《animal》：Reaction norm analysis reveals environmental sensitivity and genomic architecture of postweaning daily weight gain in Angus–Brangus cattle
编辑推荐：
基因型-环境互作（G×E）在以环境异质性为特征的畜牧系统中发挥核心作用，尤其是在（亚）热带条件下。在此背景下，传统评估所依据的同质遗传表达假设可能不成立，从而限制了选择效率。尽管安格斯-婆朗格斯牛在巴西广泛使用，但生长性状环境敏感性及其基因组基础的表征仍然有限
基因型-环境互作（G×E）在以环境异质性为特征的畜牧系统中发挥核心作用，尤其是在（亚）热带条件下。在此背景下，传统评估所依据的同质遗传表达假设可能不成立，从而限制了选择效率。尽管安格斯-婆朗格斯牛在巴西广泛使用，但生长性状环境敏感性及其基因组基础的表征仍然有限。因此，本研究旨在使用反应规范模型（RNM）方法，在动物和基因组水平评估断奶后平均日增重（ADG）的环境敏感性，量化响应性的遗传变异，并评估RNM相对于传统动物模型（AM）的预测性能。研究人员使用基于当代组解导出的连续环境梯度的线性RNM，分析了巴西基于放牧系统饲养的安格斯-婆朗格斯牛数据。ADG的加性遗传方差在中间环境中为6.80（SD = 0.55），在有利条件下为169.29（SD = 5.75），而遗传力从0.08（SD = 0.01）增加到0.66（SD = 0.01）。遗传相关随环境距离增加而下降，在极端条件之间达到-0.73（SD = 0.02），表明公牛在不同环境间存在显著重排。反应规范揭示了可塑性和稳健性基因型，76%的公牛对反应规范在环境中表现出交叉点，主要出现在不利环境中。在线性回归验证中，RNM在限制性条件下优于AM，而AM在中间和有利环境中表现更好。全基因组关联分析确定了12个与截距相关的显著单核苷酸多态性（SNP）和8个与斜率相关的显著SNP，其中BTA20（约5 Mb）上的一个主要位点包含STC2，其他候选基因包括SLC25A24、FCHO2和TNPO1。标记效应随环境梯度变化，截距和斜率呈现不同模式。安格斯-婆朗格斯牛的ADG表现出强烈的环境依赖性，G×E显著影响遗传参数和基因组结构。反应规范模型改善了不利条件下的预测，并能够识别具有不同环境敏感性的基因型。共享和参数特异性位点的检测表明基线性能和适应性之间存在部分遗传解耦。这些发现支持在异质性（亚）热带条件下将环境敏感性纳入遗传评估和选择策略。
**论文解读**
**研究背景与存在的问题**
气候变化加剧了影响全球畜牧生产系统的环境胁迫因素的频率、持续时间和严重程度。在（亚）热带地区，持续热负荷、饲料可用性的季节性波动、寄生虫压力和饲养管理条件的变异性使生产环境呈现固有异质性，产生复杂而动态的基因型-环境互作（G×E），直接影响动物生产性能。在此条件下，传统遗传评估假设基因表达在不同环境中具有一致性，这一假设可能不再成立，从而限制了选择效率。由安格斯牛与婆罗门牛杂交形成的安格斯-婆朗格斯牛复合群体，兼具安格斯牛的生长潜力和胴体品质与婆罗门牛的适应性、耐热性和抗病性，在巴西被广泛使用。然而，该群体生长性状环境敏感性及其基因组基础的表征仍然有限。为此，研究人员开展本研究，旨在评估断奶后平均日增重（ADG）的环境敏感性，解析其遗传结构，并比较反应规范模型（RNM）与传统动物模型（AM）的预测性能。该研究发表于《animal》。
**研究内容与主要技术方法**
研究人员使用来自NATURA育种计划的256,934头巴西安格斯-婆朗格斯牛数据，覆盖巴西南部和中西部244个牧场。ADG计算为周岁重与断奶重之差除以测量年龄差。环境梯度基于当代组最佳线性无偏估计（BLUE）标准化构建。遗传分析采用基于一阶Legendre多项式的两步骤线性RNM，结合单步基因组BLUP（ssGBLUP）框架，整合系谱和基因组关系矩阵（H）。基因组数据经质量控制后保留126,040个信息性SNP和11,572头基因分型动物。全基因组关联分析（GWAS）通过反解SNP效应实现，采用Bonferroni型校正确定显著阈值。预测性能通过线性回归（LR）验证比较RNM与AM。
**研究结果**
*数据集间环境梯度的一致性*：数据集A和B的环境梯度高度一致，Pearson和Spearman相关分别为0.996和0.995，表明使用数据集A定义环境描述符具有可靠性。
*跨环境梯度的遗传参数*：RNM揭示加性遗传方差在中间环境最低（6.80, SD=0.55），在有利环境最高（169.29, SD=5.75）。遗传力从中间环境的0.08（SD=0.01）增至最有利环境的0.66（SD=0.01），表明环境限制减少时动物能更充分表达生长遗传潜力。
*跨环境梯度的遗传相关*：以最不利环境（-2 SD）为参考时，遗传相关在类似环境中接近1，在中间环境降至0.54（SD=0.03），在最有利环境达到-0.73（SD=0.02），表明极端环境间存在显著的公牛重排。
*公牛的基因组反应规范*：截距和斜率间遗传相关为0.76（SD=0.02）。76%的公牛反应规范对在环境梯度上存在交叉点，约70%的交叉发生在低于群体均值的环境中，表明不利环境下重排更为频繁。有利和不利环境下排名前10%的公牛中，仅70头在两个环境下均进入前10%。
*跨环境梯度的线性回归验证*：在最不利环境中，RNM的相关性（0.83 vs 0.72）和经验可靠性（0.74 vs 0.55）高于AM。但在中间和有利环境中，AM表现优于RNM，最有利环境中RNM预测偏差（0.41）和尺度偏差（-1.15）最大。
*全基因组关联分析*：鉴定出12个与截距相关的显著SNP（分布于BTA3、BTA17、BTA20和BTA26）和8个与斜率相关的显著SNP（分布于BTA3、BTA17和BTA20）。主要信号位于BTA20约5 Mb区域，包含STC2基因，与多个已报道的生长和效率性状QTL重叠。其他候选基因包括BTA3上的SLC25A24（截距特异性）和BTA20约8.7 Mb处的FCHO2和TNPO1（斜率特异性）。
**讨论与结论**
RNM揭示的遗传参数异质性表明，传统AM的同质方差假设在该群体中不完全成立。遗传相关随环境距离下降甚至转负，表明环境特异性遗传优势的存在，选择决策应考虑子代预期面临的生产环境分布。RNM在不利环境中预测性能优越，支持其在异质性生产系统遗传评估中的应用价值。基因组分析检测到共享和参数特异性位点，表明基线生长与环境敏感性之间存在部分遗传解耦。STC2、SLC25A24、FCHO2和TNPO1等候选基因为理解ADG遗传结构提供了生物学线索。研究表明，安格斯-婆朗格斯牛的ADG受G×E强烈影响，遗传方差、遗传力和遗传相关沿环境梯度呈现显著异质性。RNM在不利条件下具有优越的预测性能，支持在（亚）热带异质性生产条件下将环境敏感性纳入遗传评估和选择策略。基因组分析鉴定的共享和参数特异性位点揭示了基线生长与环境敏感性之间的部分遗传解耦，为精准选择策略提供了基因组学基础。
