利用血液多组学技术与机器学习方法鉴定与哈萨克马母马泌乳表现相关的候选基因及代谢物

《BMC Genomics》：Identification of candidate genes and metabolites associated with lactation performance in Kazakh mares using blood multi-omics and machine learning

　　

摘要

背景

哈萨克马是新疆的本土品种，它具有很强的适应干旱和寒冷环境的能力，同时在低投入的粗放养殖模式下仍能保持相对稳定的产奶量。然而，传统的管理方式限制了其遗传改良的进展。

研究结果

在本研究中，我们监测了105天泌乳期内的产奶量及牛奶成分，并记录了15个表型特征。产奶量与体长、乳头直径及乳头长度存在显著相关性。通过高产组与低产组以及高脂肪组与低脂肪组的比较，分别发现了286个和627个差异表达基因。研究还鉴定出多个候选基因，包括PMP22、FAM83A、HSD17B3、AGPAT4、SLC50A1和ERBB3，这些基因与PI3K-Akt信号通路、MAPK信号通路以及甘油三酯代谢等相关途径有关。高产马匹的代谢特征表现为与三羧酸循环相关的通路更为活跃，这说明其能量代谢以及涉及碳水化合物、脂质和氨基酸的中间代谢过程存在差异。与这些差异相关的代谢物包括甘油酮、α-D-葡萄糖、D-半乳糖、甘油、L-组氨酸和鹅肌肽。

此外，机器学习分析表明GLDC可能是一种与牛奶脂肪含量相关的候选基因，这一关联可能是通过其与组氨酸的关系实现的。不过，这一关系还需要进一步验证。

结论

本研究利用外周血样本，结合差异表达分析、混合线性模型以及机器学习方法，筛选出了与哈萨克马泌乳性能相关的候选基因和代谢物。这些结果为了解该品种泌乳特征的分子和代谢机制提供了初步见解，可为未来的分子育种和营养研究提供参考。