Валидация геномного прогноза племенной ценности быков-производителей по признакам молочной продуктивности дочерей на примере популяции черно-пестрого и голштинского скота

Автор: Сермягин А.А., Белоус А.А., Контэ А.Ф., Филипченко А.А., Ермилов А.Н., Янчуков И.Н., Племяшов К.В., Брем Г., Зиновьева Н.А.

Журнал: Сельскохозяйственная биология @agrobiology

Рубрика: Генетическая структура популяций

Статья в выпуске: 6 т.52, 2017 года.

Бесплатный доступ

Быстрое развитие молекулярно-генетических методов в селекции животных за последние десять лет привело к повышению интенсивности отбора в популяциях. Расширение перечня учитываемых хозяйственно полезных признаков молочного скота позволило увеличить возможности селекции по улучшению здоровья коров и изучению природы метаболического синтеза компонентов молока. Целью настоящей работы была валидация оценок геномной племенной ценности по признакам молочной продуктивности с использованием ядра популяции скота черно-пестрой и голштинской пород на основе полногеномных данных. Было проведено моделирование отбора в 124 стадах из Московской и Ленинградской областей на основании результатов геномной оценки племенной ценности в сравнении с оценкой по предкам и качеству потомства. Установлено, что отбор производителей на основе геномной информации корректирует оценку по родословной и уточняет прогноз племенной ценности животного, полученный по качеству потомства. Значения повторяемости геномных оценок племенной ценности были получены посредством валидации информации по родословной и геному для 100 быков с наличием данных как минимум по 300 дочерям. Выборка составила ядро создаваемой референтной региональной группы молочного скота. Для расчета аддитивной матрицы родства использовали 1050 предков. После контроля качества генотипирования в анализ было взято 39818 SNP. Процедура оценки животных основывалась на методах REML (restricted maximum likelihood estimation), BLUP SM (BLUP Sire Model), GBLUP (genomic BLUP). Среднегодовой генетический тренд по признакам молочной продуктивности в исследуемых популяциях составил за период с 1987 по 2006 год +60 кг молока по удою, +2,5 кг по количеству молочного жира, +1,5 кг по содержанию молочного белка. Повторяемость оценок, полученных по геному, ранжировалась от 0,371 до 0,606 для признаков молочной продуктивности, что в среднем превышало прогноз племенной ценности предков на 0,147. Точность оценки, полученной по качеству потомства, варьировала от 0,879 до 0,900 или была выше прогноза по геному на 0,405 ед. Изучены подходы по принципу формирования референтной популяции на основе анализа многомерного шкалирования и генетических дистанций, которые составили между региональными популяциями Fst = 0,0025. Показано разложение неравновесия по сцеплению между маркерами на дистанциях до 1000 т.п.н. Установлено, что на расстояниях от 5 до 70 т.п.н. степень сцепления достигала максимальных величин от 0,20 до 0,54. В рамках изучения метаболических путей синтеза компонентов молока получены селекционно-генетические параметры и MLS-оценки по расширенному составу молока: лактозе (h2 = 0,18), сухому веществу (h2 = 0,10), сухому обезжиренному молочному остатку (h2 = 0,19), точке замерзания молока (h2 = 0,06), оценке числа соматических клеток (h2 = 0,10) и концентрации мочевины (h2 = 0,04). По ряду признаков установлены значения аддитивной генетической изменчивости, указывающие на объективные возможности их использования в селекции молочного скота. Для получения достоверных полногеномных ассоциаций будет проводиться дальнейшее накопление базы компонентного состава молока коров по дополнительным спектрам. В процессе комплексных исследований обоснованы подходы по использованию геномных оценок, расширению референтной популяции и списка признаков количественного и качественного состава молока.

Еще

Геномная оценка племенной ценности, молочная продуктивность, референтная популяция, неравновесие по сцеплению, наследуемость, компонентный состав молока

Короткий адрес: https://sciup.org/142214093

IDR: 142214093   |   DOI: 10.15389/agrobiology.2017.6.1148rus

Список литературы Валидация геномного прогноза племенной ценности быков-производителей по признакам молочной продуктивности дочерей на примере популяции черно-пестрого и голштинского скота

  • Schaeffer L.R. Strategy for applying genome-wide selection in dairy cattle. J. Anim. Breed. Genet., 2006, 123: 218-223.
  • Смарагдов М.Г. Тотальная геномная селекция с помощью SNP как возможный ускоритель традиционной селекции. Генетика, 2009, 45(1): 725-728.
  • García-Ruiz A., Cole J.B., VanRaden P.M., Wiggans G.R., Ruiz-Lópeza F.J., Van Tassell C.P. Changes in genetic selection differentials and generation intervals in US Holstein dairy cattle as a result of genomic selection. PNAS, 2016, 113(28): E3995-E4004 ( ) DOI: 10.1073/pnas.1519061113
  • Taylor J.F., Taylor K.H., Deckera J.E. Holsteins are the genomic selection poster cows. PNAS, 2016, 113(28): 7690-7692 ( ) DOI: 10.1073/pnas.1608144113
  • Interbull Centre. Режим доступа: http://www.interbull.org/static/web/g_proddoc1708r.pdf. Дата обращения: 01.11.2017.
  • Vandenplas J., Gengler N. Strategies for comparing and combining different genetic and genomic evaluations: A review. Livest. Sci., 2015: 121-130 ( ) DOI: 10.1016/j.livsci.2015.09.012
  • Sullivan P.M. Defining a parameter space for GMACE. Interbull Bulletin, 2016, 50: 85-93.
  • Hayes B.J., Bowman P.J., Chamberlain A.J., Goddard M.E. Invited review: Genomic selection in dairy cattle: Progress and challenges. J. Dairy Sci., 2009, 92: 433-443 ( ) DOI: 10.3168/jds.2008-1646
  • Misztal I., Legarra A. Invited review: efficient computation strategies in genomic selection. Animal, 2017, 11(5): 731-736 ( ) DOI: 10.1017/S1751731116002366
  • Masuda Y., Misztal I., Tsuruta S., Legarra A., Aguilar I., Lourenco D.A.L., Fragomeni B., Lawlor T.L. Implementation of genomic recursions in single-step genomic BLUP for US Holsteins with a large number of genotyped animals. J. Dairy Sci., 2016, 99: 1968-1974 ( ) DOI: 10.3168/jds.2015-10540
  • Fragomeni B.O., Lourenco D.A.L., Masuda Y., Legarra A., Misztal I. Incorporation of causative quantitative trait nucleotides in single-step GBLUP. Genet. Sel. Evol., 2017, 49: 59 ( ) DOI: 10.1186/s12711-017-0335-0
  • Смарагдов М.Г. Анализ расположения локусов, влияющих на показатели молока, в хромосомах крупного рогатого скота. Генетика, 2008, 44(6): 829-834.
  • Смарагдов М.Г. Связь полиморфизма гена DGAT1 у быков-производителей с молочной продуктивностью коров. Генетика, 2011, 47(1): 126-132.
  • Смарагдов М.Г. Исследование связи аллелей генов рецептора гормона роста и рецептора пролактина у быков-производителей с молочной продуктивностью их дочерей. Генетика, 2012, 48(9): 1085-1090.
  • Sermyagin A.A., Gladyr’ E.A., Kharitonov S.N., Ermilov A.N., Strekozov N.I., Brem G., Zinovieva N.A. Genome-wide association study for milk production and reproduction traits in Russian Holstein cattle population. Agricultural Biology, 2016, 51(2): 182-193 ( ) DOI: 10.15389/agrobiology.2016.2.182eng
  • Weller J.I., Ezra E., Ron M. Invited review: A perspective on the future of genomic selection in dairy cattle. J. Dairy Sci., 2017, 100: 8633-8644 ( ) DOI: 10.3168/jds.2017-12879
  • Nayeri S., Sargolzaei M., Abo-Ismail M.K., May N., Miller S.P., Schenkel F., Moore S.S., Stothard P. Genome-wide association for milk production and female fertility traits in Canadian dairy Holstein cattle. BMC Genet., 2016, 17: 75 ( ) DOI: 10.1186/s12863-016-0386-1
  • Huang W., Peñagaricano F., Ahmad K.R., Lucey J.A., Weigel K.A., Khatib H. Association between milk protein gene variants and protein composition traits in dairy cattle. J. Dairy Sci., 2012, 95: 440-449 ( ) DOI: 10.3168/jds.2011-4757
  • Saatchi M., Garrick D.J., Tait Jr. R.G., Mayes M.S., Drewnoski M., Schoon-maker J., Diaz C., Beitz D.C., Reecy J.M. Genome-wide association and prediction of direct genomic breeding values for composition of fatty acids in Angus beef cattle. BMC Genomics, 2013, 14: 730 ( ) DOI: 10.1186/1471-2164-14-730
  • Filipejová T., Kováčik J., Kirchnerová K., Foltýs V. Changes in milk composition as a result of metabolic disorders of dairy cows. Potravinárstvo, 2011, 5(1): 10-16 (doi: 10.5219/113).
  • Hanuš O., Genčurová V., Zhang Y., Hering P., Kopecký J., Jedelská R., Dolínková A., Motyčka Z. Milk acetone determination by the photometrical method after microdiffusion and via FT infra-red spectroscopy. J. Agrobiol., 2011, 28(1): 33-48 ( ) DOI: 10.2478/v10146-011-0004-9
  • Jonkus D., Paura L. Estimation of genetic parameters for milk urea and milk production traits of Latvian Brown cows. Agriculturae Conspectus Scientificus, 2011, 76(3): 227-230.
  • Czajkowska A., Sitkowska B., Piwczynski D., Wójcik P., Mroczkowski S. Genetic and environmental determinants of the urea level in cow’s milk. Arch. Anim. Breed., 2015, 58: 65-72 ( ) DOI: 10.5194/aab-58-65-2015
  • Rzewuska K., Strabel T. The genetic relationship between reproduction traits and milk urea concentration. Anim. Sci. Pap. Rep., 2015, 33(3): 243-256.
  • Henno M., Ots M., Joudu I., Kaart T., Kart O. Factors affecting the freezing point stability of milk from individual cows. Int. Dairy J., 2008, 18: 210-215 ( ) DOI: 10.1016/j.idairyj.2007.08.006
  • Otwinowska-Mindur A., Ptak E., Grzesiak A. Factors affecting the freezing point of milk from Polish Holstein-Friesian cows. Ann. Anim. Sci., 2017, 17(3): 873-885 ( ) DOI: 10.1515/aoas-2016-0088
  • VanRaden P.M. Efficient methods to compute genomic predictions. J. Dairy Sci., 2008, 91: 4414-4423 ( ) DOI: 10.3168/jds.2007-0980
  • Misztal I., Tsuruta S., Strabel T., Auvray B., Druet T., Lee D.H. BLUPF90 and related programs (BGF90). Proc. 7th World Congress on genetics applied to livestock production. Montpellier, 2002, 28(28-27): 21-22.
  • Purcell S., Neale B., Todd-Brown K., Thomas L., Ferreira M., Bender D., Maller J., Sklar P., de Bakker P., Daly M.J., Sham P.C. PLINK: a toolset for whole-genome association and population-based linkage analysis. Am. J. Hum. Genet., 2007, 81(3): 559-575 ( ) DOI: 10.1086/519795
  • Pérez O’Brien A.M., Utsunomiya Y.T., Mészáros G., Bickhart D.M., Liu G.E., Van Tassell C.P., Sonstegard T.S., da Silva M.V.B., Garcia J.F., Sölkner J. Assessing signatures of selection through variation in linkage disequilibrium between taurine and indicine cattle. Genet. Sel. Evol., 2014, 46: 19 ( ) DOI: 10.1186/1297-9686-46-19
Еще
Статья научная