《Journal of Agriculture and Food Research》：High-throughput targeted genotyping and machine learning modeling to estimate fillet nutritional quality in common carp (
Cyprinus carpio)
编辑推荐：
摘要专业翻译
营养靶向基因分型芯片的重复一致性率≥98.28%，平均基因型一致性为93.17%。机器学习（ML）模型对全部五个检测的营养性状均达到最优或次优预测性能。岭回归（Ridge Regression）模型对必需氨基酸（HEAA）、粗蛋白（CPC）和水分
摘要专业翻译
营养靶向基因分型芯片的重复一致性率≥98.28%，平均基因型一致性为93.17%。机器学习（ML）模型对全部五个检测的营养性状均达到最优或次优预测性能。岭回归（Ridge Regression）模型对必需氨基酸（HEAA）、粗蛋白（CPC）和水分（MOI）含量获得最高预测精度。性状关联单核苷酸多态性（SNP）的机器学习预测精度显著高于随机选择的SNP。靶向SNP芯片结合机器学习模型能够实现对营养品质优良鲤鱼的高效筛选。
论文解读
一、研究背景与科学问题
随着水产养殖产量的持续增长，消费者对养殖鱼类的需求正从产量导向转向品质导向。鱼肉蛋白和脂肪含量、营养成分组成以及质构特性日益成为决定消费者偏好和市场价格的关键因素。目前提升鱼类营养品质的策略主要依赖优化饲料配方和调整养殖条件，但海洋来源饲料原料成本上升、供应减少以及可持续性担忧严重制约了该策略在水产养殖业的大规模应用。相比之下，遗传育种为改良鱼类营养品质提供了更有前景的途径。研究表明多种营养性状具有中等遗传力，说明基因型可用于预测营养表型。基因组选择（GS）利用全基因组遗传变异估算目标性状值，从而促进优良个体的筛选。近年来，机器学习（ML）方法作为基因组选择的有力工具展现出优于传统统计遗传模型的性能。
然而，制约机器学习模型应用的主要瓶颈是多位点基因分型成本高昂。基于靶向测序的基因分型（GBTS）是一种有前景的低成本基因分型方案，已在多种水产养殖物种的生长和抗病性状基因组选择中表现良好。但针对营养品质性状的专门基因分型策略和基因组选择方法仍然缺乏，严重阻碍了这些性状的遗传改良进程。
鲤鱼（Cyprinus carpio）是世界范围内重要的水产养殖物种。长期的自然选择和人工选择产生了众多营养品质性能各异的品系。全基因组关联分析（GWAS）已解析了鲤鱼鱼片中脂肪酸（FA）和氨基酸（AA）组成的遗传基础，但除脂肪酸和氨基酸外，其他营养品质性状（如质构、水分MOI、粗蛋白CPC和粗脂肪CFC含量）的遗传基础仍不清楚。研究人员前期开发的高密度鲤鱼SNP芯片平均SNP检出率仅为74.06%，遗传标记的缺乏和高成本基因分型限制了分子育种在营养品质性状改良中的应用。
二、研究内容与主要结论
针对上述问题，研究人员开展了全基因组关联分析以鉴定与营养品质性状关联的SNP，并开发了靶向这些SNP的基因分型芯片。通过全基因组测序（WGS）数据验证了芯片的基因分型准确性，利用该芯片解析了两个主养品系间营养含量差异的遗传变异，并采用多种基因组选择模型评估了基于芯片的表型预测可靠性。研究结果表明，靶向基因分型结合机器学习模型能够有效实现鲤鱼营养品质性状的遗传解析和分子育种。
三、关键技术方法
研究人员从四个鲤鱼品系（福瑞鲤FR、津北鲤JB、松浦镜鲤SP和沅江鲤YJ）采集387尾幼鱼，同池养殖一年后采集鳍条组织提取DNA并进行全基因组重测序。对全部个体测定了肌间骨数（IBN）、28个质构指标、13种脂肪酸、17种氨基酸及5种氨基酸组、水分、粗蛋白和粗脂肪含量共70个营养品质性状。采用混合线性模型（MLM）进行全基因组关联分析，整合性状关联SNP和品系信息构建包含20,361个SNP的靶向基因分型芯片。通过技术重复和跨平台比较验证基因分型准确性，并利用该芯片对1,656尾两个品系（953尾SP和703尾黄河鲤HH）进行群体遗传分析。采用BWGS包中11种基因组选择模型（包括随机森林RF、岭回归RR、LASSO、贝叶斯LASSO、贝叶斯岭回归BRR、弹性网络EN、BayesA、BayesB、BayesC、GBLUP和EGBLUP）对五个代表性营养性状进行十折交叉验证预测。
四、研究结果
与70个营养品质性状关联的SNP被鉴定。 质量控制后共获得20,951,130个高质量SNP。在10-6建议显著性阈值下，GWAS检测到116,650个与七个质构性状关联的SNP，不同肌肉区域的质构性状表现出明显的组织特异性。不同质构性状的遗传复杂度差异显著，咀嚼性关联SNP最多（背部肌肉达30,432个），内聚性最少（均小于2,200个）。跨区域比较显示不同肌肉区域间SNP关联存在显著异质性，脆性共享SNP最少（仅18个），弹性一致性最高（73.1%关联SNP在四个区域间共享）。此外还鉴定到2,768个同时与弹性和回复性关联的SNP，653个同时与咀嚼性和内聚性关联的SNP，重叠显著超过随机预期，提示潜在的多效性或共享生物学通路。GWAS还分别检测到2,787、973、370和1,389个与粗蛋白、粗脂肪、水分和肌间骨数建议关联的SNP。
该芯片涵盖了70个营养品质性状关联的SNP。 整合所有性状关联SNP和品系信息，去除冗余和强连锁不平衡（LD）SNP后，最终构建了包含20,361个SNP的基因分型芯片。其中质构性状关联SNP最多（6,940个，占34.09%），氨基酸谱关联SNP次之（5,168个，占25.38%），脂肪酸组成关联SNP为2,779个（13.65%），粗蛋白、粗脂肪、水分和肌间骨数关联SNP分别为550、380、282和415个。此外还纳入1,829个品系鉴定SNP以及1,012个阳性对照和1,006个阴性对照SNP。除889个未锚定contig和20个线粒体SNP外，其余19,450个标记不均匀分布于50条染色体上，中位标记间距为39.24 Kb。功能注释显示42.37%的SNP位于内含子区域，26.73%位于基因间区，CDS区域SNP占3.66%。基于芯片SNP计算的平均杂合度（0.20）与全基因组SNP（0.22）相当，个体杂合度比例呈显著正相关（r > 0.8），证明芯片有效代表了全基因组遗传变异。
该芯片具有高基因分型质量。 对23个个体构建的26个测序文库进行探针靶向捕获测序，共产生540.18 Gb原始数据。在20×测序深度下，85.88%的选定SNP被成功捕获。三个技术重复样本的基因型一致性分别为99.14%、98.28%和98.89%。14个同时具有WGS和芯片基因分型数据的样本中，两种方法间的平均基因型一致性为93.17%（范围90.34%至96.64%），证明芯片具有高基因分型准确性和可重复性。
该芯片适用于群体遗传分析。 利用该芯片对1,656尾两个品系个体进行基因分型后，群体遗传分析显示SP品系具有更高的核苷酸多样性（π = 2.17 × 10-6）和多态信息含量（PIC = 0.24），均显著高于HH品系（π = 1.50 × 10-6，PIC = 0.18）。两品系间固定指数（FST）为0.18，表明存在显著的遗传分化。主成分分析（PCA）显示两个品系明显聚类，第一主成分解释22.61%的遗传变异。祖先群体分析在K = 2时个体几乎完全归属于各自品系，与系统发育分析结果一致，证明该芯片能够支持稳健的群体遗传推断。
鉴定了两品系间粗蛋白含量差异的遗传变异。 对30尾SP和34尾HH个体测定17种鱼肉营养成分后发现，仅粗蛋白含量在HH品系中显著高于SP品系（Wilcoxon秩和检验，P = 0.01）。利用1,656个个体的品系信息进行GWAS，在标记R2 > 0.5阈值下鉴定到551个品系分化SNP。其中40个（7.26%）为粗蛋白关联SNP，显著高于随机期望（4.20%，bootstrap检验P < 0.001）。候选基因富集分析显示这些SNP附近的基因富集于氨基酸代谢、蛋白水解、线粒体自噬和自噬等8条生物学通路和1个基因模块，其中“自噬-动物”和“泛素介导的蛋白水解”是维持蛋白质稳态的关键细胞过程。
该芯片和机器学习模型对营养性状实现了高预测能力。 使用四种SNP数据集和11种基因组选择模型对五个营养性状进行预测。没有任何单一模型在所有性状和SNP数据集中持续最优。岭回归模型对必需氨基酸（HEAA）、粗蛋白和水分获得最高预测能力（r = 0.81、0.56和0.73），BayesC模型对总多不饱和脂肪酸（TPUFA）和粗脂肪获得最优预测能力（r = 0.73和0.61）。标记选择策略显著影响预测能力，随机选择SNP在所有性状中预测能力最低，性状关联SNP除粗脂肪外在所有性状中均获得最高精度。五个性状的遗传力估计值分别为粗脂肪0.1232、粗蛋白0.1159、必需氨基酸0.7922、水分0.3374和总多不饱和脂肪酸0.1934，预测能力随遗传力升高而增加。
五、讨论与结论
讨论部分指出，营养品质性状的遗传基础研究长期滞后于生长和抗病等生产性状，主要原因是这些性状的测定通常需要致死取样。本研究发现不同质构性状和不同鱼片区域间存在共享和特异的遗传组分，揭示了这些性状复杂的遗传结构。尽管存在这种复杂性，关键遗传变异在不同鲤鱼品系间具有保守性，芯片在未参与设计品系中鉴定到的粗蛋白关联SNP显著富集于参考群体中已鉴定的粗蛋白关联位点，验证了芯片的跨品系适用性。
该芯片的SNP检出率（85.88%）低于二倍体鱼类的报道值，但高于首个鲤鱼SNP芯片（74.06%）和异源四倍体虹鳟芯片（65.3%和60.9%），这可能与鲤鱼的异源四倍体特征有关。尽管芯片设计优先靶向营养品质性状关联SNP导致标记分布不均，但群体遗传分析结果与全基因组测序数据高度一致，证明该芯片能为群体遗传分析、亲本鉴定、选择育种管理和样品溯源提供足够的基因组分辨率。
研究结论为：研究人员开发了包含20,361个SNP的基因分型芯片及配套机器学习模型，用于估算鲤鱼鱼片营养品质。该芯片具有高基因分型质量，与全基因组测序数据高度一致，在遗传多样性和群体结构分析中表现稳健。使用性状关联SNP的基因组选择预测能力高于随机SNP，支持在芯片设计中优先考虑性状相关位点的策略。这一多功能基因分型芯片和机器学习模型为估算鲤鱼营养性状提供了有价值的策略，未来的选择育种计划应将靶向基因分型与最优机器学习模型相结合，以最大化鱼类营养品质的遗传进展。
