張統(tǒng)雨，魏 霞，張 勤，杜立新，王立賢*，趙福平*

(1. 中國農(nóng)業(yè)科學(xué)院北京畜牧獸醫(yī)研究所，農(nóng)業(yè)部動(dòng)物遺傳育種與繁殖(家禽)重點(diǎn)實(shí)驗(yàn)室，北京 100193；2中國農(nóng)業(yè)大學(xué)動(dòng)物科技學(xué)院，北京 100193)

基因組選擇(genomic selection，GS)作為當(dāng)前畜禽分子選育的前沿技術(shù)，其理論源于2001年Meuwissen等[1]的研究報(bào)道。其核心思想是基于畜禽全基因組高密度SNP 遺傳標(biāo)記的芯片技術(shù)，通過構(gòu)建相應(yīng)統(tǒng)計(jì)方法估計(jì)畜禽個(gè)體全基因組估計(jì)育種值(genome-wide estimated breading value，GEBV)。基因組選擇理論和方法已在畜禽育種實(shí)踐中成功實(shí)施[2]，特別是給奶牛育種帶來了革命性的變化[3]，已經(jīng)成為了奶牛育種的常規(guī)技術(shù)。徹底改變了常規(guī)育種的思路，極大提高了遺傳進(jìn)展。

隨著生物信息技術(shù)的發(fā)展，綿羊和山羊的基因組信息不斷完善，推動(dòng)了不同密度SNP芯片的生產(chǎn)和應(yīng)用。2009年，首張綿羊芯片——OvineSNP50 BeadChip array[4]得以問世。2010年，推出了山羊第一張芯片GoatSNP50 BeadChip array[5]。2014年，推出了綿羊600K高密度SNP芯片——Ovine HD SNP BeadChip[6]。2015年新西蘭羊公司內(nèi)部推出了5K綿羊芯片[7]。同年又推出了12K SNPs的低密度綿羊芯片[8]。2017年8月，絨山羊的66K SNP芯片也被研發(fā)出來[9]。這些不同密度SNP芯片的推出，為基因組選擇在羊育種中的應(yīng)用起到了技術(shù)支撐作用。最先報(bào)道的是2009年基于肉用綿羊和毛用綿羊的模擬研究結(jié)果[10]。目前，新西蘭、澳大利亞、法國等養(yǎng)羊大國已經(jīng)啟動(dòng)了羊的基因組選擇，并且取得了顯著成效，開啟了羊育種的新篇章。Mrode等[11]也對(duì)非洲各國和印度開展羊基因組選擇進(jìn)行了可行性分析。中國也在2015年提出了《全國肉羊遺傳改良計(jì)劃(2015-2025)》，并在2016年確定了天津奧群牧業(yè)有限公司等6家企業(yè)作為國家核心育種場(chǎng)。隨著環(huán)保意識(shí)的不斷增強(qiáng)，在農(nóng)區(qū)大力推行設(shè)施養(yǎng)羊，這為適合設(shè)施養(yǎng)殖的湖羊品種的推廣提供了很好的機(jī)會(huì)，擴(kuò)大了其遺傳影響力。2018年5月，江蘇乾寶湖羊產(chǎn)業(yè)公司、潤林木業(yè)和湖州咩咩羊3家公司簽訂了湖羊產(chǎn)業(yè)聯(lián)合發(fā)展協(xié)議。這為在中國開展第一個(gè)中國地方綿羊品種的基因組選擇打下了基礎(chǔ)，也推動(dòng)了基因組選擇在中國羊育種中的實(shí)施，將加快其遺傳進(jìn)展，促使中國羊的育種進(jìn)入基因組選擇時(shí)代。本文總結(jié)了基因組選擇在羊中的應(yīng)用現(xiàn)狀、影響因素、優(yōu)勢(shì)以及存在問題和展望，為基因組選擇在羊育種中的應(yīng)用提供參考依據(jù)。

1 羊重要生產(chǎn)性狀基因組選擇的應(yīng)用現(xiàn)狀

1.1 毛用性狀

羊毛是人在紡織史上開發(fā)利用較早的天然纖維之一，羊毛加工后的毛制品手感豐滿、吸濕性強(qiáng)，保暖性好，是紡織工業(yè)的重要原材料。Daetwyler等[12]對(duì)Merino羊毛重量、纖維直徑、纖維強(qiáng)度等毛用性狀進(jìn)行GEBV估計(jì)時(shí)，發(fā)現(xiàn)其估計(jì)準(zhǔn)確性范圍為0.15～0.79。Moghaddar等[13]研究發(fā)現(xiàn)，Merino羊的一歲羔羊和成年羔羊的羊毛性狀GEBV估計(jì)的準(zhǔn)確率為0.33～0.75。Bolormaa等[14]利用BayesR和GBLUP對(duì)3個(gè)羊毛質(zhì)量性狀進(jìn)行GEBV估計(jì)，結(jié)果發(fā)現(xiàn)，BayesR 和 GBLUP的平均GEBV精確度比較相似，約為0.22，BayesR在羊毛產(chǎn)量和纖維直徑上的精確度最高，均大于0.40，而在羊皮質(zhì)量和沾糞便結(jié)塊污毛得分最低。

1.2 肉用性狀

肉用綿羊具備的優(yōu)良性狀包括適應(yīng)性好、繁殖力強(qiáng)、生長速度快、胴體品質(zhì)優(yōu)良 4 個(gè)方面的特征。澳大利亞肉用綿羊上開展的GS效果顯著，其胴體性狀和肉質(zhì)性狀的GEBV準(zhǔn)確性估計(jì)提高到0.05～0.10[12, 15-16]。Van Der Werf[10]采用選擇指數(shù)理論對(duì)肉羊和細(xì)毛羊群體進(jìn)行模擬研究，發(fā)現(xiàn)GS的應(yīng)用可以使肉羊的產(chǎn)肉指數(shù)在25年中增長32%，大大加快了綿羊的育種進(jìn)展。Slack-Smith等[17]研究發(fā)現(xiàn)，澳大利亞綿羊胴體和生長性狀、凍后眼肌面積和肌內(nèi)脂肪含量GEBV的基因組預(yù)測(cè)準(zhǔn)確性分別為0.45、0.72 和 0.32。Brito等[18]對(duì)新西蘭綿羊活體測(cè)量性狀、胴體性狀和肉質(zhì)性狀的GEBV估計(jì)準(zhǔn)確性范圍分別為(0.18±0.07)～(0.33±0.10)、(0.28±0.09)～(0.55±0.05)和(0.21±0.07)～(0.36±0.08)。Moghaddar等[13]研究發(fā)現(xiàn)，Poll Dorset羊和White Suffolk羊體重的GEBV估計(jì)準(zhǔn)確性在0.11～0.27之間，而Border Leicester羊和Merino羊在0.25～0.63之間。Shumbusho等[19]計(jì)算出綿羊產(chǎn)肉性狀年度遺傳進(jìn)展在傳統(tǒng)育種方案下的標(biāo)準(zhǔn)方差σa為0.095，在肉用綿羊品種中，母系性狀σa為0.061，而奶山羊的σa為0.147。而優(yōu)化決策變量后，傳統(tǒng)選擇方法下的產(chǎn)肉性狀年度遺傳進(jìn)展提高了0.139σa，奶綿羊σa為0.174。因此，當(dāng)優(yōu)化育種方案或者使用全基因組信息均可提高年度遺傳進(jìn)展。

1.3 產(chǎn)奶性狀

產(chǎn)奶性狀主要包括產(chǎn)奶量、乳蛋白率、乳蛋白量、乳脂率和乳脂量等。山羊奶與綿羊奶總體組成很相似，但是山羊奶的各個(gè)營養(yǎng)成分和理化性質(zhì)都比綿羊奶低。Saanen奶山羊是世界上最優(yōu)良的奶山羊品種，產(chǎn)奶量高(最高年產(chǎn)奶量可達(dá)3 430 kg)，營養(yǎng)價(jià)值豐富，已成為乳制品行業(yè)重要的原料[20]。目前法國是Saanen奶山羊開展GS最成熟的國家。Carillier等[21]針對(duì)法國Saanen奶山羊和Alpine羊基因組評(píng)估進(jìn)行交叉驗(yàn)證時(shí)得到，GEBV的準(zhǔn)確性為36%～53%。Larroque等[22]研究發(fā)現(xiàn)，與荷斯坦奶牛相比，使用GBLUP方法對(duì)奶山羊和奶綿羊進(jìn)行基因組預(yù)測(cè)準(zhǔn)確性較低，而ssGBLUP方法可以提高其準(zhǔn)確性。通過交叉驗(yàn)證發(fā)現(xiàn)，法國Lacaune奶綿羊基因組預(yù)測(cè)準(zhǔn)確性增加了0.47，而Lacaune奶山羊基因組預(yù)測(cè)準(zhǔn)確性增加了0.43。Duchemin等[23]針對(duì)法國Lacaune奶山羊3個(gè)泌乳性狀(羊奶產(chǎn)量、脂肪含量和體細(xì)胞分?jǐn)?shù))，比較使用不同的模型(只有無窮小、只有標(biāo)記、聯(lián)合估計(jì)無窮小、標(biāo)記效應(yīng))和方法(BLUP、Bayes Cπ、偏最小二乘法(PLS)和稀疏矩陣PLS)，進(jìn)行全基因組育種值估計(jì)，結(jié)果表明，基因組方法的準(zhǔn)確性為0.4～0.6；聯(lián)合估計(jì)無窮小模型可改變預(yù)測(cè)回歸方程的斜率；Bayes Cπ和偏最小二乘法對(duì)一些模型和性狀存在有利影響。Baloche等[24]比較了利用平均父母代和基因組選擇兩種方法對(duì)法國Lacaune奶山羊后代測(cè)定公羊結(jié)果準(zhǔn)確性的差異，結(jié)果發(fā)現(xiàn)，基因組選擇的準(zhǔn)確性要比傳統(tǒng)依靠父母代測(cè)定后代公羊的準(zhǔn)確性更高，達(dá)到了52%。而使用ssGBLUP方法準(zhǔn)確性要比BLUP方法準(zhǔn)確性高58%。Baloche等[25]利用2 892只法國Lacaune奶山羊構(gòu)建參考群，使用3種方法(1)pseudo-BLUP：使用所有的公羊和后代女兒方差；2)pseudo-ssGBLUP：使用所有的公羊和后代女兒方差；3)常規(guī)ssGBLUP：使用所有動(dòng)物的表型和系譜信息)進(jìn)行基因組預(yù)測(cè),結(jié)果表明,基因組選擇的準(zhǔn)確性在雙親平均水平上的增加幅度為0.10～0.20。使用常規(guī)ssGBLUP可以發(fā)現(xiàn)最高的準(zhǔn)確性和最低的偏差。另外美國、意大利和西班牙也在奶山羊上開展過GS研究。Mucha等[26]對(duì)美國Alpine羊、Saanen羊和Toggenburg羊3個(gè)奶山羊品種的產(chǎn)奶量性狀進(jìn)行GEBV估計(jì)，研究表明，采用一步法(ssBLUP)的準(zhǔn)確性最高，達(dá)到了0.61。Molina等[27]基于55K奶山羊芯片，利用ssGBLUP方法進(jìn)行基因組評(píng)估發(fā)現(xiàn)，西班牙Florida奶山羊GEBVs的平均可靠性只增加了5.86%。

1.4 疾病性狀

頭痛性中毒，俗稱面部濕疹(facial eczema, FE)是由致毒性的嗜鐵桿菌菌株引起的一類肝性疾病，常見于夏末初秋的季節(jié)。腐生真菌產(chǎn)生的毒素寄生在溫暖潮濕的牧草上，逐漸形成真菌孢子，當(dāng)這些孢子隨著牧草被牛羊吃掉后，會(huì)引起肝的炎癥反應(yīng)[28]。該疾病在新西蘭已爆發(fā)100多年，對(duì)當(dāng)?shù)氐男竽翗I(yè)產(chǎn)生了重大負(fù)面影響。為了篩選出FE耐受性綿羊，Phua等[29]對(duì)新西蘭Romney羊進(jìn)行基因組選擇，得到FE最佳基因組預(yù)測(cè)的準(zhǔn)確度是0.38。雖然該結(jié)果不是很理想，但依然可以作為其他經(jīng)濟(jì)性狀在最小范圍內(nèi)的基因組預(yù)測(cè)值。

1.5 繁殖性狀

Newton等[30]隨機(jī)選擇不同年齡段的公羊和母羊，基于基因組信息針對(duì)澳大利亞青年綿羊的生育能力，評(píng)估其遺傳進(jìn)展，研究發(fā)現(xiàn)，不同年齡段的基因組信息均會(huì)影響到遺傳增益，青年母羊的遺傳增益相對(duì)較高。一歲公羊基因組信息的遺傳增益顯著高于2歲公羊。如果生育水平達(dá)到10%以上，則遺傳進(jìn)展就可能會(huì)有不利影響。Pickering等[31]構(gòu)建了4 237只群體規(guī)模的參考群和候選群，利用基因組選擇預(yù)測(cè)Romney羊繁殖性狀和存活率GEBV的準(zhǔn)確性，結(jié)果表明，羅姆尼羊GEBVs的估計(jì)準(zhǔn)確性范圍是0.16～0.52。總之，在新西蘭雙重用途綿羊中應(yīng)用GEBVs可獲得的遺傳進(jìn)展有望提高到84%。Bolormaa等[32]對(duì)Merino羊的出生羔羊數(shù)(number of lambs born，NLB)和產(chǎn)仔數(shù)(litter size，LS)進(jìn)行基因組預(yù)測(cè)值評(píng)估時(shí)，基于混合記錄的NLB和LS的GEBV估計(jì)準(zhǔn)確性達(dá)到了0.41～0.54。

1.6 其他性狀

目前，環(huán)境問題成為限制畜牧業(yè)發(fā)展的一個(gè)重要因素。Rowe等[33]利用GBLUP對(duì)1 872只新西蘭綿羊腸道排放CH4性狀和在攝入飼料后CH4排放比例(gCH4/kgDMI)進(jìn)行基因組選擇,結(jié)果發(fā)現(xiàn)，CH4排放量的基因組預(yù)測(cè)值為0.37，gCH4/kg DMI為0.43，與之相關(guān)性狀的標(biāo)記位點(diǎn)分別在9號(hào)和25號(hào)染色體上。這些位點(diǎn)從生理學(xué)上看接近候選位點(diǎn)。該研究旨在培育出腸道排放CH4氣體含量較少的綿羊，從而為保護(hù)環(huán)境提供一定的參考。

2 羊基因組選擇效果的影響因素

目前基因組選擇在羊育種中的應(yīng)用受到了諸多因素的影響，其中包括表型數(shù)據(jù)收集的準(zhǔn)確性、參考群規(guī)模和結(jié)構(gòu)、芯片密度、GEBV估計(jì)方法和統(tǒng)計(jì)模型等。

2.1 表型數(shù)據(jù)收集準(zhǔn)確性

表型數(shù)據(jù)收集是開展基因組選擇的第一步，是進(jìn)行基因組選擇的先決條件。只有收集到準(zhǔn)確的表型數(shù)據(jù)，才能確保基因組選擇的準(zhǔn)確性。目前，除了自動(dòng)化測(cè)量體重和體尺數(shù)據(jù)外，超聲波胴體測(cè)量、抗病性狀的測(cè)量、個(gè)體采食量測(cè)定等技術(shù)也在不斷更新。計(jì)算機(jī)斷層掃描(computed tomography, CT)技術(shù)也被應(yīng)用于胴體組成、肉質(zhì)、器官病變等表型數(shù)據(jù)的測(cè)定，這些測(cè)定技術(shù)的應(yīng)用可有效提高表型值測(cè)定的準(zhǔn)確性。CT技術(shù)的應(yīng)用不僅提高了表型測(cè)定的準(zhǔn)確性，而且還提高了GEBV估計(jì)的準(zhǔn)確性。研究發(fā)現(xiàn)，公羊的參考群使用CT表型數(shù)據(jù)的遺傳增益要比沒有使用CT表型數(shù)據(jù)的遺傳增益提高55%，如果引入到GEBV預(yù)測(cè)，則GS選擇的準(zhǔn)確性可能更高[34]。

2.2 參考群有效群體大小

基因組選擇首先需要建立參考群，通過參考群計(jì)算標(biāo)記的效應(yīng)大小。參考群的結(jié)構(gòu)[35]、遺傳多樣性[36]和有效群體大小對(duì)基因組預(yù)測(cè)準(zhǔn)確性具有重要影響。Carillier-Jacquin[37]構(gòu)建了不同水平的Saanen奶山羊和Alpine羊參考群(20～705只公羊和1 946只母羊)，發(fā)現(xiàn)隨著群體規(guī)模的增大，相關(guān)性狀GEBV的準(zhǔn)確性從+2%增加到+31%。而另一方面，Carillier-Jacquin等[38]構(gòu)建了多品種參考群，由于參考群規(guī)模較小，基因組預(yù)測(cè)準(zhǔn)確性有所降低，范圍是-5%～38%。因此在構(gòu)建參考群時(shí)，應(yīng)盡量選擇沒有親緣關(guān)系的公羊，讓參考群體擁有豐富的遺傳信息，確保參考群有效群體足夠大。表1總結(jié)了新西蘭、澳大利亞、法國等養(yǎng)羊大國參考群的規(guī)模和結(jié)構(gòu)。新西蘭建立了由13 420只Romney純種羊和雜種綿羊(Coopworth羊)組成的參考群，這也是目前世界上規(guī)模最大的羊參考群[39]。英國和法國分別建立了2 400和2 700只山羊參考群，法國建立了4 800只Lacaune奶綿羊參考群[22]，澳大利亞建立了8 000只雜交肉用綿羊參考群，但是相比奶牛的參考群，羊的參考群規(guī)模還相對(duì)較小[12]。參考群規(guī)模和目標(biāo)性狀的遺傳力直接影響著遺傳進(jìn)展，因此擴(kuò)大參考群規(guī)模可以有效提高遺傳進(jìn)展[15]。

表1世界各國建立的羊參考群結(jié)果匯總

Table1Summaryofreferencepopulationresultsofsheepandgoatsindifferentcountriesaroundtheworld

國家 Country類型Type參考群大小Reference population size參考群組成Reference population composition參考文獻(xiàn)Reference新西蘭 New Zealand兼用型綿羊13 420Romney、Coopworth、Texel、Primera、[38]Perendale、East Friesian、Highlander、Poll Dorset、Finnish Landrace等新西蘭 New Zealand毛用綿羊4 237Romney[31]新西蘭 New Zealand肉用綿羊14 845混合品種綿羊[18]澳大利亞 Australia兼用型綿羊123 317Merino、Border Leicester、Poll Dorset[13]和White Suffolk澳大利亞 Australia毛用綿羊5 726Merino、Merino雜交群體的混合綿羊品種[32]澳大利亞 Australia毛用綿羊和肉用綿羊7 180Merino等[12]澳大利亞 Australia肉用綿羊8 000Merino、Border、Leicester等[12],[16],[15]法國 France乳用綿羊4 800Lacaune[22]法國 France 乳用山羊2 700Saanen和Alpine[22]英國 England乳用山羊2 400Saanen、Alpine和Toggenburg[22]西班牙 Spain乳用山羊50 649Florida[27]美國 America乳用山羊14 453Alpine、Saanen和Toggenburg[26]

2.3 所用SNP芯片的密度

SNP芯片密度越高，標(biāo)記間的連鎖不平衡就越高，期望獲得的準(zhǔn)確性也越高。Bolormaa等[8]發(fā)現(xiàn)，12K芯片數(shù)據(jù)的品種和性狀之間的GEBVs為0.08，雖然其準(zhǔn)確性范圍變異較大，但12K芯片在基因組選擇上仍有應(yīng)用價(jià)值。Raoul等[40]探究了參考群的45K中密度芯片和1K極低密度芯片之間的遺傳進(jìn)展關(guān)系。結(jié)果發(fā)現(xiàn)，參考群中只有中密度芯片數(shù)據(jù)的公羊時(shí)，其遺傳進(jìn)展增加了26%，而參考群中包含中密度芯片的公羊和母羊時(shí)，其遺傳進(jìn)展增加了54%。當(dāng)候選群中使用1K的極低密度芯片時(shí)，若參考群中只有公羊，則其遺傳進(jìn)展增加22%，若參考群中既有公羊又有母羊，則遺傳進(jìn)展增加42%。Clarke等[41]針對(duì)新西蘭奶山羊設(shè)計(jì)了一種新的基因分型技術(shù)，該方法包括大約80 000個(gè)SNPs，價(jià)格低于20美元/樣品。若基因分型技術(shù)采用高密度基因分型(>200 kb SNPs)，則基因分型技術(shù)在奶山羊的應(yīng)用前景就非?？捎^。

2.4 參考群體與目標(biāo)群體個(gè)體間的相關(guān)性

參考群與選擇個(gè)體間的相關(guān)性越大，則參考群的系譜信息以及基因組信息的代表性越明顯，那么基因組選擇準(zhǔn)確性越高?；蚪M選擇的基本過程是通過參考群每個(gè)個(gè)體的SNP基因型和表型計(jì)算每個(gè)SNP的效應(yīng)，然后結(jié)合目標(biāo)群體的SNP基因型計(jì)算個(gè)體的GEBV。由于羊品種繁多，每個(gè)品種規(guī)模有限，在進(jìn)行基因組選擇時(shí)可以通過組建一個(gè)含有多個(gè)品種的混合參考群，以便增加參考群規(guī)模，以此增加參考群與目標(biāo)群體個(gè)體間的相關(guān)性，提高參考群的利用效率。

2.5 GEBV估計(jì)方法和統(tǒng)計(jì)模型

自從基因組選擇方法提出之后，GEBV估計(jì)方法層出不窮，大致可以分為3大類[42-43]：1) 基于BLUP理論的方法，有RRBLUP、GBLUP、ssGBLUP等；2)基于貝葉斯理論的方法，有BayesA、BayesB、BayesCπ、anteBayes、BayesR等；3)其他方法，有半?yún)?shù)方法、RKHS、機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等。這些方法中沒有哪一個(gè)方法能在所有情況下都具有絕對(duì)優(yōu)勢(shì)。由于第三類方法中考慮互作效應(yīng)以及其他非線性效應(yīng)使得模型非常復(fù)雜或者計(jì)算難度比較大。因此，目前研究和應(yīng)用最多的還是第一類和第二類方法。

隨著檢測(cè)個(gè)體數(shù)據(jù)量和遺傳信息量的增加，各方法都在不斷的改進(jìn)。對(duì)BLUP理論的方法而言，隨著G矩陣或者H矩陣的增大，其求逆就是個(gè)很大的問題[44]。貝葉斯的計(jì)算速度一直是限制其應(yīng)用的一個(gè)重要因素，特別是在豐富遺傳信息的測(cè)序數(shù)據(jù)分析下如何加快其運(yùn)算速度，提高運(yùn)算效率。因?yàn)樨惾~斯方法在對(duì)參數(shù)求解時(shí)是基于參數(shù)的先驗(yàn)信息結(jié)合似然函數(shù)推斷出后驗(yàn)分布，從后驗(yàn)分布中得到參數(shù)的估計(jì)值[45-46]。常用的算法有MCMC和EM算法。MCMC算法是一種基于Markov鏈模型的隨機(jī)抽樣技術(shù)，需要大量的抽樣時(shí)間，但EM算法是通過迭代進(jìn)行求解，雖然其耗時(shí)短但是準(zhǔn)確性較MCMC算法差[47-48]。為了避免各自的缺點(diǎn)，Wang等[49]提出了去掉MCMC的burnin階段，直接用EM算法估計(jì)值進(jìn)行MCMC抽樣的雜交方法，該方法節(jié)省了burnin的抽樣時(shí)間。隨著計(jì)算機(jī)設(shè)備的升級(jí)，多核的并行計(jì)算也提高了MCMC的計(jì)算速度[50-51]。隨著生物信息學(xué)知識(shí)和不同組學(xué)數(shù)據(jù)不斷涌現(xiàn)，GEBV估計(jì)時(shí)也結(jié)合其生物學(xué)信息以期提高其估計(jì)準(zhǔn)確性，有結(jié)合GWAS研究結(jié)果的BLUP|GA[52]、結(jié)合組學(xué)分析中富集分析結(jié)果的基因組特征GFBLUP模型[53]、結(jié)合生物信息的sgBLUP[54]和BayesRC[55]，以及結(jié)合生物信息功能和上位效應(yīng)構(gòu)建單倍型區(qū)段進(jìn)行基因組信息預(yù)測(cè)等[56]。這些方法在不同程度上都提高了估計(jì)的準(zhǔn)確性。

3 在羊上開展基因組選擇的優(yōu)勢(shì)

綿山羊以傳統(tǒng)的粗放飼養(yǎng)為主，集約化飼養(yǎng)仍處于起步階段，在實(shí)際生產(chǎn)中很難得到準(zhǔn)確的系譜信息和交配記錄，SNP芯片數(shù)據(jù)能準(zhǔn)確計(jì)算個(gè)體間的遺傳相關(guān)，提高基因組育種值估計(jì)的準(zhǔn)確性，同時(shí)還可以避免個(gè)體間的近交，保持群體內(nèi)的遺傳變異。其次，SNPs標(biāo)記分布在整個(gè)基因組中能捕獲全部遺傳變異，提高選擇準(zhǔn)確性。再次，基因組選擇典型的優(yōu)勢(shì)是可以不依賴表型信息直接根據(jù)標(biāo)記信息進(jìn)行個(gè)體選擇，不僅能開展早期選擇，縮短世代間隔，還能提高選擇強(qiáng)度，降低育種成本。這些優(yōu)勢(shì)使得基因組選擇，尤其是對(duì)一些低遺傳力性狀、難以測(cè)量的性狀、限性性狀、生長后期測(cè)定性狀和免疫力性狀等，在羔羊出生或者胚胎期就可以進(jìn)行。根據(jù)用途，羊可以分為肉用、奶用、毛用、皮用以及肉毛、肉奶兼用等品種，由于不同品種和用途的羊其育種規(guī)劃不盡相同，所以基因組選擇在不同育種規(guī)劃中的優(yōu)勢(shì)也表現(xiàn)不同。在羊的育種中，基因組選擇為制定科學(xué)的育種規(guī)劃、提高遺傳進(jìn)展提供了技術(shù)飛躍[57]。

4 存在問題

雖然GS在羊育種的應(yīng)用前景廣闊，但目前仍然面臨以下幾方面的問題。第一，羊的SNP芯片成本比豬和奶牛要高，在羊上開展基因組選擇，大半的經(jīng)費(fèi)花在了SNP芯片上，極大的限制了基因組選擇在羊上的應(yīng)用。第二，羊的品種資源豐富，種類繁多，沒有一個(gè)品種能主導(dǎo)一個(gè)產(chǎn)業(yè)，而且各個(gè)羊場(chǎng)間聯(lián)系較少，如何建立有效的參考群是個(gè)難題。第三，羊每胎產(chǎn)羔數(shù)較低，公羊的影響也沒有種公牛效應(yīng)那么大，優(yōu)秀基因傳遞和擴(kuò)散速度比較慢。第四，放牧的羊需要經(jīng)受寒冷冬季、炎熱的夏季，還需要適應(yīng)干旱戈壁和鹽堿之地等惡劣的自然環(huán)境，要提高其生產(chǎn)性狀的遺傳進(jìn)展還需要提高其自然的適應(yīng)性。如何在選擇目標(biāo)性狀的同時(shí)兼顧適應(yīng)性狀，使其在當(dāng)?shù)氐臍夂驐l件下，最大程度的提高其遺傳進(jìn)展也是當(dāng)前需要解決的問題之一。第五，隨著基因組數(shù)據(jù)、表型組數(shù)據(jù)、代謝組數(shù)據(jù)、表達(dá)組數(shù)據(jù)等各個(gè)組學(xué)數(shù)據(jù)的出現(xiàn)，該如何整合多種組學(xué)數(shù)據(jù)信息，提高GEBV估計(jì)的準(zhǔn)確性也需要研究者們認(rèn)真思考。

5 展 望

目前，羊基因組選擇已經(jīng)在新西蘭、澳大利亞、法國等養(yǎng)羊大國開始實(shí)施，并取得顯著成效。但上述問題對(duì)羊基因組選擇提出了新的方向和挑戰(zhàn)。首先，隨著測(cè)序價(jià)格的下降，基于測(cè)序數(shù)據(jù)的GS優(yōu)勢(shì)日趨明顯。它不僅可以降低基因分型的成本，而且還克服了已有SNP芯片的偏倚(acertainment bias, AB)問題[58]，有望在5～10年內(nèi)替代高密度SNP芯片，成為GS應(yīng)用的主要分型手段。其次，海量的組學(xué)數(shù)據(jù)收集，對(duì)計(jì)算機(jī)速度和統(tǒng)計(jì)方法提出了更高的要求和挑戰(zhàn)，需要更快的計(jì)算速度和準(zhǔn)確的估計(jì)方法。再者，對(duì)多個(gè)群體和品種構(gòu)建的參考群，需要建立群體之間遺傳聯(lián)系性，擴(kuò)大群體的有效含量，提高選擇群體估計(jì)的準(zhǔn)確性。從次，制定最優(yōu)育種目標(biāo)需結(jié)合多性狀信息選擇最佳的個(gè)體。除此之外，擴(kuò)大基因組選擇的種羊基因的影響，需結(jié)合人工授精、MOET、JIVET和基因編輯等先進(jìn)的生物繁殖技術(shù)加快優(yōu)秀基因的擴(kuò)散和遺傳進(jìn)展?；蚪M選擇是一個(gè)系統(tǒng)工程，需要各個(gè)影響因素配置成最佳，才能選擇最優(yōu)的個(gè)體，它必將加快羊的遺傳進(jìn)展，揭開羊育種的新篇章。