。

2.5. 调节因子分析
首先,我们创建了一个零模型来确定TG或GE对增强动物性状的总体效应。我们在零模型中包括了效应量,以及效应量ID、研究ID和物种名称的随机效应,以控制效应量的非独立性。我们使用I-squared统计量(I2)[69]来计算由于研究间不一致性导致的方差百分比。I2 > 50%表示研究间存在显著异质性。我们还使用orchard包中的i2_ml函数量化了每个潜在调节因子解释的部分异质性[70]。完整模型包括以下调节因子作为随机效应:分类单元、参数、方法、物种、基因、启动子、组织、病原体、代数和系统发育相关性。此外,我们构建了一个物种-系统发育相关性的方差-协方差(VCV)矩阵,以控制同一数据集中来自不同个体的非独立变异。我们首先进行了元回归(完整模型),以确定TG和GE对性状增强(生长、疾病抗性和脂肪酸含量)的影响。然后,我们建立了几个元回归来研究每个调节因子的影响(见附录A中的注释6)。我们使用orchard包中的r2_ml函数计算了Cochran’s Q(QM)和调节因子解释的总异质性比例(marginal R2)[70]。
具体来说,我们首先进行了方法-调节因子分析,以比较不同方法(TG与GE)对动物性状增强的影响。该分析包含了每个性状表现的所有参数。随后根据特定性状进行了调节因子分析。对于基因/蛋白质表达,我们使用基于方法-调节因子测试的全球模型评估了TG和GE的总体效应。我们还进行了分类单元-调节因子分析,以评估TG和GE在各个分类单元中的表达谱。通过特定性状的调节因子分析检查了基因/蛋白质表达的差异。此外,还对TG和GE数据集进行了基因-调节因子分析和组织-调节因子分析,以研究信使RNA(mRNA)和蛋白质的表达是否具有基因和组织特异性。同样,在生长性状中也分析了几个调节因子,其中方法-调节因子分析用于比较TG和GE在不同参数上对生长性状增强的影响。这之后进行了分类单元-调节因子分析和基因-调节因子分析,以确定不同分类单元和基因的影响。基因-调节因子分析和启动子-调节因子分析确定了最有前景的候选转基因(与启动子结合)和先天生长调节基因。

在疾病抗性和脂肪酸性状方面,当我们将TG和GE的所有参数数据集结合起来时,正效应量和负效应量共同导致了零效应的结果。为了解决这个问题,我们首先进行了参数-调节因子分析,以比较TG和GE对各个参数的个别性状的影响。然后,我们对特定的生长性状进行了分类单元-调节因子分析,评估TG或GE对CSR、病毒RNA、病原体负荷和病毒滴度在分类单元中的影响。还进行了基因-调节因子分析和启动子-调节因子分析,以确认有效的候选转基因(与启动子结合)和先天基因对疾病抗性增强的作用。此外,我们还通过病原体-调节因子分析评估了TG和GE对改善疾病抗性的影响。对于脂肪酸性状,可用的GE数据集仅限于Park等人的单项研究[71]。所有调节因子分析都是使用TG数据集进行的,没有进行方法-调节因子分析。我们对参数(如ω-3、ω-6和ω-6/ω-3的比例(ω-6/ω-3)以及DHA和EPA)进行了分类单元-调节因子分析,以评估TG对各种脂肪酸性状的影响。基于基因-调节因子分析,提出了最有效的脂肪酸增强候选转基因。最后,我们对生长、疾病抗性和脂肪酸性状进行了代数-调节因子分析,以研究TG或GE改善的性状在后代中的效果是否相似。鉴于这两个性状观察到的高度部分异质性,我们使用metafor包生成了元回归,以研究年龄如何影响TG和GE对生长和脂肪酸性状的影响。

2.6. 发表偏倚
为了评估发表偏倚,我们生成了漏斗图,并对所有估计值进行了经典的Egger回归测试(带有多重分散的加权回归),以检查漏斗图的不对称性[72]。P值小于0.05意味着漏斗图是不对称的,可能存在发表偏倚。在这种情况下,我们使用了“修剪和填充”方法[73]来确定是否需要随机生成额外的研究以减少潜在的发表偏倚。最后,我们测试了每个性状中的时间滞后偏倚,以确定效应量是否在较新的出版物中下降[72]。

2.7. 敏感性分析
我们使用敏感性分析识别了估计值中的潜在异常值和有影响力的观察结果,以评估我们元分析的稳定性和可靠性。我们对每个性状进行了“留一法”分析,每次从数据集中连续移除一个研究,并重新计算全局元分析均值和95%置信区间[74]。

3. 结果
3.1. 数据概述
当前的元数据集包含从154项研究(86项关于TG,68项关于GE)中提取的171个图表,提供了关于基因工程和GE对性状表现影响的相关数据。总共获得了1145个效应量(SMD),涉及十个分类单元和72个物种/品种。大多数研究是在家畜和辐鳍鱼类上进行的(分别为77项和68项研究)(图1(a)和(b))。在与增强目标性状相关的55个基因中,23个与生长性状改善有关(TG为15个,GE为8个),27个与疾病抗性增强有关(TG为18个,GE为9个),5个与脂肪酸含量改变有关(TG为4个,GE为1个)(图1(c))。

下载:下载高分辨率图像(581KB)
下载:下载全尺寸图像
图1. 当前TG和GE在养殖动物中用于性状增强的应用总结。(a) 使用TG和GE在不同分类单元中关注性状增强(生长、疾病抗性和脂肪酸)的研究数量。(b) 每个分类单元涉及的物种/品种数量。(c) Sankey图显示了每个分类单元中关注不同性状的研究比例,目标转基因或先天基因列在右侧。csGH:银鲑生长激素;tiGH:罗非鱼生长激素;ovGH:绵羊生长激素;ccGH:鲶鱼生长激素;mlGH:泥鳅生长激素;cgGH:鲶鱼生长激素;gcGH:草鱼生长激素;gcFST:草鱼卵泡抑素;pGH:猪生长激素;roGH:罗非鱼生长激素;rtGH:虹鳟生长激素;ssGH:大西洋鲑生长激素;mc4r:黑皮质素-4受体;IGF2:胰岛素样生长因子2;mc3r:黑皮质素-3受体;FBXO40:Fox box蛋白40;PRLR:催乳素受体;LepR:瘦素受体;TGFβ2:生长因子-β2;cec:cecropin;cath:cathelicidin;PBD-2:猪β-防御素2;hLF:人乳铁蛋白;FMDV-shRNA:针对口蹄疫病毒的小发夹RNA;mx:粘病毒;Lys:溶菌酶;CF-17:合成cecropin B类似物;SP110:SP110核体蛋白;HDAC6:组蛋白去乙酰化酶6;NRAMP1:天然抗性相关巨噬细胞蛋白-1;ICP4:感染细胞多肽-4;AIV-shRNA:针对禽流感病毒的小发夹RNA;CSFV-shRNA:针对经典猪瘟病毒的小发夹RNA;PERV-shRNA:针对猪内源性逆转录病毒的小发夹RNA;TSV-CP:塔乌拉综合征病毒包膜蛋白;chIFITM3:鸡干扰素诱导的跨膜蛋白3;NHE1:鸡ALV-J受体Na+/H+交换器类型1;ANPEP:氨基肽酶N;EcoBCO2:β-胡萝卜素9'/10'-氧合酶;EcNinaB:类胡萝卜素异构氧化酶;PCBP1:多结合蛋白1;W38:氨基酸色氨酸38;D5D:δ5-去饱和酶;fat2:人源化秀丽隐杆线虫基因2;G0S2:G0/G1开关基因2。

3.2. TG/GE对基因/蛋白质表达的影响
首先,我们通过合并所有数据,在全局层面上评估了目标转基因和先天基因的表达谱(mRNA和蛋白质)。我们的多变量元分析模型显示TG/GE对基因/蛋白质表达有中等效应(均值[95% CI]:0.376 [?0.536至1.289],t98 = 0.819,P = 0.4149)。数据集表现出高度异质性(I2 = 100%),其中38%归因于研究之间的差异,17.2%归因于效应量的差异。值得注意的是,大多数效应量来自鱼类和猪物种。系统发育相关性(图2(a))解释了44.8%的异质性,这表明系统发育对基因/蛋白质表达有影响。

下载:下载高分辨率图像(584KB)
下载:下载全尺寸图像
图2. 在不同分类单元和性状中观察到转基因的显著诱导和先天基因的抑制。(a) 系统发育树显示了基因/蛋白质表达元数据集中的所有物种。颜色代表分类单元。第一列中的条形和数字代表效应量的数量,括号中是研究数量。(b) 基于方法-调节因子分析的TG和GE对基因/蛋白质表达的总体效应。(c) TG和GE对每个分类单元的基因/蛋白质表达的影响。(d) TG和GE对每个性状的基因/蛋白质表达的影响。x轴显示了异方差SMD的效应量值,y轴表示效应量的密度分布。点的大小代表每个效应量的精确度(1/SE)。粗黑线表示95%置信区间,细黑线表示95%预测区间。粗体的误差条(95%置信区间)表示整体效应大小是否显著(P < 0.05)不同于零(即不与零重叠)。k 是效应大小的数量和研究的数量(括号中的数字)。显然,TG 和 GE 分别被发现能够显著增加(平均 [95% CI]:4.876 [3.590 至 6.163],P < 0.0001)和减少(平均 [95% CI]:?3.990 [?5.789 至 ?2.192],P < 0.0001)mRNA/蛋白质表达(图 2(b))。当在所有分类单元中平均效应时,分类等级解释了大部分异质性(R2 = 0.723,QM = 4.763,P = 0.9421,df = 11)。具体来说,TG 被发现能够显著增加不同分类单元中转基因的 mRNA 水平和蛋白质表达(猪,平均 [95% CI]:5.653 [3.541 至 7.764],P < 0.0001 > 羊,平均 [95% CI]:4.953 [?0.542 至 10.447],P = 0.0773 > 鱼,平均 [95% CI]:3.336 [0.686 至 5.985],P = 0.0136)(图 2(c),附录 A 中的图 S2(a))。这在所有三个性状中都有观察到,包括生长(平均 [95% CI]:4.701 [0.812 至 8.590],P = 0.0178)、疾病抵抗力(平均 [95% CI]:5.387 [2.951 至 7.823],P < 0.0001)和脂肪酸含量(平均 [95% CI]:4.072 [1.007 至 7.137],P = 0.0092)(图 2(d))。转基因和蛋白质的表达被发现是基因特异性的(R2 = 0.472,QM = 61.667,P < 0.0001,df = 10)、启动子特异性的(R2 = 0.265,QM = 22.140,P = 0.0011,df = 6)和组织特异性的(R2 = 0.263,QM = 25.210,P = 0.1537,df = 19)(附录 A 中的图 S2(b)–(d))。与其他启动子相比,H1 启动子表现出最大的基因表达诱导作用(平均 [95% CI]:12.618 [2.662 至 22.574],P = 0.0130),其次是 β-actin 和 U6 启动子(平均 [95% CI]:7.612 [4.258 至 10.967],P < 0.0001 对于 β-actin;平均 [95% CI]:4.562 [?4.114 至 13.239],P = 0.0863 对于 U6),而巨细胞病毒(CMV)和泛素(UBI)启动子对基因表达的影响相似(附录 A 中的图 S2(e))。在全球范围内,这些转基因在亲本 1(P1)和子代 1(F1)代中表现出一致的表达(附录 A 中的图 S2(f))。GE 对基因/蛋白质表达的影响与 TG 相似,这从整体效应大小的相似绝对值可以看出(3.91 对 4.60)(图 2(b))。GE 有效地破坏了基因/蛋白质表达(附录 A 中的图 S3(a)),在鱼和猪中观察到目标先天基因/蛋白质的显著下调(平均 [95% CI]:?2.834 [?5.238 至 ?0.430],P = 0.0209 对于鱼;平均 [95% CI]:?3.692 [?5.922 至 ?1.462],P = 0.0012 对于猪)(图 2(c))。与 TG 类似,调节分析显示编辑后的先天基因的表达是基因特异性的(R2 = 0.007)、物种特异性的(R2 = 0.519)和组织特异性的(R2 = 0.821)(附录 A 中的图 S3(b)–(d))。尽管在 42 种动物物种/品系中编辑了 18 个基因,但表达数据主要与生长和疾病抵抗力性状相关(图 2(d)),特别是对于 myostatin (mstn)、胰岛素样生长因子 2 (IGF2)、瘦素受体 (LepR) 和 CD163(附录 A 中的图 S3(c) 和 (e)),而其他基因的表达数据很少记录。根据我们的荟萃分析,TG 或 GE 导致的基因/蛋白质表达改变提高了性状表现,尽管这些改善在不同性状和分类单元中并不一致。关于生长,我们的完整模型(包括所有调节因素和参数)显示 TG/GE 有显著效果(平均 [95% CI]:0.337 [0.230 至 0.444],t499 = 6.213,P < 0.0001)。该数据集的异质性很高(I2 = 99.8%),其中 16.8% 可归因于研究之间的真实差异,48.2% 可归因于效应大小的差异。系统发育相关性进一步解释了 34.9% 的异质性(图 3 (a))。下载:下载高分辨率图像(611KB)下载:下载全尺寸图像图 3. TG 和 GE 对养殖动物生长影响的比较。 (a) 系统发育树显示了生长荟萃数据集中的所有物种。颜色代表分类等级。第一列中的条形和数字代表效应数量,括号中的数字代表研究数量。 (b) TG 对荟萃数据集中 19 个物种/品系的个体生长性状的影响。 (c) GE 对 38 个物种/品系的个体生长性状的影响。x 轴显示效应大小的值作为异方差 SMD,y 轴代表效应大小的密度分布。点的大小代表每个效应大小的精确度(1/SE)。粗黑线表示 95% 置信区间,细黑线表示 95% P 值。粗体的误差条(95% CI)表示整体效应大小是否显著(P < 0.05)不同于零(即不与零重叠)。k 是效应数量和研究的数量(括号中的数字)。无论是通过整合外源基因还是破坏先天生长调节基因,TG 和 GE 都观察到了显著的生长促进效果(平均 [95% CI]:1.626 [0.679 至 2.572],k = 172,P = 0.0008 对于 TG;平均 [95% CI]:2.009 [1.141 至 2.877],k = 343,P < 0.0001 对于 GE)(附录 A 中的图 S4(a))。这种生长性状的改善通过多个参数的变化得到了证实,包括体重增加、体重增长、SGR、血浆 GH 和 FCE 的降低(图 3(b))。尽管在 P1 代中检测到了显著效果,但 F1 代继承了这些效果,但其效应大小比其父母小(平均 [95% CI]:4.465 [2.706 至 6.225],k = 48,P < 0.0001 对于 P1;平均 [95% CI]:1.205 [?0.507 至 2.918],k = 124,P = 0.1677 对于 F1)(附录 A 中的图 S4(b))。分类单元仅解释了少量异质性(R2 = 0.021,QM = 1.528,P = 0.6757,df = 3),并且 TG 对生长的显著促进效果主要在鱼中观察到(平均 [95% CI]:1.982 [0.207 至 3.756],k = 172,P = 0.0287)。尽管在 TG 猪和羊中分别观察到了小效应和大效应,但这些差异与 WT 组相比没有统计学意义(平均 [95% CI]:?0.254 [?6.099 至 5.591],k = 9,P = 0.9320 对于猪;平均 [95% CI]:3.998 [?1.947 至 9.942],k = 23,P = 0.1875 对于羊)(附录 A 中的图 S4(c))。此外,15 个 GH 转基因中有 9 个(mlGH、cgGH、ovGH、roGH、csGH、ssGH、tiGH、gcFST 和 rtGH)对生长促进有显著效果,其中 mlGH、cgGH 和 ovGH 的影响最大(附录 A 中的图 S4(d))。与 TG 相比,GE 对生长促进的影响更大,这反映在更大的效应大小上(2.01 对 1.63)(附录 A 中的图 S4(a))。GE 在十个分类等级中的五个中显著改善了生长性状,包括牛、鱼、山羊、猪和羊(平均 [95% CI]:2.007 [0.386 至 3.628],k = 14,P = 0.0152 对于牛;平均 [95% CI]:1.898 [1.221 至 2.575],k = 113,P < 0.0001 对于鱼;平均 [95% CI]:2.073 [1.204 至 2.943],k = 25,P < 0.0001 对于山羊;平均 [95% CI]:1.865 [1.054 至 2.676],k = 56,P < 0.0001 对于猪;平均 [95% CI]:3.023 [1.525 至 4.521],k = 15,P < 0.0001 对于羊)。尽管在 TG 猪和羊中分别观察到了小效应和大效应,但这些差异与 WT 组相比没有统计学意义(平均 [95% CI]:?0.254 [?6.099 至 5.591],k = 9,P = 0.9320 对于猪;平均 [95% CI]:3.998 [?1.947 至 9.942],k = 23,P = 0.1875 对于羊)(附录 A 中的图 S4(c))。此外,九个(mlGH、cgGH、ovGH、roGH、csGH、ssGH、tiGH、gcFST 和 rtGH)GH 转基因对生长促进有显著效果,其中 mlGH、cgGH 和 ovGH 的影响最大(附录 A 中的图 S4(d))。与 TG 相比,GE 对生长促进的影响更大,这反映在更大的效应大小上(2.01 对 1.63)(附录 A 中的图 S4(a))。GE 在十个分类等级中的五个中显著改善了生长性状。与 TG 相比,GE 对生长性状的影响更广泛,显著改善了更多的生长参数,包括条件因子(平均 [95% CI]:3.098 [2.527 至 3.670],k = 13,P < 0.0001)、肌纤维数量(平均 [95% CI]:2.493 [1.869 至 3.118],k = 27,P < 0.0001)和肌纤维大小(平均 [95% CI]:1.247 [0.685 至 1.808],k = 41,P < 0.0001),以及体重、体重增长和 SGR。然而,荟萃分析表明 GE 对 FCE 的影响仅是中等的、不显著的(平均 [95% CI]:0.759 [?0.042 至 1.561],k = 6,P = 0.0634)(图 3(c))。尽管 GE 工具针对了八个生长调节基因来增加养殖动物的生长,但效应在不同研究中有所不同。令人鼓舞的是,破坏 mstn、黑皮质素-4 受体 (mc4r) 或 IGF2 对生长有显著的正向影响,其次是催乳素受体 (PRLR)、LepR 和黑皮质素-3 受体 (mc3r)。当编辑生长因子-β 2 (TGFβ2) 或狐狸盒蛋白 40 (FBXO40) 时,没有观察到对动物生长的显著普遍影响(附录 A 中的图 S4(f))。我们没有发现 TG/GE 对疾病抵抗力的显著普遍影响(使用完整模型(包括所有调节因素和参数;平均 [95% CI]:?0.373 [?0.887 至 0.140],t235 = ?1.433,P = 0.1531)。该数据集的异质性仍然很高(I2 = 100%),其中 41.3% 可归因于研究之间的真实差异,15.8% 可归因于效应大小的差异。系统发育相关性进一步解释了 42.8% 的异质性(图 4(a))。下载:下载高分辨率图像(534KB)下载:下载全尺寸图像图 4. TG 和 GE 对养殖动物疾病抵抗力的比较。 (a) 系统发育树显示了疾病抵抗力荟萃数据集中的所有物种。颜色代表分类等级。第一列中的条形和数字代表效应数量,括号中的数字代表研究数量。 (b) TG 对 16 个物种/品系的疾病抵抗力性状的影响。 (c) GE 对 7 个物种/品系的疾病抵抗力性状的影响。x 轴显示效应大小的值作为异方差 SMD,y 轴代表效应大小的密度分布。点的大小代表每个效应大小的精确度(1/SE)。粗黑线表示 95% 置信区间,细黑线表示 95% P 值。粗体的误差条(95% CI)表示整体效应大小是否显著(P < 0.05)不同于零(即不与零重叠)。k 是效应数量和研究的数量(括号中的数字)。我们的数据集收集了与疾病抵抗力性状相关的八个参数(附录 B)。这些参数解释了大部分显著异质性(R2 = 0.564,QM = 52.164,P < 0.0001,df = 7)。参数-调节因素分析显示 TG 对这些参数有各种影响(包括正面和负面),导致汇总效应大小不显著(k = 157,P = 0.0981)。在这种情况下,我们首先确定了 TG 对各种参数的不同影响,包括对 CSR 的显著正面影响(平均 [95% CI]:11.928 [8.216 至 15.640],k = 63,P < 0.0001),以及对病原体负荷的负面影响(平均 [95% CI]:?6.191 [?10.671 至 –1.710],k = 29,P = 0.0068),信号得分(平均 [95% CI]:?5.425 [?10.051 至 –0.780],k = 9,P = 0.0215),病毒 RNA(平均 [95% CI]:?8.398 [?15.212 至 –1.584],k = 40,P = 0.0157),和病毒滴度(平均 [95% CI]:?9.483 [?17.806 至 –1.160],k = 9,P = 0.0255)。然而,TG 不太可能影响抗体反应(平均 [95% CI]:? 5.650 [?12.568 至 1.268],k = 2,P = 0.1094),溶菌酶活性(平均 [95% CI]:? 0.299 [?4.380 至 4.152],k = 2,P = 0.8859)和吞噬活性(平均 [95% CI]:0.0641 [?4.024 至 4.152],k = 3,P = 0.0001)(图 4(b))。TG 对疾病抵抗力的改善取决于具体评估的参数和分类等级。具体来说,我们观察到鱼中的 CSR 显著增加(附录 A 中的图 S5(a)),猪中的病毒 RNA 水平显著降低(附录 A 中的图 S5(b)),以及鸡和牛中的病原体负荷显著减少(附录 A 中的图 S5(c))。关于病毒滴度,我们的数据集报告了来自鸡和猪的九个效应大小,显示两种物种的病毒滴度都没有普遍降低(附录 A 中的图 S5(d))。我们的研究结果表明,不同的转基因与各种启动子结合使用时,对增强疾病抗性特征具有多样的影响。由最合适的启动子(UBI、β-actin、CMV或U6)驱动的五大基因[合成cecropin B类似物(CF-17)、myxovirus(mx)、cathelicidin(cath)、cecropin(cec)和天然抗性相关巨噬细胞蛋白-1(NRAMP1)](附录A中的图S5(e)和(f))在提高疾病抗性方面效果最为显著(附录A中的图S5(g)和(h))。总体而言,GE对疾病抗性特征的影响似乎大于TG,这从更大的绝对效应大小可以看出(平均[95% CI]:1.268 [?2.061至4.597],k = 157,P = 0.4554;平均[95% CI]:?3.912 [?8.080至0.257],k = 107,P = 0.0659)(附录A中的图S6(a))。GE不仅在病原体感染后显著增强了CSR(平均[95% CI]:8.355 [1.154至15.556],k = 20,P = 0.0230),还降低了病毒RNA或滴度水平(平均[95% CI]:?8.234 [?11.557至?4.911],k = 47,P < 0.0001;平均[95% CI]:?5.414 [?9.790至?1.039],k = 10,P = 0.0153),同时还显著抑制了抗体反应(平均[95% CI]:?6.400 [?9.923至?2.878],k = 6,P = 0.0004)。这一结果在TG数据集中并未出现(图4(c))。此外,GE增强疾病抗性的效果在不同分类群中存在差异(R2 = 0.678,QM = 38.560,P < 0.0001,df = 3)。例如,在猪中观察到病毒RNA水平显著降低,但在鸡或牛中则没有(附录A中的图S6(b)),并且发现poly-binding蛋白1(PCBP1)和CD163基因对这些效果有贡献(附录A中的图S6(c))。值得注意的是,TG和GE在不同病原体上的效果也存在差异(附录A中的图S6(d)和(e)),其中对细菌的抑制效果最为显著,其次是病毒和寄生虫。

3.5. TG/GE对脂肪酸的影响
当使用考虑所有调节因素和参数的完整模型时,TG或GE对脂肪酸组成的影响总体上没有显著差异(平均[95% CI]:?0.09 [?0.392至0.218],t140 = ?0.565,P = 0.5732)。然而,检测到高度异质性(I2 = 99.8%),其中12.6%归因于研究之间的真实差异,87.2%归因于基因之间的差异。我们没有发现任何系统发育相关性(图5(a)),这表明系统发育结构并不影响观察到的效应大小的变化。

3.6. 发表偏倚
根据我们的结果,我们几乎没有发现基因/蛋白质表达(t173 = 0.582,P = 0.5613)和脂肪酸特征(t133 = 0.243,P = 0.8083)的发表偏倚证据。然而,漏斗图和Egger回归测试表明生长(t470 = 5.274,P < 0.0001)和疾病抗性(t264 = 5.179,P < 0.0001)的效应大小可能存在发表偏倚。在这种情况下,我们使用了修剪-填充方法来估计当前元分析所需的缺失效应大小的数量。结果显示,分别需要141个和73个额外的效应大小来补偿潜在的发表偏倚(附录A中的图S9)。尽管先前的研究报告称ω-3、DHA有所改善,ω-6和ω-6/ω-3比率有所降低,但我们的荟萃分析发现ω-3、DHA和ω-6/ω-3确实有显著影响(平均[95% CI]:ω-3为0.584 [?0.009至1.177],k = 26,P = 0.0537;DHA为0.792 [0.201至1.383],k = 29,P = 0.0086;ω-6/ω-3为?2.073 [?2.909至?1.237],k = 32,P < 0.0001),而当所有数据合并时,EPA和ω-6没有显著影响(平均[95% CI]:EPA为0.342 [?0.246至0.930],k = 30,P = 0.2545;ω-6为?0.471 [?1.059至?1.039],k = 24,P = 0.1165)。这些效应在不同分类群中是特定的。TG对ω-3的最大正面影响出现在牛中,其次是猪和鱼(附录A中的图S7(a))。同样,ω-6和ω-6/ω-3的最大效应也出现在牛中,而DHA和EPA的最大效应出现在猪中。然而,我们没有发现TG对山羊的ω-3水平(平均 = 0.099,k = 1,P = 0.9696)、鱼的ω-6/ω-3(平均 = 0.797,k = 2,P = 0.8845)或牛的DHA(平均 = 1.571,k = 3,P = 0.2560)有显著影响(附录A中的图S7(b)–(e))。不同的转基因在增强脂肪酸特征方面似乎扮演着不同的角色。整合fat1转基因显著提高了ω-3、DHA和EPA的水平(附录A中的图S8(a)–(c)),同时降低了ω-6和ω-6/ω-3(附录A中的图S8(d)和(e))。相比之下,人类化的Caenorhabditis elegans基因2(fat2)转基因的转移并未显著增加ω-3水平或降低ω-6水平,但显著降低了ω-6/ω-3比率。然而,elovl2(ω-3的k = 6,ω-6的k = 5,DHA的k = 15,EPA的k = 15,所有P > 0.05)和delta5-去饱和酶(D5D)转基因(ω-3的k = 6,ω-6的k = 6,DHA的k = 6,EPA的k = 6,所有P > 0.05)不太可能改变所有分类群的脂肪酸特征(附录A中的图S8)。

到目前为止,只有一项涉及一个基因G0/G1开关基因2(G0S2)的基因编辑研究报道了其在鸡中增强脂肪酸的效果[71]。尽管该研究报告称ω-3和ω-6水平有所改善,但我们发现与WT个体相比,G0S2-KO鸡的脂肪酸没有显著变化(k = 1,P = 0.1813 for ω-3;k = 1,P = 0.1681 for ω-6)(图5(c))。此外,我们发现TG和GE对生长特征的影响存在年龄依赖性。转基因或编辑基因对生长的促进效果随年龄增长而减弱。这一结果主要体现在SGR和肌纤维(数量和大小)上,而不是体重上(图6(a))。此外,TG和GE对脂肪酸的影响也随着年龄的增长而减弱,表现为DHA+EPA、ω-3、ω-6和ω-3/ω-6的效果降低(图6(b))。

3.7. 敏感性分析
影响分析表明,当我们逐一移除每项研究时,汇总效应大小与整体水平没有显著偏差(附录A中的图S11)。检查留一法的结果确认没有单一研究主导了结果。值得注意的是,无论是否包含VCV矩阵,完整模型的结果都是一致的(基因/蛋白质表达、疾病抗性和脂肪酸),因此在正文中整个模型均未包含VCV矩阵。此外,脂肪酸组成的变化不太一致,没有检测到显著的总体效应。然而,在某些物种(如猪和牛)中,观察到特定参数的改善,例如ω-6/ω-3比例和DHA水平。脂肪酸特征的变异性表明,虽然可以通过基因手段操纵脂质代谢,但这种操纵的成功可能取决于物种、特定转基因或编辑方式及其整合到现有代谢途径中的因素[11]、[52]、[53]。这些发现突显了基因工程(GE)相对于转基因(TG)的优势,因为基因工程具有更高的精确度和效率,以及能够产生类似自然的修饰。这表明它将更广泛地被监管机构和消费者接受,并且在监管转基因和基因编辑动物方面也将具有价值。这项荟萃分析揭示了不同分类群对基因干预反应的显著差异,鱼类在生长方面表现出最显著的改善。这可能是由于鱼类中引入了多种生长激素(GH)基因[23]、[77],这些基因已知可以增强生长速度和体型。相比之下,猪、羊和牛等哺乳动物物种的效果变化更大,反映了这些物种在生长和疾病抵抗力等特征上的遗传调控差异[7]、[57]。效应大小的变异性强调了针对特定基因或途径的重要性。由于干预措施较为简单,生长特征在不同分类群中表现出一致性的改善,而疾病抵抗力则表现出更大的变异性,这可能是由于免疫途径的复杂性[78]、[79]。基因干预的成功还受到启动子类型的影响,H1启动子驱动的基因表达最为有效,其次是β-actin和U6,这强调了选择合适的启动子以优化转基因效果的重要性。

在我们的荟萃数据集中,包括了不同年龄的动物,我们观察到转基因和基因工程对生长和脂肪酸特征的影响随年龄而变化。具体来说,这些修饰的效果随着年龄的增长而减弱,表明它们的影响在动物的生命周期中逐渐减弱。这可能是由于细胞活性降低、新陈代谢减慢、激素变化以及补偿机制[77]、[80]所致。此外,P1代中的特征改善比F1代更为明显。尽管F1代中的转基因或编辑基因表达或抑制是一致的(见附录A中的图S2(f)和图S12(a)),但在后代中,生长(见附录A中的图S6(b)和图S12(b))、疾病抵抗力(见附录A中的图S12(c)和图S12(d))以及脂肪酸(见附录A中的图S12(e))方面的效果不那么明显。这可能是由于部分显性或不完全外显;完全表达需要纯合状态。然而,F1代通常是杂合的[43]、[46]、[49]、[81]、[82],因此特征表现较弱。表观遗传修饰或其他代际调控机制也可能起作用[83]。为了更全面地评估这些效应,未来的分析应包括F1代之后的纯合动物。

我们的荟萃分析确定了18个参与特征增强的先天基因,其中只有五个显示出显著的总体水平改善。例如,mstn、mc4r或IGF2基因的破坏显著增强了家畜和鱼类的生长,而CD163或PCBP1基因的敲除通过减少病毒RNA提高了家畜的抗病毒能力。然而,很少有基因被验证能够改善农场动物的特征,特别是鱼类,这对旨在增强经济重要特征的基因组操作构成了重大挑战。与这些特征相关的基因数量有限,限制了基因操作技术(包括基因工程)的应用[58]、[84]。因此,通过全面的基因组研究(如全基因组关联研究、数量性状位点定位和功能基因组学)来识别特定基因变异至关重要[84]。一旦这些变异被识别,就可以通过靶向基因操作引入或去除它们,从而提高育种计划的可预测性和有效性。

需要注意的是,转基因研究中分析的基因和修饰通常是因其能够改善生产特征而被选中的。这反映了转基因技术相比基因工程更悠久的历史,后者自2012年左右才开始广泛使用。早期的转基因实验受到基因组序列数据和基因结构信息缺乏的限制,因此主要集中在一些已知特征明确的基因上,如生长激素基因。相比之下,基因工程研究受益于先进的基因组资源,可以更精确地针对更广泛的基因。这两种技术都随着时间的推移而发展,变得更加高效,减少了脱靶效应,并允许更可控的基因组整合。这些改进可以影响表型结果。在解释动物生物技术研究的结果时,应考虑转基因和基因工程之间的历史和技术差异。

与任何研究一样,必须承认局限性并识别研究空白。在这项研究中,我们分析了不同分类群、特征、参数和基因特定因素的效应大小。由于物种间的变异较小,我们采用了物种调节分析而不是系统发育荟萃分析。我们的文献筛选可能遗漏了一些研究,因为我们的荟萃数据集仅包括英文出版物。我们还排除了关于模式动物(如斑马鱼、青鳉鱼和小鼠)[85]以及使用细胞系识别潜在致病基因的体外研究。例如,几种来自鱼类的代表性基因,如鼠李糖结合凝集素(RBL)、信号转导子和转录激活因子2(STAT2)、连接粘附分子-A(JAM-A)、橄榄鱼(Paralichthys olivaceus)的RNA聚合酶III转录抑制剂(PoMaf1)、NEDD-8激活酶1(nae1)和GRB2相关结合蛋白3(GAB3)已经经历了诱导突变,这些突变模仿并改变了鱼的免疫系统,提高了宿主对疾病的抵抗力[86]、[87]。因此,我们的结果代表了符合我们纳入标准的当前文献的总体趋势,应据此进行解释。

未来的主要研究应旨在涵盖更广泛的分类群(即实验室中的模式动物)和代表性不足的特征(如繁殖结果)。研究基因修饰对模式动物的影响(除了家畜和鱼类之外,这些在本次研究中未包括)将提供有关转基因和基因工程在圈养动物中应用的宝贵见解。转基因和基因工程在农场动物中的一个目标是繁殖控制[7]、[84],越来越多的研究已经确定了潜在的繁殖调控基因,尤其是在鱼类物种中[84]。通过在全球范围内评估转基因或基因编辑动物的繁殖结果(如配子质量、精子活力、受精率和孵化率)来验证这些有前景的基因也将具有价值。

数据可用性声明:本文的所有R代码均可在https://github.com/Jinhai1017/GenoTrans.CRedI上找到。

作者贡献声明:
王金海:撰写——原始草稿、可视化、验证、软件、方法学、正式分析、数据管理、概念化。
中川信一:监督、软件、方法学、调查、正式分析、概念化。
王佳琪:资源、正式分析、数据管理。
罗伯特·斯图尔特:资源、正式分析、数据管理。
亚历山德拉·弗洛雷亚:资源、正式分析、数据管理。
雷克斯·A·邓纳姆:监督、资源、调查、正式分析、数据管理。
费玲:方法学、正式分析、数据管理。
王高学:监督、方法学、调查、正式分析、数据管理、概念化。
刘莉莉:撰写——原始草稿、监督、软件、资源、方法学、调查、资金获取、正式分析、数据管理、概念化。
迭戈·罗布莱多:验证、监督、调查、资金获取、正式分析、概念化。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号