基于三维点云表型与多基因座关联分析的猪体尺性状遗传解析

《Biomolecules》：Integrated Analysis of Virulence, Antimicrobial Resistance, and Gastric Mucosal Phenotype in Helicobacter pylori from a High-Risk Mongolian Population

　　

非接触式三维点云表型测量可减少人工牲畜测量的时间和动物干扰，然而自动获取的体构性状的遗传结构仍未得到充分解析。本研究从510头温氏黑猪的三维点云数据中提取体长（body length, BL）和体高（body height, BH），并绘制其遗传基础图谱。自动测量与人工测量之间的皮尔逊相关系数（Pearson correlation）在BL为0.79，在BH为0.74，平均绝对百分比误差（mean absolute percentage error, MAPE）分别为2.30%和3.55%。相应的遗传相关估计值在BL为1.00 ± 0.13，在BH为0.92 ± 0.14。结合单基因座与多基因座全基因组关联分析（genome-wide association study, GWAS），共鉴定出43个候选数量性状核苷酸（quantitative trait nucleotide, QTN），包括单基因座模型在建议显著性水平检出的BL相关SNP，以及LOD ≥ 3的42个额外位点。其中，8个BL相关和6个BH相关的QTN被至少两种多基因座方法检出，包括两个被全部四种方法检出的BL相关QTN。单个QTN解释的表型方差最大估计比例在BL为6.00%，在BH为4.71%。功能富集分析提示骨骼与细胞发育通路，优先筛选出BL相关的ACKR3、PLCB1和COL11A1，以及BH相关的BDNF、PLEKHM1、ANKRD11和RHOBTB2作为位置候选基因。这些发现表明，三维点云表型测量能够捕获猪体尺性状的可遗传变异，并为后续验证和未来基因组育种提供位点与候选基因。

一、研究背景与科学问题

体尺与体构是猪生产性能、结构稳健性和育种价值的重要基础。体长（body length, BL）反映轴向骨骼生长和胴体尺寸，而体高（body height, BH）反映垂直方向的骨骼发育，与四肢骨骼生长和身体结构密切相关。BL和BH均为可遗传的多基因性状，在大白猪、约克夏猪及商业杂交群体中已有多个关联位点被定位。数量性状位点（quantitative trait locus, QTL）和关联分析进一步将骨骼发育与具有经济价值的体尺性状联系起来。

遗传改良依赖于准确、可重复且能在群体规模上采集的表型。传统的卷尺或直尺测量虽被广泛使用，但需要近距离保定动物，劳动强度大，且易受动物姿势和操作者定位差异的影响。非接触式成像为自动化表型采集提供了替代方案。已有研究利用俯视RGB视频在常规称重过程中估算猪的体长、肩宽和臀宽，但二维工作流程无法直接测量体高或重建三维体表几何。引入深度信息可实现三维重建和空间维度的测量。在牛中，深度相机和多视角成像已支持体表重建和多维度测量。

从三维点云中准确识别解剖标志点是推导体尺测量的关键步骤。已有研究采用改进的PointNet++分割方法识别解剖区域并定位测量标志点，另有研究开发了基于测地线距离的方法直接从猪点云中检测语义关键点。然而，测量精度仍受动物姿势、点云不完整和标志点定位误差的影响。这些进展支持体尺表型的自动化采集，但仅与人工测量的一致性并不能确立其在遗传研究中的适用性，评估其可遗传变异以及与人工测量性状的遗传关系是重要的后续步骤。

全基因组关联分析已鉴定出与猪体构相关的位点，但大多数BL和BH研究依赖人工测量表型和单基因座混合模型。此类模型能校正亲缘关系和群体结构，但严格的标记水平校正可能降低对复杂体尺性状预期的小到中等效应的检测功效。多基因座模型联合评估候选标记，可在多基因背景下补充单基因座分析。三维点云衍生体尺性状的遗传特性及其在全基因组定位中的应用，在猪中仍未得到充分表征。

基于上述背景，研究人员从510头温氏黑猪的非接触式三维点云中提取BL和BH，评估其与人工测量的一致性，检验自动化表型是否保留可比的基因组遗传力和遗传方差，并整合单基因座模型与四种多基因座GWAS方法进行关联定位。该研究将自动化三维表型测量与基因组定位联系起来，为遗传评估和育种中高通量采集体尺表型提供了框架。

二、主要技术方法

研究人员以510头2025年出生的温氏黑猪为研究对象，该群体为里岔黑猪与大白猪的二元杂交群体，来自温氏食品集团股份有限公司核心育种场，耳组织样本于出生时采集。基因分型采用Molbreeding GenoBaits^?猪50K芯片，经质量控制后保留510头猪和47,385个SNP。体尺表型采用自主建立的Pig Back Transformer系统在终测阶段（180 ± 3日龄）自动测量，BL为背脊拟合曲线的弧长，BH为肩胛骨背缘代表点到地面的垂直距离。遗传参数采用基因组限制最大似然法（genomic restricted maximum likelihood, GREML）估计，单基因座关联分析采用GEMMA的混合线性模型，多基因座分析采用mrMLM、FASTmrMLM、FASTmrEMMA和pKWmEB四种方法，候选基因筛选基于连锁不平衡（linkage disequilibrium, LD）衰减至r2 = 0.2时对应的200 kb物理距离。

三、研究结果

3.1 表型评估与遗传力统计

研究人员在200头猪的配对子集中评估了自动测量与人工测量的一致性。点云测量与人工测量表现出强表型相关，BL的MAPE为2.30%，BH为3.55%，MAE分别为2.69 cm和2.11 cm。Bland–Altman分析显示BL的平均偏倚为?1.01 cm，BH为1.71 cm，CCC值在BL为0.765，BH为0.597。在全群体（n = 510）中，BL平均为115.63 ± 4.72 cm，BH平均为61.68 ± 2.09 cm。点云衍生性状在配对子集中产生中等遗传力（BL为0.42 ± 0.16，BH为0.34 ± 0.13），与人工测量基线（BL为0.56 ± 0.15，BH为0.28 ± 0.14）统计相当。扩展至全群体后，遗传力估计为BL 0.30 ± 0.08，BH 0.26 ± 0.08。人工测量与自动测量之间的遗传相关在BL为1.00 ± 0.13，BH为0.92 ± 0.14，支持点云衍生体尺性状用于遗传变异研究和关联位点定位。

3.2 体尺性状的单基因座与多基因座GWAS

单基因座GWAS在SSC18上鉴定出一个BL相关的建议显著性SNP（18_17420934），BL和BH均无全基因组显著位点，基因组膨胀因子分别为1.007和0.986。多基因座分析共鉴定出43个候选QTN（LOD ≥ 3），包括单基因座检出的SNP和42个额外位点。BL相关24个QTN分布于14条染色体，R2范围为0.56%至6.00%，其中SSC15和SSC16上的两个QTN被全部四种方法检出。SSC17上PLCB1基因内的QTN具有最高的LOD值（8.74）。BH相关19个QTN分布于12条染色体，R2范围为0.66%至4.71%，SSC2上BDNF附近的QTN被mrMLM和FASTmrMLM两种方法检出且LOD值最高，SSC14上RHOBTB2基因内的QTN解释了最大的表型方差比例（4.71%）。

3.3 候选基因鉴定与功能富集分析

基于LD衰减确定的200 kb窗口，研究人员为BL和BH分别鉴定出137个和119个位置候选基因。BL候选基因显著富集于17个GO条目和6条KEGG通路，主要涉及细胞黏附、钙离子结合和钙/代谢信号传导，优先筛选出ACKR3、PLCB1和COL11A1。BH候选基因显著富集于15个GO条目，包括核质、树突延伸和胞内膜结合细胞器，优先筛选出BDNF、PLEKHM1、ANKRD11和RHOBTB2。

四、讨论与结论

讨论部分指出，点云BL倾向于低于人工BL，而点云BH普遍偏高，可能反映测量几何、标志点定位和动物姿势的差异。BH的CCC较低表明个体表型水平的一致性有限，自动化BH测量在替代常规人工记录前需要校准和进一步验证。多基因座方法采用不同的筛选和显著性标准，检测数量的差异可能反映敏感性和假阳性率的差异。与PigMatrix中已报道QTL记录的比对显示，13个候选QTN的±200 kb窗口与32条体尺或生长相关的QTL记录重叠，为部分关联提供了位置支持。ACKR3通过趋化因子信号调节骨重塑，PLCB1在BMP-2诱导下促进成骨细胞分化，COL11A1参与软骨基质组织和内软骨骨化，BDNF与骨密度和成骨细胞分化相关，PLEKHM1参与自噬体–溶酶体融合并与骨硬化症相关，ANKRD11突变可降低小鼠体型和骨密度，而RHOBTB2虽解释了最大的BH表型方差比例，但缺乏直接的功能或畜牧关联证据。

研究结论为：非接触式三维点云表型测量捕获了温氏黑猪BL和BH的可遗传变异，并实现了相关位点的全基因组鉴定，支持其作为遗传研究中可扩展的体尺表型来源。通过整合一种单基因座模型和四种多基因座GWAS方法，研究人员鉴定出43个与BL和BH相关的候选QTN，并优先筛选出BL的ACKR3、PLCB1和COL11A1以及BH的BDNF、PLEKHM1、ANKRD11和RHOBTB2作为位置候选基因。这些结果建立了连接非接触表型测量与基因组定位的整合框架，为改善猪体构的育种应用提供了候选基因组资源。