2026年动物驯化相关基因的选择信号分析：方法、案例与应用前景

2026年动物驯化相关基因的选择信号分析：方法、案例与应用前景汇报人：WPSCONTENTS目录01

动物驯化的遗传基础与研究意义02

选择信号分析的关键方法与原理03

2026年山羊驯化行为的遗传解析案例04

其他物种驯化相关基因的选择信号研究CONTENTS目录05

选择信号分析与GWAS的协同应用06

技术挑战与方法优化方向07

未来展望：从基础研究到育种应用动物驯化的遗传基础与研究意义01农业文明的物质基础动物的驯化，如山羊作为最早驯化的家畜之一，极大促进了人类农业文明进程，为人类提供了稳定的食物来源、劳动力和生产资料，改变了人类单纯依赖采集和狩猎的生存方式。社会结构与生产方式变革家畜的规模化养殖促使人类从游牧生活转向定居农业，推动了村落的形成和发展，进而促进了社会分工的出现，为手工业、商业等的发展奠定了基础，改变了原始的社会结构。文化与科技的衍生发展在与驯化动物长期共存的过程中，人类积累了关于动物饲养、繁育、疾病防治等方面的知识，催生了早期的畜牧技术和相关文化习俗，如对动物的图腾崇拜等，丰富了人类文明的内涵。动物驯化对人类文明的推动作用驯化过程中的表型与遗传变异关联

行为表型的遗传解析：以山羊驯服行为为例2026年姜雨教授团队研究发现，山羊15号染色体80kb受选择区域内的RRM1基因错义突变RRM1I241V与驯服行为显著相关，该突变在6500年前古代样本中首次出现，4000年前在家羊中迅速固定，通过CRISPR/Cas9编辑小鼠模型验证其影响神经突触相关通路及行为表型。

受选择基因与表型的功能验证策略针对选择信号分析筛选出的候选基因，可结合多组学分析（如大脑转录组）、基因编辑动物模型构建及行为学实验（如驯服实验、高架十字实验），揭示遗传变异对目标表型的调控机制，如RRM1I241V突变小鼠差异表达基因富集于谷氨酸能突触通路。

选择信号区域与关键表型的关联模式驯化过程中，受选择基因组区域常包含与重要经济性状或驯化特征相关的基因，如山羊STIM1-RRM1座位单倍型与逃逸距离表型显著关联，这种关联模式为从基因组选择信号追溯表型进化提供了直接证据，是解析驯化遗传机制的核心路径。选择信号分析在驯化研究中的核心价值

追溯驯化历史选择印记选择信号分析通过检测基因组受选择区域，能够揭示物种在自然选择或人工选择（驯化）下的基因组演化特征，为追溯驯化历程提供关键线索。

定位驯化相关关键基因如姜雨教授团队通过对现代家羊和野生群体的全基因组比较分析，利用选择信号确定了山羊15号染色体上包含STIM1和RRM1基因的80kb最强受选择信号区，与驯化行为相关。

解析驯化表型遗传基础选择信号分析可将基因组受选择区域与驯化过程中产生的表型变化相关联，例如山羊RRM1基因的错义突变RRM1I241V，经研究揭示对山羊驯服行为产生重大影响。

为分子育种提供定向靶点通过选择信号分析识别出的受选择基因位点，如与动物生长、抗病、行为等相关的基因，可作为分子标记应用于畜禽育种，加速培育具有优良性状的品种。选择信号分析的关键方法与原理02θπratio：基于核苷酸多样性的选择检测θπratio的核心定义与计算公式θπratio是通过比较两个群体的核苷酸多样性（π值）来检测选择信号的方法，计算公式为θπratio=π处理群/π对照群，其中π值表示群体内平均核苷酸差异程度。θπratio的选择信号指示标准θπratio偏离1指示选择作用：θπratio<1表明处理群基因组杂合度低于对照群，提示处理群受选择（如驯化群经历选择性清除）；θπratio>1则说明处理群杂合度更高，可能对照群受选择或处理群存在平衡选择。θπratio的技术优势与适用场景θπratio的优势在于直接反映杂合度变化，对“选择性清除”敏感，适用于快速识别受选择基因组区域，是解析物种在自然选择或人工选择（驯化）下基因组演化特征的重要工具。FST分析：群体遗传分化的量化指标

FST的核心定义与取值范围FST基于等位基因频率方差计算群体分化程度，取值范围为0到1。FST=0表示群体间无遗传分化，基因流充分；FST=1则表示群体完全分化，无共享等位基因。

FST与选择压力的关联机制高FST值表明基因组位点受歧化选择作用，即不同群体在特定环境或人工选择压力下产生遗传差异。FST值越大，群体间遗传分化越显著，选择信号越强。

FST在驯化研究中的典型案例姜雨教授团队在山羊驯化研究中，通过FST分析发现15号染色体80kb区域（包含STIM1和RRM1基因）呈现显著遗传分化，该区域与山羊驯服行为相关，为人工选择的关键靶点。

FST与其他方法的联合应用策略在选择信号分析中，FST常与θπratio结合使用：FST聚焦群体间分化，θπratio反映群体内多样性变化，二者联合可减少假阳性，提升受选择区域识别的准确性。Tajima'sD：中性演化检验的单群体方法Tajima'sD的核心原理

Tajima'sD基于等位基因频率频谱（SFS），通过比较观测与期望的遗传多态性（θW和θπ），检验基因组区域是否偏离中性演化。其取值范围无绝对界限，主要通过统计显著性判断选择作用。关键取值与生物学意义

D=0：符合中性演化，无明显选择压力；D<0：指示定向选择或群体扩张，低频等位基因比例过高；D>0：提示平衡选择或群体收缩，高频等位基因比例过高。数据要求与应用优势

仅需单群体基因组数据即可计算，适用于考古样本或缺乏对照群体的研究场景。在动物驯化研究中，可独立检测特定群体是否经历人工选择导致的遗传多样性偏离。与其他选择信号方法的差异

不同于θπratio、FST等依赖群体间比较的方法，Tajima'sD聚焦单群体内部的等位基因频率分布特征，能有效识别平衡选择等特殊选择模式，是多方法联合验证选择信号的重要补充。XPEHH的核心原理XPEHH（Cross-populationExtendedHaplotypeHomozygosity）通过比较两个群体的单倍型长度检测选择区域。基于连锁不平衡（LD）理论，受选择区域因“搭车效应”会保留较长的单倍型。XPEHH的判定标准当XPEHH值大于0时，表明处理群的单倍型更长，提示该群体在该区域受到选择；当XPEHH值小于0时，则意味着对照群的单倍型更长，表明对照群受到选择。XPEHH的应用优势XPEHH对正向选择高度敏感，尤其适用于驯化种的研究，能够有效揭示在人工选择压力下基因组发生的变化，为寻找与驯化相关的基因区域提供有力支持。XPEHH：基于单倍型长度的跨群体选择信号多方法联合分析：提升信号可靠性的策略

01多方法联合分析的必要性单一方法可能受群体结构、演化历史或统计误差影响产生假阳性，联合多种互补方法可显著提升选择信号检测的准确性和可靠性。

02常用联合分析方法组合θπratio与FST结合：θπratio关注群体内多样性变化，FST衡量群体间遗传分化，二者结合可减少假阳性，有效识别受选择区域，如驯化群受选择区域常表现为θπratio<1且FST值较高。

03联合分析的判定标准当某基因组区域在多种方法中均检测到显著信号（如θπratio显著偏离1、FST值处于top1%、Tajima'sD显著负偏），可判定为强选择信号区域，如姜雨教授团队在山羊驯化研究中通过多种方法确定15号染色体80kb受选择区域。

04联合分析在2026年研究中的应用趋势2026年动物驯化相关基因研究中，多方法联合分析（如θπratio、FST、XPEHH等）已成为主流策略，结合古代基因组数据和功能实验验证，能更精准定位与驯化性状相关的关键基因。2026年山羊驯化行为的遗传解析案例03研究背景：山羊驯化与行为表型的遗传机制

动物驯化的重要意义动物的驯化极大促进了人类农业文明进程，是人类社会发展的重要里程碑。

山羊作为驯化研究模型的优势山羊是最早驯化的家畜之一，其驯化过程中行为表型（如警惕性减弱）的改变为研究动物驯化的遗传机制提供了理想模型。

驯化行为遗传解析的挑战驯化动物与对应野生物种差异表型（尤其行为表型）的检测及相关基因型的鉴定一直是研究动物驯化研究的“关隘”。

关键科学问题：行为改变的遗传基础在驯化过程中，野生动物在驯化过程中发生了很大的变化，如警惕性减弱。是否存在导致行为学改变的关键遗传变异，仍然是一个未解之谜。全基因组选择信号定位：15号染色体受选择区域15号染色体受选择区域的确定姜雨教授团队通过对现代家羊和野生群体进行全基因组范围的比较分析，确定了山羊全基因组上最强的受选择信号区位于15号染色体上一段80kb的区域。受选择区域包含的基因该80kb的受选择区域包含两个蛋白编码基因STIM1和RRM1，这两个基因与神经递质运输和胚胎时期的神经管发育相关，且该基因座与人类儿童攻击性行为相关。受选择区域与驯化行为的关联基于新疆畜牧科学院的野山羊与家山羊的F2杂交群，检测发现杂交个体的逃逸距离（动物可容忍人靠近的最近距离）与STIM1-RRM1座位单倍型显著相关，推测该受选择区可能与驯化行为相关。RRM1基因I241V突变的功能验证古代样本中的突变固定特征约70个不同历史时期古代样本分析显示，RRM1第8外显子的错义突变RRM1I241V在6500年前的样本中首次被检测到，并在4000年前的家羊中迅速固定。物种间的高度保守性在整个四足动物近四亿年的进化过程中，RRM1I241V突变位点高度保守，几乎没有改变过。蛋白质结构改变分析该突变位点位于RRM1蛋白关键二聚化结构域，并临近S-site，结构预测显示RRM1I241V改变RRM1第236到246位氨基酸的疏水力。基因编辑小鼠模型的行为学验证通过CRISPR/Cas9基因编辑技术构建了RRM1I241V突变小鼠模型，经驯服行为实验、高架十字、旷场实验和社交实验等多种行为学实验，揭示了该突变影响了小鼠的多种行为表型。大脑转录组差异表达基因富集突变小鼠大脑转录组分析显示，差异表达基因主要富集于谷氨酸能突触等多种神经突触相关的信号通路。古代基因组与物种保守性分析证据古代样本关键突变的时空分布在山羊驯化研究中，约70个不同历史时期古代样本分析显示，RRM1基因第8外显子的错义突变RRM1I241V在6500年前样本中首次被检测到，并在4000年前的家羊中迅速固定，揭示了该突变在驯化过程中的选择优势。关键位点的跨物种保守性验证RRM1I241V突变位点在四足动物近四亿年的进化过程中高度保守，几乎未发生改变，其位于RRM1蛋白关键二聚化结构域并临近S-site，结构预测显示该突变改变了第236到246位氨基酸的疏水力，提示其功能重要性。现代群体与古代基因组的选择信号关联通过现代家羊和野生群体的全基因组比较分析，确定山羊15号染色体上80kb的最强受选择信号区包含STIM1和RRM1基因，与古代样本中RRM1I241V突变的固定模式一致，为驯化相关基因的选择提供了跨时空证据。基因编辑小鼠模型的行为学实验结果01驯服行为实验：逃逸距离缩短在模拟驯化场景的实验中，RRM1I241V突变小鼠对人类接近的平均逃逸距离较野生型显著缩短，表明其警惕性降低，驯服程度提升。02高架十字实验：焦虑水平下降突变小鼠在高架十字迷宫中进入开放臂的时间占比高于野生型，停留时长增加，提示其焦虑样行为减少，情绪调节能力发生改变。03旷场实验：探索行为增强旷场实验显示，RRM1I241V突变小鼠的总移动距离和中央区域活动时间均显著增加，表明其对新环境的探索意愿和适应能力增强。04社交实验：社会互动频率提高在同种个体社交测试中，突变小鼠主动接近同伴的次数、互动时长均高于对照组，显示其社交倾向和社会行为协调性提升。其他物种驯化相关基因的选择信号研究04猪重测序项目中的选择信号分析应用多方法联合检测策略影子基因猪重测序项目采用θπratio、FST、Tajima'sD和XPEHH等多方法联合分析，通过多重证据强化选择信号可靠性，减少假阳性。驯化相关基因组区域识别通过FST与θπratio结合分析，识别出处理群（驯化群）中核苷酸多样性显著衰减、群体间遗传分化异常突出的区域，这些区域为猪驯化相关的候选基因组区域。选择信号可视化与关键区域筛选绘制Fst和θπratio的结合分布图，以top1%的区域为阈值，橙色点标记驯化群受选择区域，为后续挖掘重要经济性状相关基因提供定向靶点。家禽驯化中经济性状相关基因的选择印记

生长速度相关基因的选择信号在鸡的驯化过程中，与生长速度相关的基因如IGF2BP1等常表现出显著的选择信号。通过θπratio分析发现，驯化群体该基因区域的核苷酸多样性显著低于野生群体（θπratio<1），提示经历了强烈的人工选择，以满足快速生长的育种需求。

产蛋性能相关基因的选择特征FST分析显示，高产蛋鸡品种与原始地方品种在FSHR等产蛋相关基因位点上存在高遗传分化（FST值接近0.5），表明这些基因在人工选择压力下发生了适应性进化，是产蛋性能提升的重要遗传基础。

肉质品质相关基因的选择模式Tajima'sD检验发现，与肌肉脂肪含量相关的PPARγ基因在驯化群体中呈现显著的负向偏离（D<0），提示该基因受到定向选择，其变异可能影响家禽肉质的风味和嫩度等经济性状。

抗病力相关基因的选择证据XPEHH分析表明，在抗病品种鸡中，MHCI类基因区域的单倍型长度显著长于易感品种（XPEHH>0），说明该区域在驯化过程中受到正向选择，有助于增强家禽对病原体的抵抗能力，保障养殖效益。反刍动物驯化相关基因的跨物种比较

驯化基因的保守性分析在反刍动物驯化过程中，部分基因表现出高度保守性。例如，与神经递质运输和神经管发育相关的STIM1和RRM1基因，不仅在山羊驯化中被发现是受选择的关键基因，在牛、绵羊等其他反刍动物的驯化研究中也检测到其受到选择压力，提示这些基因在反刍动物驯化行为改变中可能具有普遍作用。

物种特异性驯化基因挖掘不同反刍动物在驯化过程中也形成了物种特异性的受选择基因。如山羊中发现的RRM1基因的错义突变RRM1I241V，在6500年前的样本中首次被检测到，并在4000年前的家羊中迅速固定，该突变位点在整个四足动物近四亿年的进化过程中高度保守，而在其他反刍动物如牛的驯化研究中尚未发现该特异性突变，显示出不同反刍动物驯化的遗传差异。

选择信号分析方法在跨物种比较中的应用多种选择信号分析方法（如θπratio、FST、XPEHH等）被用于反刍动物驯化相关基因的跨物种比较。通过比较不同反刍动物群体的核苷酸多样性、遗传分化程度和单倍型长度等，可揭示不同物种在驯化过程中基因组受选择区域的异同，为理解反刍动物驯化的遗传机制提供多物种证据支持。选择信号分析与GWAS的协同应用05两种方法的根本区别：演化历史与性状关联

分析目标与生物学问题选择信号分析主要揭示群体演化历史中的选择作用，回答“哪些基因组区域经历了自然选择或人工选择”的问题；GWAS分析专注于个体表型变异的遗传基础，回答“哪些遗传变异与特定性状相关”的问题。

数据要求差异选择信号分析通常需要较高测序深度（建议≥30X），样本数量相对灵活，每个群体15-30个个体即可；GWAS分析可接受中等深度（10-15X），但样本数量要求较高（建议≥200），通常需要数百至数千个样本。

分析方法与算法差异选择信号分析基于群体遗传学参数（θπratio,Fst,XPEHH等），需要群体分组信息；GWAS分析使用R包rMVP（支持GLM、MLM和FarmCPU模型），需要个体表型测量值。

结果性质与验证需求选择信号分析反映历史选择事件（数百年至数千年），识别较大基因组区域（10kb-1Mb），需功能实验验证；GWAS分析反映当前群体中的基因-表型关联，可精细定位到单个SNP或基因，需独立群体验证和功能验证。选择信号分析：高深度与灵活样本量选择信号分析通常需要较高测序深度（建议≥30X），以准确估计等位基因频率和遗传多样性参数。样本数量相对灵活，每个群体15-30个个体即可检测到强选择信号，有研究表明即使小样本（n=20/群体）也能检测到显著信号。GWAS分析：中等深度与大样本需求GWAS分析可接受中等深度（10-15X），但需保证基因型分型的准确性。样本数量要求较高（建议≥200），通常需要数百至数千个样本以获得足够统计功效。数据要求对比：测序深度与样本规模结果验证与功能实验的互补策略

01多群体遗传验证：提升选择信号可靠性通过不同地理群体或近缘物种的选择信号交叉验证，可减少单一群体分析的假阳性。例如，在山羊驯化研究中，对现代家羊、野生群体及F2杂交群的联合分析，确认了STIM1-RRM1区域的选择信号与驯服行为的关联。

02古代DNA追溯：揭示选择信号的时间动态古代样本分析能明确选择信号的出现时间与固定过程。如山羊RRM1I241V突变在6500年前样本中首次被检测到，4000年前在家羊中迅速固定，为该突变与驯化的因果关系提供关键时间证据。

03基因编辑模型构建：直接验证基因功能利用CRISPR/Cas9等技术构建突变动物模型，可直观评估候选基因的表型效应。姜雨教授团队通过RRM1I241V突变小鼠模型，结合行为学实验，证实了该突变对动物驯服行为的直接影响。

04多组学整合分析：解析分子调控机制结合转录组、蛋白质结构分析等多组学手段，可深入解析选择信号区域的功能机制。例如，RRM1I241V突变小鼠的大脑转录组显示差异表达基因富集于谷氨酸能突触通路，揭示了该突变影响神经行为的分子基础。案例：肌肉发育相关基因的联合分析选择信号分析定位肌肉发育候选区域在猪重测序项目中，通过θπratio与FST联合分析，识别出肌肉发育相关基因所在的受选择区域，这些区域在驯化群体中表现出核苷酸多样性显著衰减和群体间遗传分化异常突出，为高产育种提供定向靶点。GWAS精准关联肌肉发育显著位点影子基因的GWAS分析利用曼哈顿图，在猪体重性状研究中，通过延伸100kb区域注释，富集到肌肉发育相关基因，并联合GO/KEGG富集到肌肉发育通路，为性状改良提供依据。选择信号与GWAS结果的交叉验证将选择信号分析发现的受选择基因组区域与GWAS定位的显著关联位点进行交叉验证，能有效缩小候选基因范围，提升肌肉发育相关基因挖掘的准确性，为牲畜育种提供更可靠的分子标记。技术挑战与方法优化方向06选择信号分析中的假阳性控制方法多方法联合验证策略通过结合θπratio、FST、Tajima'sD和XPEHH等多种选择信号检测方法，当某基因组区域在多个方法中均表现出显著信号时（如θπratio<1、高FST值和显著负Tajima'sD），可有效降低单一方法导致的假阳性。例如，FST关注群体间分化，θπratio关注群体内多样性改变，二者结合能强化选择信号的可靠性。严格的统计阈值设定采用top1%等严格的统计阈值来界定显著的选择信号区域，如在FST和θπratio的结合分布图中，以虚线标示top1%的区域作为受选择的候选区域，减少因随机波动产生的假阳性结果。群体结构校正与背景选择排除在分析前对群体结构进行评估和校正，避免因群体分层导致的虚假分化信号。同时，通过分析中性位点的遗传模式，排除背景选择等非适应性进化过程对选择信号检测的干扰，确保检测到的信号更可能源于正向选择。功能实验与独立样本验证对检测到的候选选择区域，通过功能实验（如CRISPR/Cas9基因编辑技术构建突变模型）验证其功能重要性，如姜雨教授团队在山羊驯化研究中，通过构建RRM1I241V突变小鼠模型并进行行为学实验，验证了该受选择位点的功能效应，从而排除假阳性关联。低深度测序数据的选择信号检测算法

低深度数据的挑战与预处理策略低深度测序（通常10-15X）易导致等位基因频率估计偏差和基因型分型错误，需通过基因型填充（Imputation）和质量控制（如过滤低覆盖度SNP）提升数据可靠性，为选择信号分析奠定基础。

基于等位基因频率谱的改进算法针对低深度数据特点，优化Tajima'sD等基于SFS的算法，通过合并相邻位点或利用贝叶斯方法估计等位基因频率，减少随机误差对选择信号检测的影响，提升对平衡选择或定向选择的识别能力。

群体分化与单倍型分析的适应性方法改进FST算法以应对低深度数据的群体分化估计偏差，结合XPEHH等单倍型方法时，通过延长单倍型块长度阈值或整合连锁不平衡信息，增强对驯化过程中选择清除信号的捕捉灵敏度。

多方法联合与机器学习整合方案采用θπratio、FST、XPEHH等多方法联合分析，并引入机器学习模型（如随机森林）融合不同方法结果，降低低深度数据下的假阳性率，提高选择信号检测的准确性和稳健性。样本保存与降解挑战古代DNA易受环境因素影响而降解，导致片段化严重、含量极低，难以满足选择信号分析对高测序深度（通常建议≥30X）的要求，可能影响等位基因频率估计的准确性。时间分辨率与选择事件匹配难题选择信号分析需明确选择事件的时间尺度，而古代样本的年代测定存在一定误差，且难以精确对应驯化等特定选择事件发生的关键时间点，如RRM1I241V突变在6500年前首次被检测到，但更早的演化动态可能被掩盖。群体代表性与样本量局限古代样本往往数量稀少，难以形成具有统计学意义的群体规模，限制了对群体内遗传多样性（如θπ