奶牛育种规划的概念、流程和应用

奶牛育种规划的概念、流程和应用

1科学和合理的育种规牛育种计划是指对牛群体的生产区和繁殖背景进行研究，根据特定的繁殖目标选择不同的繁殖方式，制定繁殖计划并优化流程。这是一个涉及多方面科学知识的研究领域。这是一项系统工程的计划，科学分配手段、技术、方法和措施。按照群体和选择周期的性质,奶牛育种规划主要包括静态育种规划和动态奶牛育种规划。静态育种规划主要指单个群体在一个选择周期内的育种成效,而在动态育种规划中要考虑多个群体以及多个选择周期,进行持续性种畜和基因交换的育种规划,目前在奶牛育种规划中主要采用的也是动态模型。按照生物繁殖技术基础分类,奶牛育种规划还可以分为人工授精(AI)育种体系和胚胎移植(MOET)育种体系,而目前在世界范围内应用最广的就是人工授精育种体系。我国现行的奶牛育种规划工作都是基于以人工授精为基础的后裔测定育种体系。奶牛育种规划的主要工作程序如下。1.1根据市场需求,对企业作为奶牛育种规划的起点,育种工作者首先应对有关地区的奶牛群体生产条件及育种技术应用情况进行详细的调查,并按照育种规划的要求给予定量的描述,另外对于奶制品的销售情况也应有比较详细的了解,因为育种规划是为了提高所在区域相关奶牛群体的总体经济效益,对于市场需求的了解有助于选择不同的经济性状,以期提高整个育种目标的科学性、前瞻性和实用性。1.2功能性状的选择和复配通过对规划实施地区奶牛群体的生产条件及乳制品市场需求的深入调查,就可以科学地、定量地制订一个具有市场前瞻性和适用性的育种目标,这是奶牛育种规划工作能否成功的必要前提。一般分为以下几个步骤。信息性状和目标性状的筛选:信息性状是指通过奶牛生产性能测定或者奶牛体型线性评分等测定手段在现场实践中能够得到表型值的奶牛性状,包括生产性能(产奶量、乳脂量、乳脂率、乳蛋白量和乳蛋白率)、体细胞数(SCC)或者体细胞评分(SCS)、尿素氮、体型评分等等。目标性状主要指在奶牛育种目标中所涉及的一些性状,包括生产性能(目前一般是采用乳脂量或乳蛋白量)、奶牛乳房健康、奶牛长寿性、奶牛繁殖能力和一些奶牛常见疾病的抗病性等等。但是由于奶牛长寿性、乳房健康(乳房炎发病率)、繁殖能力和疾病抗性等性状在现场实践中难于测定,并且这些性状(统称功能性状)的遗传力普遍较低(0.1左右),直接选择遗传进展效果并不理想,而这些功能性状在现场实践中的经济作用又不容忽视,因此只能选择一些与功能性状高度相关的,遗传力适中而且测定简单易行的性状,比如利用SCC代替乳房炎抗性、利用体型性状间接选择奶牛的繁殖性能和长寿性等。综合育种值的制订:通过目标性状和信息性状的筛选以及对于市场需求的预测,可以选择适当数量的性状进行综合育种值的制订。Ar=∑WiAi。式中:Ar为综合育种值;Wi为性状的经济加权因子;Ai为性状的一般育种值。综合育种值在反映各性状育种值的同时,还有效地将各性状进行经济性的数量化,便于比较不同育种规划的育种效果。另外Wi的计算公式如下:Wi=Wi*·ni。式中:Wi为性状的经济加权因子;Wi*为性状的边际效益;ni为性状的性状表现贴现值。边际效益的计算目前主要有4种方法,即多元回归法、差额法、生产函数法和最优化法,其中由于差额法直观明了,常被用来定义和计算边际效益。Vi=∑△Rij-∑△Cij。式中:Vi为性状i的边际效益;△Rij为性状的第j个边际产出组分;∑△Cij为性状的第j个边际投入组分。而性状表现的贴现量ni则是采用基因流动法计算得到的,在生产实践中表现较早或者重复表现的性状贴现量比较大。目前,我国采用的综合奶牛育种值是中国奶牛性能指数(CPI),式中:生产性能包括产奶量、乳脂率(F%)和乳蛋白率(P%);功能性状包括体型(T)、泌乳系统评分(MS)、肢蹄评分(FL)和体细胞评分(SCS),笔者认为这个综合育种值在生产性能性状的选择上还有些问题,比如产奶量和乳脂率、乳蛋白率性状之间的负相关以及生产性能所选性状过多等等。1.2.1后测与验证高校科学设计的用量和用量是后测公用和选选种、选配是家畜育种中最重要的两项任务,两者互相关联,互为因果。在目前以后裔测定为主的奶牛育种规划体系下,制订科学、合理的青年后测公牛和验证公牛的选配计划尤为重要。验证公牛用的太多,会使估计育种值的准确性提高,但同时增加了世代间隔,根据遗传进展的计算公式,这种选育效果并不理想;而青年公牛的大量使用虽然可以减少世代间隔,但是准确性以及选择强度均有所下降,最后的选育效果不理想。因此,适当比例的选择青年公牛和验证公牛是可行的,关键在于如何优化选配方案。1.2.2最优性选择原则目前,主要的奶牛育种方案都是以人工授精作为生物繁殖学基础的,随着生物繁殖技术和基因组选择技术的不断发展,也开发出了一些新技术背景的育种规划,比如MOET育种规划和基因组选择育种规划,而且由于传统的后裔测定育种体系世代间隔过长,育种方案投入太大,也一直是人们希望改善的目标,比如采用青年公牛育种体系适当代替后裔测定体系。由此可以发现,奶牛育种工作者对于奶牛育种规划”最优化”的研究始终没有停止过,根据之前所做的工作制订多套候选育种方案,然后逐一进行筛选也是十分必要的。育种方案的最优化主要是指该育种规划对于经济效益、性状的遗传改良和其他社会效益是否有明显的提高,在考虑育种规划最优化时,不仅要考虑其经济效益,育种规划对于目标性状或信息性状的遗传改进效果,育种规划选择的准确性也是一个重要的衡量“最优化”的指标。传统的人工授精后裔测定育种体系最突出的优点就在于对于目标性状的选择准确性非常高,而且对于公牛的选择强度也很大,这就保证了这个育种方案的遗传进展,但是它的缺点也是十分明显,如世代间隔长、优秀母牛对于群体改良的作用太小、对于一些功能性状(长寿性、繁殖力和抗病性等)选育效果较差等等。MOET育种规划在青年公牛的选择和种子母牛的选择方面与人工授精育种体系相比有较大的改善,而且在一定程度上缩短了世代间隔,但是由于其胚胎的使用成本以及胚胎牛在繁殖方面存在的一些问题,在现场实践中也难以得到大面积的推广。此外,随着全基因组测序技术的不断发展,以单核苷酸多态性(SNP)信息估计青年公牛育种值的手段(基因组选择)逐渐得到人们的重视,其优点在于大大缩短了世代间隔,平均为3.306年,育种成本降低了约50%。因此,不同育种方案育种效果的对比成为目前奶牛育种规划研究的热点之一。2组合选择技术的概念和应用2.1单倍型遗传效应估计基因组选择(GenomicSelection,GS)方法是利用基因芯片技术实现规模化的SNP标记多态检测。基于各国积累的大量后裔测定遗传评估结果,实现单个遗传标记或多个遗传标记构成单倍型的遗传效应估计。随着基因组计划的不断发展,相关研究在全基因组范围内发现了数量巨大的SNP标记,该成果为遗传学提供了丰富的数据资源。同时也为育种实践提供了新思路,即利用高密度覆盖基因组的SNP标记多态信息,基于连锁不平衡的理论估计基因组全部染色体片段的遗传效应,进而预测新生动物的遗传价值,实现早期选择。基因组选择的方案利用现代分子生物学技术,突破了传统标记辅助选择(MAS)仅能准确验证部分QTL信息的瓶颈,而且检测成本不断降低,目前已逐步成为一些畜牧业发达国家新的育种策略。2.2组合选择技术的应用2.2.1德国牛奶基因组选择的发展由于美国的相关机构和育种企业在美国农业部的统一协调,北美地区在奶牛基因组选择的研究与实践方面发展迅速。由于美国和加拿大奶牛的遗传联系性较高,两国联合构建了由3576头荷斯坦验证公牛构成的资源群体(并保持增长),采用IlluminaBovineSNP50芯片进行标记基因型检测。标记基因型效应的估计采用传统的BLUP法和改进的Bayesian法进行。基因组育种值(GEBV)的计算同时考虑系谱信息与基因组预测信息,采用选择指数法的原则进行合并。在美国地区公布的基因组育种值结果中,各性状基因组育种值的平均可靠性达50%以上,远高于传统父母均值的预测可靠性。2009年1月份,美国首次公开发布奶牛基因组选择的评定结果,并且完全接纳基因组信息作为官方种公牛评定发布的信息来源,即综合传统评定结果与GEBV进行公牛排名。加拿大奶牛基因组选择项目由加拿大圭尔夫大学的家畜遗传改良中心(CGIL)、加拿大奶业网(CDN)与美国相关机构合作同平台开展。2009年8月份,加拿大首次公布其育种体系下的奶牛基因组选择遗传评估结果。对于青年公牛和青年母牛,加拿大公布的基因组育种值综合考虑系谱信息与直接基因组评估值(DirectGenomicValue,DGV)(性状平均权重比例为35∶65)平均可靠性达60%;对于成母牛(无后代女儿信息)综合考虑传统育种值(EBV)和DGV(性状平均权重比例为45∶55)平均可靠性达70%;对于具有后代女儿信息的成年母牛和验证公牛考虑EBV与DGV的性状平均权重比例为50∶50,平均可靠性达90%。加拿大奶牛育种组织对于基因组育种值的应用相对谨慎,所发布的官方公牛排名仍使用传统后裔测定育种值进行排序,仅对各公牛进行基因组育种值的标注。对母牛而言,加拿大官方同时公布传统育种值排名及基因组育种值排名,以供参考。近年来,荷兰奶牛育种技术的研发处于国际领先水平,以CRV公司为代表的奶牛育种企业对包括基因组选择的先进奶牛育种技术起到有力支撑。2009年,荷兰地区奶牛基因组选择的参考群体为近1600头验证公牛,采用自主设计的基因芯片(近6万个SNP)进行基因组标记基因型的测定,其中用于基因组选择的有效标记数达4.75万个。标记基因型效应采用基于Gibbs抽样的方法进行计算。荷兰地区基因组选择的研究表明,相对于父母均值(ParentAverage,PA),乳蛋白率基因组育种值可靠性高出33%,其他性状的可靠性也均有显著提升。于2008年8月份,荷兰官方公布奶牛基因组育种值成绩(综合考虑系谱与基因组信息)。2009年7月份,CRV公司采用Insire品牌开始销售基因组选择青年公牛的冻精,出于谨慎,产品以打包形式进行出售,即最少同时选择6头基因组选择公牛,购买总计60支以上的冻精产品包。2009年8月份,德国首次官方公布荷斯坦牛的基因组育种值评估结果,但仍使用传统后裔测定育种值作为官方公牛排名的唯一标准。德国奶牛基因组选择项目由德国荷斯坦牛协会(DHV)和数据中心(VIT)为主联合运行,资源群体规模近4000头,基于BLUP法进行SNP效应估计。结果表明,DGV、生产性状的GEBV可靠性可达75%;低遗传力性状,如女儿繁殖力的GEBV的可靠性也可达59%。德国荷斯坦牛的育种体系结构严谨,测定和各项记录广泛,奶牛次级性状基因组选择的发展具有相对优势。2009年6月份,法国正式公布奶牛基因组选择的评估结果。该项目具体由法国农业科学院(INRA)执行,资源群体规模约2000头。与其他国家的基因组选择策略不同,法国对其原有的MAS体系进行升级。通过基因组信息的分析,在MAS模型中增加对性状影响较大的主要SNP标记信息,使用原有体系进行动物基因组育种值的估计。法国对于官方奶牛基因组信息的发布保持谨慎,使用单独列表进行公布。丹麦、瑞典、芬兰形成联合育种体系(VikingGenetics),于2009年7月份官方公开发布奶牛基因组评估的结果,其资源群体规模约3000头。青年公牛的基因组育种值采用分级形式表示,区别于验证公牛。作为欧洲奶牛基因组选择项目发展的里程碑式事件,欧洲联合基因组选择体系(EuroGenomics)于2010年3月份,由合作伙伴共同组建IlluminaBovineSNP50芯片为基因组SNP标记检测通用平台,参考群体规模为16000头验证公牛的联合项目,群体融合北美与欧洲地区的荷斯坦牛遗传血统,构建几乎完整覆盖荷斯坦牛遗传变异的基因组选择资源群体。资源群体公牛的后代女儿超过1900万,信息完整可靠。结果表明,欧洲联合后的基因组育种值估计可靠性将提高约10%。该项目的顺利实施与开展极大提升了欧洲在奶牛基因组选择领域的竞争优势。2.2.3snp标记分型检测澳大利亚和新西兰是大洋洲主要的奶牛养殖国家,其中奶业更是新西兰的支撑产业。2008年,新西兰首次公开发布基因组选择结果,首次发布的基因组育种值可靠性为50%~55%。同年包括荷斯坦牛、娟姗牛以及新西兰杂交(Kiwicross)在内的主要奶牛品种,使用基因组选择公牛精液的比例达15%。新西兰同样使用IlluminaBovineSNPS0芯片进行基因组SNP标记的分型检测,总体测定规模达4500头(包括3个品种的青年公牛),其中荷斯坦验证公牛近2400头。标记基因型的估计采用BLUP法进行。目前,新西兰官方公布的公牛基因组综合育种值的平均可靠性达60%左右。新西兰在使用基因组选择青年公牛上,保持谨慎乐观的态度,目前新西兰最大的奶牛育种公司(LIC)官方建议购买使用成组的基因组选择公牛,以保证群体实现预期遗传进展的可靠性。据LIC公布数据,使用18头可靠性在60%左右的基因组选择青年公牛,其总体可靠性可达98%。澳大利亚的奶牛基因组选择项目所构建的参考群体规模相对有限,约为800头。标记检测同样采用IlluminaBovineSNP50芯片。在相关报道中,澳大利亚采用BLUP法以及多种基于Bayesian的方法对本国奶牛基因组选择的可靠性进行评估。但局限于其资源群体规模,其综合育种指数ASI(AustralianSelectionIndex)与APR(AustralianProfitRanking)的基因组预测可靠性分别约为45%、54%,单个性状的基因组育种值估计可靠性则相对较低。2.2.4牛奶基因组选择可靠性影响因素奶牛基因组选择的育种方案,极大地突破了奶牛育种世代间隔的约束瓶颈,提高传统育种效率,进而为奶牛育种企业提高效益提供新途径。通过基因组选择可以实现初生公牛的早期选择,进而可以节约待定青年公牛的养殖成本,提高乳用种公牛的平均选育效益。通过直接销售基因组选择公牛的冻精,不仅缩短了奶牛育种的世代间隔、增加遗传进展,同时更直接降低了奶牛育种企业的运行成本,增加企业收益。因此,奶牛基因组选择受到各国相关企业的大力支持,发展异常迅速;但同时以欧洲和加拿大为代表的许多国家也纷纷表示目前完全使用基因组选择公牛具有一定风险。除美国以外,开展奶牛基因组选择的国家不约而同地选择打包销售或者单独发布结果的模式,以规避或提示相关风险。参考相关研究,影响奶牛基因组选择可靠性的主要因素包括使用标记的数量或密度以及标记与功能基因之间的连锁不平衡关系、参考群体的规模及信息的可靠程度、性状本身的遗传特性等。在现有客观条件下,用于奶牛基因组选择的标记数量或密度基本达到要求,检测自动化且成本逐步降低,并有望在短期内再次实现突破性的技术发展。欧洲联合基因组选择项目(EuroGenomics)的运行,建立起世界最大规模的奶牛基因组选择资源群体。同时随着各地区基因组选择项目的运行及数据积累,参考群体规模也将不断扩展。从理论基础与实践形势分析,基于基因组选择的奶牛育种体系,由于育种企业的现实与预期利益支撑,以及体系本身的育种效率优势,该领域有望在短期内构架起为各国奶牛育种体系所共识的标准常规模式,进而带动奶牛育种行业的整体产业升级。3青年公通过扩大的遗传参数与snp的计算,还增加了适用于青年登记的传统动物模型的计算方法基因组选择技术给奶牛育种带来了新动力,它不仅为奶牛遗传评估提供了全新的技术手段,也为传统的奶牛育种规划带来了非常必要的改进。根据相关研究,通过SNP信息估计GEBV的准确性已经达到70%以上,这就给青年公牛和母牛的早期选择提供了遗传依据,而且在传统动物模型的计算方面也发生了变化,由过去的关注系谱信息到关注SNP的效应值,而且还开发了许多基因组选择下GEBV的计算方法,如传统BLUP法、TA-BLUP法和贝叶斯法等等。而目前在基因组选择研究领域最值得关注的问题就是育种值真值(一般采用后裔测定估计的育种值)和GEBV之间的相关性,也就是基因组选择的准确性(rmg)的大小,另外关于基因组选择育种规划与后裔测定育种规划选育效果对比的研究也非常多,文章将针对这些热点问题一一阐述,详细介绍基因组选择技术在奶牛育种规划中的应用情况。3.1代或者部分取代cptp的研究Henderson等人指出人工授精对以后裔测定为基础的奶牛育种规划起到了巨大的推动作用,增加了后裔测定育种规划(CPTP)的遗传评估的准确性,加快了优秀种公牛遗传资源在奶牛群体的覆盖效率。但是CPTP的世代间隔过长,育种投入巨大,这些问题一直困扰着育种工作者,尽管有许多人提出采用其他的生物学或繁殖学技术来改进CPTP,如胚胎移植,标记辅助选择等,但实际效果均不理想。基因组选择技术的出现给育种规划设计的革新带来可能性。围绕如何应用基因组选择奶牛育种规划(GBP)来取代或者部分取代CPTP的研究越来越多,文章将这些研究内容总结如下:1)CPTP和GBP的选育流程图,见图1、图2。通过这个流程图的对比,可以清楚地看到GBP在青年公牛和种子母牛的早期选择方面存在较大优势,Schaeffer等人曾经指出,基因组选择在青年动物个体早期选择的应用实际上在种子母牛方面应用效果更好。通过GBP的早期选择,缩短了群体遗传选育的世代间隔,避免了CPTP待定公牛的4.5年的漫长等待期和庞大的育种支出。2)CPTP和GBP的基因流动矩阵,见表1、表2。PB1为用于青年公牛父亲遗传资源或者种子母牛父亲遗传资源的验证公牛;HC2为参与品种登记的种子母牛;YB3为用于母牛父亲遗传资源的青年公牛;HC4为用于母牛母亲遗传资源的注册母牛。YB1为已知基因型、没有女儿牛生产记录并且用于青年公牛父亲遗传资源或者种子母牛父亲遗传资源的青年公牛;HC2为参与品种登记的种子母牛;HC3为用于母牛母亲遗传资源的注册母牛;YB-D4为已知基因型、有女儿牛生产记录并且用于种子母牛父亲遗传资源的青年公牛。3)CPTP和GBP生物学和育种技术参数间的差异,2种育种规划的生物学和育种技术参数的差异见表3。YB1为青年公牛;YB-D2为已知基因型并且有女儿牛生产记录的青年公牛。由表3可知,基因组选择育种规划虽然在基因组测序方面花费了一定的育种投入(250欧元/头),但是却大大缩短了世代间隔,节约了在待定公牛等待期期间的育种投入,大幅度降低了整个育种规划的投入成本。而如果要求已知基因型的青年公牛有女儿牛的生产记录则又延长了奶牛群体的育种选育的世代间隔;但是针对某些功能性状,这种育种方案与后裔测定育种方案相比更有效,如肢蹄病抗性等等。3.2ssnp标记和参考群体遗传的估计目前,有研究表明,基因组选择准确性rmg只能达到0.7,还无法完全取代后裔测定育种体系,但是随着基因组选择技术的不断发展,相信在不久的将来基因组选择准确性rmg会达到人们预期的要求。为了提高基因组选择准确性,必须充分了解影响rmg的各个因素,并且了解这些因素对于rmg的影响机理,有学者研究发现影响rmg的4个因素,它们分别是:1.标记与QTL(数量性状因基座)的连锁不平衡程度(LD);2.参考群体中具有表型值和基因型值的个体数量;3.育种规划中所选择的目标性状(信息性状)的遗传力或者经过反回归处理的估计遗传力的可靠性;4.QTL效应的分布。其中,第3项、第4项在试验中无法控制,因此在这里就不详细叙述了。关心的最重要的2个因素就是标记与QTL之间的LD,以及参考群体具有有效数据(表型值和基因型值)的个体。1)标记与QTL之间的LD程度:基因组选择的前提背景就是SNP标记与QTL之间有足够的LD值,只有这样才能通过标记的效应来预测QTL在群体和世代间遗传的效应。标记与QTL之间的LD程度可以用一个参数r2来表示,即基因重组率的平方。M.Lillehammer等通过模拟计算发现,当基因组选择准确性达到85%时,标记与QTL之间的LD程度必须达到r2≥0.2;而Calus等人通过模拟计算2个相邻的标记之间的平均r2发现,随着r2的升高,rmg呈显著的下降趋势。2)参考群体的大小:目前在北美、欧洲和澳洲大多是采用公牛及其女儿牛的群体作为参考群体,其参考群体内具有表型值和基因型值的公牛和女儿牛数量比较多,而我国由于后裔测定数量有限,每