李秋夢，張向吉吉，王起山，馬裴裴*，潘玉春,2*

（1.上海交通大學農(nóng)業(yè)與生物學院，上海200240；2.上海市獸醫(yī)生物技術重點實驗室，上海200240）

1 RFI的概念

RFI是實際采食量與用于維持需要和生長的預測采

隨著近年來耕地面積和養(yǎng)殖用地不斷縮減，養(yǎng)豬業(yè)的生產(chǎn)成本不斷提高。因此提高豬的飼料轉化效率，并選擇科學合理的指標作為育種目標性狀已成為育種者們重點關注的問題。近百年來，衡量豬飼料轉化效率的指標在不斷優(yōu)化，尤其是隨著電子飼喂設備出現(xiàn)，剩余采食量（Residual Feed Intake，RFI）這一指標逐漸地被應用于豬的遺傳育種中。RFI是衡量飼料轉化效率的指標之一，通過建立采食量（Feed Intake，F(xiàn)I）與生產(chǎn)性能和代謝體重的多元線性回歸獲得[1]。因此，如何建立線性回歸成為影響RFI統(tǒng)計結果的關鍵因素之一。相關研究顯示，目前世界上關于RFI的統(tǒng)計模型眾多且并沒有統(tǒng)一的規(guī)范，且在不同的統(tǒng)計模型中RFI的遺傳參數(shù)及其候選基因也并不統(tǒng)一。本文主要介紹幾種豬RFI統(tǒng)計模型，并且對各種方法進行綜述，期望能夠為育種者提供思路，滿足豬遺傳育種的需求。食量的差值[2]。RFI是一個中等遺傳力性狀，具有較好的選擇反應，且RFI是一個負向選擇的飼料轉化效率指標，即RFI越小，表示其飼料轉化效率越高[3]。

2 估計RFI統(tǒng)計模型

關于RFI的統(tǒng)計模型在不斷的更新和完善中，從一開始采用平均日采食量（Average Daily Feed intake，ADFI）與開測體重（Starting Weight，OnBW）、平均日增重（Average Daily Gain，ADG）建立多元線性回歸獲得，到后來逐漸加入結測體重（OffBW）、中期代謝體重（Metabolism Middle Body Weight，MBW）、背 膘 厚（Back Fat，BF）、 眼 肌 面 積（Loin Eye，LEA）等，各個國家和地區(qū)也都基本形成了適合當?shù)氐腞FI統(tǒng)計模型。

1963年Koch等[2]提出建立采食量與增重的線性回歸求得RFI。Hoque等[4]采用4種模型對RFI和生長性狀進行7個世代的選擇：RFI1運用開測日齡（Starting Age，OnAGE）、體重（Body Weight，BW）、ADG與ADFI建立多元線性回歸：RFI1=ADFI-（b1×OnAGE+b2×BW+b3×ADG）；RFI2運 用 OnAGE、BW、ADG、BF與ADFI建立多元線性回歸：RFI2=ADFI-（b1×OnAGE+b2×BW+b3×ADG+b4×BF）；RFI3運用 OnAGE、BW、ADG、LEA與ADFI建立多元線性回歸：RFI3=ADFI-（b1×

OnAGE+b2×BW+b3×ADG+b4×LEA）；RFI4運用 OnAGE、BW、ADG、LEA、BF與ADFI建立多元線性回歸：RFI4=ADFI-（b1×OnAGE+b2×BW+b3×ADG+b4×LEA+b5×BF）。Rauw等[5]提出運用ADG、MBW、OnAGE、BF與ADFI建立多元線性回歸求得預測采食量 ：RFI=ADFI-（b1×ADG+b2×MBW+b3×OnAGE+b4×BF），首次將 MBW加入到RFI的統(tǒng)計模型中。Gilber等[6]在之后提出了新的統(tǒng)計模型，通過建立ADG、MBW、瘦肉率（Lean Meat Content，LMC）與ADFI的多元線性回歸求得預測采食量：RFI=ADFI-（b1×ADG+b2×MBW+b3×LMC），首次將屠宰性狀加入到了RFI的統(tǒng)計模型中，同時該研究還通過建立ADG、活體BF與ADFI的多元線性回歸求得預測采食量。Cai等[7]使用新的RFI統(tǒng)計模型對大白豬進行4個世代的選育時，通過建立OnAGE、OnBW、OffBW、ADG、BF與ADF建立多元線性回歸：RFI=ADFI-(b1×OnAGE+b2×OnBW+b3×OffBW+b4×ADG+b5×BF），首次將OffBW加入到RFI的統(tǒng)計模型中。法國農(nóng)科院Saintilan等[8]運用ADG、MBW、BF、屠宰率（Dressing Percentage ，DP）、LMC與ADFI建立多元線性回歸求得預測采食量：RFI=ADFI-(b1×ADG+b2×MBW+b3×LMC+b4×DP+b5×BF），首次使用了DP這一參數(shù)。之后，RFI的統(tǒng)計模型主要在參數(shù)選擇上產(chǎn)生了新的組合和變化，鮮有新參數(shù)加入到RFI的計算中。Fan等[9]運用MBW、BF、ADG與ADFI建立多元線性回歸：RFI=ADFI-（b1×ADG+b2×MBW+b3×BF）。Gorbach 等[10]運 用OnBW、OffBW、MBW、ADG、BF與 ADFI建 立 多元線性回歸：RFI=ADFI-（b1×MBW+b2×OnBW+b3×O ffBW+b4×ADG+b5×BF）。Onteru 等[11]運 用 OnBW-40、OffBW-115、MBW、ADG、BF與 ADFI建 立多元線性回歸：RFI=ADFI-[b1×MBW+b2×（OnBW-40）+b3×（OffBW-115）+b4×ADG+b5×BF]。Do 等[12]分別運用OnBW、ADG與ADFI建立多元線性回歸：RFI=ADFI-（b1×OnBW+b2×ADG），另運用 OnBW、ADG、BF與ADFI建立多元線性回歸：RFI=ADFI-（b1×OnBW+b2×ADG+b3×BF）。Ramayo-Caldas 等[13]運用MBW、ADG、BF與ADFI建立多元線性回歸：RFI=ADFI-（b1×ADG+b2×MBW+b3×BF）。Godinho等[14]運 用 OnAGE、OnBW、OffBW、ADG、BF與ADFI建立多元線性回歸：RFI=ADFI-(b1×OnAGE+b2×OnBW+b3×OffBW+b4×ADG+b5×BF）。Coyne 等[15]運用ADG、MBW與FI建立多元線性回歸：RFI=FI-（b1×DG+b2×MBW）。以上模型中，b為偏回歸相關系數(shù)。

根據(jù)以上研究可以看出，豬RFI的統(tǒng)計模型眾多且各不相同，參數(shù)選擇差異較大，但多數(shù)模型中都加入了ADG、BF等參數(shù)，而OnAGE逐漸從模型中被移除，從MBW首次被應用于RFI的計算中后，越來越多的模型中考慮了這一參數(shù)，并且開測體重也逐漸地被加入到了模型中。只有少部分模型中使用了屠宰性狀，這可能與屠宰性狀難以統(tǒng)計、不方便應用于豬的遺傳育種中有關。只有極少數(shù)的模型中應用了LEA這一參數(shù)。在豬RFI統(tǒng)計模型中，較少使用FI作為參數(shù)，大多使用ADFI進行計算。

3 不同統(tǒng)計模型下RFI的遺傳參數(shù)

3.1 遺傳力 Hoque等[4]采用4種模型估計了杜洛克群體的RFI，并計算出RFI的遺傳力為0.20～0.38。其中，當模型中包含BF參數(shù)時，遺傳力（0.20～0.22）明顯低于不包含BF參數(shù)的遺傳力（0.33～0.38）。Do等[16]采用2種模型分別對杜洛克、長白豬、大白豬3個群體估計了RFI：RFI1是通過開測體重、ADG與ADFI建立多元線性回歸求得，杜洛克群體和長白群體RFI的遺傳力均為0.34，大白群體RFI的遺傳力0.39；RFI2在RFI1的基礎上加入了BF參數(shù)，此模型計算的RFI其遺傳力（杜洛克群體RFI的遺傳力為0.38，長白群體RFI的遺傳力為0.36，大白群體RFI的遺傳力為0.40）均高于未加BF參數(shù)的模型，這與Hoque等[4]的研究結果相悖。Saintilan等[17]分別采用2種模型對大白豬的RFI進行計算：通過ADG、BF與ADFI建立多元線性回歸求得的RFI1遺傳力為0.16；通過ADG、MBW、胴體BF、LMC與ADFI建立多元線性回歸求得RFI2遺傳力同樣為0.16。Sánchez等[18]計算杜洛克群體的RFI及其遺傳力時通過MBW、ADG、BF與ADFI建立多元線性回歸的模型計算RFI的遺傳力為0.12。Onteru等[11]采 用 OnBW-35、OffBW-115、MBW、ADG、BF與ADFI建立多元線性回歸模型對杜洛克群體進行分析時，算得RFI的遺傳力為0.52。蒲蕾[19]參考Onteru等[11]研究的模型對杜洛克群體進行分析時，算得RFI的遺傳力為0.12。Coyne等[15]采用ADG、MBW與ADFI建立多元線性回歸計算預測采食量模型對大白、長白、長×大、大×長4個群體進行分析時，計算RFI的遺傳力約為0.17。

以上研究結果顯示，RFI的遺傳力受實驗對象、環(huán)境因素、統(tǒng)計模型等多種因素影響，相同的實驗對象采用不同的統(tǒng)計模型得到的結果不盡相同；反之，相同的統(tǒng)計模型采用不同的實驗對象得到的結果也不盡相同。RFI的遺傳力相差較大主要取決于參數(shù)之間的相關關系[1]。但總體來看，RFI的遺傳力為0.12～0.52，屬于中等遺傳力性狀，具有較好的選擇反應。

3.2 遺傳相關

3.2.1 RFI與生長性狀的遺傳相關 Hoque等[4]采用4種模型估計杜洛克群體的RFI與ADG的遺傳相關為0.16～0.23，與LEA呈較強的負遺傳相關，為-0.30～-0.60；當模型中不包含BF時，RFI與BF及ADFI呈現(xiàn)很強的正遺傳相關（0.76～0.78）。這與Johnson等[20]采用相同的4種模型對大白豬群體RFI及其遺傳相關的計算結果類似。同時，該團隊在估計杜洛克和長白豬群體RFI時，采用了2種不同的統(tǒng)計模型[21]，2種方法主要差異在于是否在模型中加入了BF參數(shù)，結果顯示無論哪種模型，RFI與ADG的遺傳相關差異不大，為0.02～0.05，與MBW的遺傳相關為-0.16～-0.12，當模型中不包含BF參數(shù)時，RFI與BF的遺傳力為0.40～0.46。這也與后來Do等[16]采用相同方法對杜洛克、長白、大白3個群體的研究結果一致。Coyne等[15]采用ADG、MBW與ADFI建立多元線性回歸計算預測采食量模型對大白、長白、長×大、大×長4個群體進行分析，發(fā)現(xiàn)RFI與96日齡豬體重的遺傳相關為0.46，與FI的遺傳相關為0.65～0.92。Sánchez等[18]計算杜洛克群體的RFI及其遺傳力時，通過MBW、ADG、BF與ADFI建立多元線性回歸的模型計算的RFI與中期代謝體重所需飼料（FI/MW）遺傳相關為-0.46，與生長所需飼料（FI/WG）遺傳相關為0.75，與脂肪堆積所需飼料（FI/FG）遺傳相關為0.52。

以上結果表明，RFI與BF呈現(xiàn)較強的正遺傳相關，即當降低RFI的選擇會導致背膘變薄，因此如果育種目的是提高飼料轉化效率并且降低BF，模型中不要加入BF參數(shù)。RFI與眼肌面積、MBW呈現(xiàn)較強的負遺傳相關。由于幾乎各種模型中都加入了ADG參數(shù)，因此難以看出RFI與ADG之間的遺傳相關，僅從以上的研究中可以發(fā)現(xiàn)RFI與ADG呈正遺傳相關。

3.2.2 與采食行為的遺傳相關 Do等[16]采用了2種不同的統(tǒng)計模型（差異在于是否考慮BF）在估計杜洛克、長白、大白3個群體的RFI時，無論何種統(tǒng)計模型，RFI與每日采食時間的遺傳相關在杜洛克群體中為0.20～0.25，大白群體中為0.20～0.21，長白群體中為0.33～0.41；RFI與每日采食次數(shù)之間的遺傳相關在杜洛克群體中為0.40～0.44，大白群體中為0.33～0.38，在長白群體中出現(xiàn)差異，未考慮BF模型為0.26低于考慮BF模型的0.49；RFI與每次采食的采食時間之間的遺傳相關在杜洛克群體中為-0.31～ -0.28，大白群體中為 -0.30～ -0.33，長白群體中為 -0.32～-0.34；RFI與每次采食的采食量之間的遺傳相關，在杜洛克群體中為-0.16～-0.21，長白群體中為-0.30～-0.34，在大白群體中出現(xiàn)較大差異，未考慮BF模型為正遺傳相關（0.20）；考慮BF模型為負遺傳相關（-0.28）。

Shirali等[22]通過ADG、LMC與FI建立多元線性回歸的模型計算了丹麥地方豬群體的RFI及其遺傳參數(shù)，RFI與每天進食時間的遺傳相關平均為0.38，與采食次數(shù)的遺傳相關平均為0.07，與進食率的遺傳相關平均為0.07。

這些結果表明，RFI統(tǒng)計模型的差異對RFI與采食行為之間遺傳相關的影響不大，總體上可以看出RFI與每日采食時間、采食次數(shù)呈正遺傳相關，與每次采食的采食時間呈反比，即降低RFI的選擇會導致豬花費更少的時間和次數(shù)采食飼料，并且增加單次采食的時間。

4 不同RFI統(tǒng)計模型下豬的候選基因

Onteru等[11]對大白豬群體的RFI進行全基因組關聯(lián)分析（Genome-wide Association Study，GWAS），通過OnBW-40 、OffBW-115、MBW、ADG、BF與 ADFI建立多元線性回歸擬合模型，結果發(fā)現(xiàn)影響RFI的候選基因主要位于7號和14號染色體。其中7號染色體上的GLP1R基因主要參與了胰島素的合成和分泌，以及食欲控制；14號染色體上的CDKAL基因主要參與了ATP和合成與鉀離子通道。

Do等[12]對杜洛克群體的RFI進行GWAS分析時，采用了2種不同模型（RFI2考慮了BF參數(shù)）對RFI進行計算，結果發(fā)現(xiàn)影響RFI的候選基因主要位于1號、3號、9號和13號染色體，且2種模型都發(fā)現(xiàn)了促分裂原活化蛋白激酶5（MAP3K5）、過氧化物酶酶體起源因子7（PEX7）、ENSSSCG00000022338和唐氏綜合癥粘附因子（DSCAM） 4個候選基因。MAP3K5是蛋白激酶信號轉導途徑的重要組成成分，PEX7與超氧蛋白導入有關。而當使用不包括BF參數(shù)的模型計算RFI時，發(fā)現(xiàn)了GABRR2、NT5E2個特異的候選基因。GABRR2參與編碼伽馬氨基丁酸，與抑制性神經(jīng)遞質有關，NT5E參與促進細胞外核苷酸轉化為膜滲透性核苷酸。

蒲蕾[19]采用6種不同模型對杜洛克群體進行GWAS分析發(fā)現(xiàn)，與RFI性狀顯著相關的9個SNP，定位到6個候選基因，主要位于2號、4號、5號、7號、13號和X染色體上。其中6種模型都定位到了4號染色體上的線粒體轉錄終止子3（MTERF3）基因，該基因與線粒體基因的啟動子區(qū)域互作負調控哺乳動物線粒體的內(nèi)基因的轉錄起始。當模型中考慮MBW參數(shù)時，定位的候選基因數(shù)量明顯下降，在2種包含MBW的模型（RFI1、RFI5）中共定位到了3個候選基因，除MTERF3外，還有位于5號染色體上的豬性別決定域Y盒子10（SOX10）基因以及位于13號染色體上的亮氨酸重復序列免疫球蛋白樣因子1（LRIG1）基因。SOX10基因與胚胎期細胞命運及神經(jīng)細胞調控有關，LRIG1基因編碼亮氨酸重復序列免疫因子結構域 1 蛋白。當模型中考慮結測體重參數(shù)（RFI1、RFI4）時，定位的候選基因數(shù)量也有下降趨勢，在2種包含結測體重的模型中共定位到了3個候選基因，定位到的基因與包含MBW參數(shù)的模型結果類似。值得一提的是，該研究所采用的RFI1模型與Onteru[4]等所采用的模型類似，但結果不一致。同時，該研究還運用RFI1模型研究了杜洛克豬RFI高低組的轉錄組表達情況，發(fā)現(xiàn)了37個表達上調和75個表達下調的基因，這些基因在調控細胞生長、機體代謝、生長和免疫過程方面都有一定作用。Bai等[23]在對軍牧1號白豬的RFI進行GWAS分析時也運用了類似計算方法，通過OnBW、OffBW、MBW、ADG、BF與ADFI建立多元線性回歸擬合模型發(fā)現(xiàn)，與RFI性狀顯著相關的12個SNP，定位到7個候選基因，主要位于1號、2號、10號、12號、13號、15號染色體上。其中1號染色體上的神經(jīng)介素B受體（NMBR）基因主要與食欲減退有關，2號染色體上的鉀離子通道四聚化結構域家族（KCTD16）基因主要與神經(jīng)遞質合成有關，進而影響FI，10號染色體上的PITRM1基因主要與參與基因與飲食的相互作用，剩余的4個候選基因蛋白激酶（PRKCQ）、去唾液酸糖蛋白受體（ASGR1）、T細胞淋巴瘤侵襲和轉移誘導蛋白1（TIAM1）和鳥苷酸結合蛋白（RND3）主要與免疫和抗病有關。

Jing等[24]對高低RFI大白豬的轉錄組研究時，通過ADG、MBW與ADFI建立多元線性回歸計算RFI，結果顯示共有99個候選基因被鑒定出來，其中下調基因主要有脂肪酸結合蛋白（FABP3）、內(nèi)源性調控分子（RCAN）、過氧化物酶體增殖激活物受體Y輔激活因子1（PPARGC1）、己糖激酶 2（HK2）和單磷酸腺苷激活蛋白激酶γ2（PRKAG2），主要與線粒體代謝有關，上調基因主要有胰島素樣生長因子2（IGF2）、磷酸二酯酶7（PDE7A）、CEBPD、磷脂酰肌醇3激酶（PIK3R1）和肌球蛋白重鏈6（MYH6），主要與骨骼肌的分化和發(fā)育有關。Gondret等[25]對高低RFI大白豬的多組織轉錄組分析時，通過ADG、BF與ADFI建立多元線性回歸計算RFI，結果顯示共有147個候選基因在4種組織中共同被發(fā)現(xiàn)，主要參與豬的免疫反應、蛋白質代謝和氧化應激反應。Jegou等[26]對高低RFI法系大白豬的血液轉錄組分析時，通過ADG、BF與ADFI建立多元線性回歸計算RFI，結果顯示有528個上調基因，主要與基因翻譯鏈延長有關；477個下調基因，主要參與免疫反應、炎癥反應、抗細胞凋亡等過程。

這些結果顯示，RFI是一個復雜性狀，影響RFI的因素眾多，不同的統(tǒng)計模型計算的RFI其候選基因也大不相同，即使實驗對象品種相同，統(tǒng)計模型類似，最終定位到的候選基因也有很大差異。但總體上來講，免疫反應、細胞代謝、氧化應激等非生產(chǎn)性的功能位點可能是影響RFI的重要因素，同時食欲、消化吸收、轉運蛋白的合成與活性等基因位點的表達水平也是影響RFI的重要因素。

5 總 結

作為評價飼料轉化效率的重要指標之一，RFI本質上是一個復雜的性狀，根據(jù)其實驗對象及統(tǒng)計模型的不同，發(fā)現(xiàn)與其相關的候選基因也大不相同，因此針對不同的實驗對象選擇合適的統(tǒng)計模型，可以更加準確地解釋RFI的遺傳機制。在實踐生產(chǎn)中，雖然不同的模型計算的RFI其遺傳力各有不同，但總體上研究證明RFI是中等遺傳力性狀，具有良好的選擇反應，并且RFI與其他性狀的遺傳相關在不同的模型中方向也基本一致，因此根據(jù)實踐需要可以選擇合適的模型，進而實現(xiàn)對豬RFI、FCR、ADG、BF、LEA等性狀的遺傳改良。