Включение геномной информации в рутинную генетическую оценку
Дайнеш Теккют, Доктор наук
На протяжении многих лет при отборе свиней для производства следующего поколения свиноводы могли рассчитывать только на данные о физических характеристиках и фенотипической оценке свиней. Позднее начали внедряться системы разведения племенных животных и перекрестного скрещивания, предусматривающие использование генетики количественных признаков, что позволило давать более точную оценку качества генетики животного.
К концу восьмидесятых удалось увеличить генетический прогресс путем внедрения новой статистической процедуры, которая была названа наилучший объективный линейный прогноз (BLUP), это позволило заводчикам использовать информацию о производительности большого числа животных и объединять эти данные с их родословной (генетическая связь между животными). С появлением маркерного подбора (MAS) заводчики начали собирать информацию с молекулярных маркеров с помощью традиционных количественных процедур.
Отрасль свиноводства также смогла воспользоваться преимуществом индивидуальных тестов ДНК, которые позволили проверять животных на предмет различных маркеров, например, таких, как RYR1 (PSE – бледное, мягкое, экссудативное мясо), MC4R (скорость роста), ESR (размер помета), PRKAG3 (качество мяса) и так далее. За исключением нескольких специфических образцов, большая часть этих маркеров объясняла лишь очень небольшой процент генетической изменчивости этих признаков и при этом было очень сложно применять эти процедуры на практике в интеграции с регулярными процедурами генетической оценки. Далее, в работе Миювессен и соавторов (2001) был предложен метод, который был назван Геномной Селекцией (GS), именно он и был направлен на решение большей части этих отрицательных моментов. Но технологии и данные, необходимые для практического внедрения метода Геномной Селекции в то время еще были недоступны.
Затем появились три важнейшие разработки, которые позволили осуществлять практическое внедрение геномной селекции.
Секвенирование генома животных и идентификация миллионов однонуклеотидных полиморфизмов (SNP).
Разработка высокопроизводительных технологий генотипирования для экономически эффективного генотипирования тысяч SNP.
Разработка новых статистических методов для оценки и включения информации SNP в обычные генетические оценки (Samore and Fontanesi, 2016).
В 2009 году в Соединенных Штатах эти достижения привели к первому практическому применению метода геномной селекции в молочном животноводстве.
Включение геномной информации в рутинную генетическую оценку свиней стало возможным благодаря еще двум технологическим прорывам:
разработка первой коммерческой SNP-панели для высокопроизводительного генотипирования у свиней;
секвенирование генома свиньи в 2010 году.
После этого различные компании по генотипированию начали выпускать SNP-панели для генотипирования свиней, объемом от 10 до 650 тысяч. В настоящее время компания Genesus использует настраиваемую панель SNP от Affymetrix, которая содержит более 55 000 SNP (анализ однонуклеотидных полиморфизмов) для проведения генотипирования в установленном порядке в качестве рутинной процедуры. В течение этого периода также были разработаны различные статистические методы для включения геномной информации в оценку племенной ценности свиней. В своих работах Легарра (Legarra et al., 2009) и Кристенсен и Ланд (Christensen and Lund, 2010) представили дальнейшую разработку метода, назвав его Одноэтапный геномный метод линейного несмещенного прогноза или Single step genomic BLUP (SSBLUP), который использует геномную информацию вместе с информацией о родословной и характеристиках свиней для оценки генетических достоинств животных, отобранных для селекции. В настоящее время этот метод обеспечивает самую высокую точность расчета индекса племенной ценности (EBV) для молодых животных и Genesus внедрил этот метод для проведения рутинной геномной оценки свиней. Более высокая точность прогнозирования означает более высокий ежегодный уровень генетических улучшений. Точность определения индексов племенной ценности (EBVs) и их влияние на рост генетических улучшений была рассмотрена в предыдущей статье, с которой можно ознакомиться здесь.
Genesus проводит исследования в области геномной селекции (GS) начиная с 2011 года. Мы подробно изучаем каждый признак, моделируя различные сценарии выбора GS, имитируя реальные структуры поголовья и их данные. Эти исследования помогли нам предсказать и проанализировать как преимущества, так и потенциальные проблемы, с которыми мы можем столкнуться во время внедрения метода геномной селекции (GS). Проведенные Genesus научные исследования показывают, при применении метода SSBLUP возрастает точность расчета показателей племенной ценности свиней, так, средний прогноз по точности определения признаков скорости роста (возраст достижения убойного веса в 120 кг, толщина хребтового шпика, глубина мышцы и так далее) вырос на 71%, 83% и 76% по таким породам, как Йоркшир, Ландрас и Дюрoк соответственно. Аналогичным образом, средняя точность прогноза по Дюрокам выросла на 44% по качественным признакам мяса (цвет, мраморность, pH и так далее) и на 88% для признаков качества туш (толщина подкожного жира, выход мышечной массы и вес парной туши). Данное повышение точности селекции свиней этой породы лишь подчеркивает то, что Дюроки от Genesus продолжат превосходить своих конкурентов по таким показателям, как скорость роста, эффективность конверсии корма, качество туш и пищевое качество мяса. Для материнских пород (Йоркшир и Ландрас) использование Одноэтапного геномного метода линейного несмещенного прогноза (SSBLUP) позволило повысить средний размер помета при рождении на 67%. Рост точности прогноза при проведении селекции позволяет нам рассчитывать наиболее точные индексы племенной ценности (EBV) и обеспечивать самый высокий уровень генетических улучшений для максимизации прибыльности производств клиентов Genesus.
Ссылки:
Christensen O. F., and Lund, M. S. (2010). Genomic prediction when some animals are not genotyped. Genetics Selection Evolution. 42, 2
Legarra A., Aguilar I., and Misztal I. (2009). A relationship matrix including full pedigree and genomic information. J of Dairy Sci. 92: 4656 – 4663
Meuwissen T. H. E., Hayes B. J., and Goddard M. E. (2001). Prediction of total genetic value using genome-wide dense marker maps. Genetics. 157:1819–1929
Samore A. B., and Fontanesi L. (2016) Genomic selection in pigs: state of the art and perspectives, Italian Journal of Animal Science, 15:2, 211-
