国外荷斯坦奶牛健康性状基因及基因组评估的发展

2017-09-25郭光成

黑龙江动物繁殖 2017年5期

关键词：荷斯坦乳腺炎基因组

郭光成

(黑龙江省家畜遗传资源保护中心，哈尔滨 150069)

国外荷斯坦奶牛健康性状基因及基因组评估的发展

郭光成

(黑龙江省家畜遗传资源保护中心，哈尔滨150069)

本文介绍了目前荷斯坦奶牛健康性状的基因组评估在国外的发展情况，并对未来通过提高奶牛健康性状基因选择来增加奶牛养殖效益提出设想。

健康性状；奶牛；基因；可靠性

在奶牛的健康管理中，使用遗传改良策略的作用越来越大。结合健康性状信息的育种策略有可能改善动物的健康状况和整个乳业的运作。罹患疾病的奶牛，由于扑杀、兽医费用、劳动力，以及牛奶产量减少等，对养殖的经济效益产生负面影响[1]。2009 年，Guard估测，通常奶牛疾病的花费从酮症181美元到皱胃异位391美元不等[2]。奶牛研究者和生产者一直致力于提供最好的环境，通过营养、管理和牛舍卫生来减少疾病。然而，从基因上提高功能性状是一个挑战，因为健康性状遗传力较低，测量和记录可能比较困难和昂贵。

1 其他国家健康性状基因评估的发展

健康性状的基因评估在那些健康数据记录常规化的国家有着悠久的历史。在北欧，自1970年代中期就开始了包括健康性状在内的育种规划[3]；目前，超过97%的挪威奶牛都在系统记录里[4,5]。在一些国家，健康数据在遗传评估中的直接应用发展迅速。2006年，德国和奥地利开始了健康性状的常规数据收集和遗传评估[6]。在法国，自2010年以来，临床性乳腺炎已经被纳入常规的基因评估[7]。2014年，加拿大对奶牛的乳腺炎抗性进行了基因评估；评估是基于第1、第2哺乳期的临床乳腺炎发病率以及体细胞数量[8,9]。2016年，加拿大开始进行的研究是酮病和皱胃异位进行基因评估，随后在接下来的几年里会研究子宫炎和胎盘滞留、肢蹄健康和跛足，以及其他的功能性状[10]。

2 美国健康性状基因评估的发展

目前，美国的遗传评价和奶牛健康性状的选择是在指标性状基础上进行的。在其国家系统基因评估中，包括体细胞、某些肢蹄性状、以及生产年限等指标性状在近年来呈现出令人满意的遗传趋势。但是，对这些性状预测的可能性并没有引起奶牛群中预期的乳腺炎、跛足或代谢性疾病发病率的减少[11]，这可能是由于指标性状的遗传力较低或者是与目标性状不完全相关造成的。不使用直接健康数据的原因是没有一个国家系统收集记录健康数据。尽管大多数奶牛生产者记录了他们的牛群的健康信息，但由于记录的准确性不足和记录的不一致，导致健康数据存在很大程度的自定义，这导致在基因评估中使用健康数据变得更加困难了[12]。

在基因组评估方法中所取得的进展，提高了那些低遗传力和不完全信息性状选择的准确性。单阶基因组BLUP(single-step genomic BLUP, ssGBLUP)方法作为基因组评价的选择方法被广泛采用[13,14]。该方法在单一分析中使用系谱、表现型和基因组数据的联合信息。ssGBLUP的工作方式与传统的BLUP相同，只是它通过结合估测基因型动物的关系来修改附加关系矩阵。ssGBLUP方法由于其简单性以及适用于大多数评估模型和数据结构，在研究和商业领域中迅速流行起来。该方法被认为能避免重复计算和预选偏误[15]。2014年，Parker等[16]将ssGBLUP方法应用于大约30万份病历档案的记录，并得出结论，基因组数据将大大提高健康性状选择的准确性。

为了适应对奶牛健康性状进行遗传改良的市场需要，Zoetis Gnetics发起了一个项目，与美国的荷斯坦协会、雅典的乔治亚大学以及客户进行合作，为奶牛的健康性状进行基因和基因组的评估。值得一提的是，这个项目的重点是创建基因组工具，基于生产-记录的数据和ssGBLUP方法来建立荷斯坦奶牛商业可行的基因和基因组评估的健康性状，方便奶农根据他们小母牛的遗传素质来做出管理和选择决定，而这些遗传素质将在它们以后的生活中逐渐表现出来。

2016年3月，硕腾遗传(Zoetis Gnetics)首次对外提供了关于荷斯坦奶牛健康特征的商业性可行性评估[17]。该评估中涉及到的健康状况、血统和基因型的表型数据等从奶农处获得。其中健康状况的评估包含6种疾病：乳腺炎、子宫炎、胎盘滞留、皱胃异位、酮症和跛足。数据记录的数量从180万例酮症到410万例乳腺炎不等。此外，评估还包括超过1 400万份谱系记录和114 216个基因型数据。采用重复观测值的单变量阈值动物模型对所有性状进行了分析，包括产犊的季节、年龄，动物和不变的环境对胎次的固定效应和牛群的随机效应等。在基因组分析中总共使用了45 425个单核苷酸多态性。用低密度芯片进行基因输入被认为是单核苷酸多态性的必需数量。所有的分析都是以ssGBLUP为基础的。预测传递力以百分数表示，与基本群体中出现的一种疾病的平均估计概率不同。通过将可靠性的函数划分为记录、谱系和基因型的贡献，获得了育种值的可靠性。基因组预测的可靠性预测，在发生疾病的已知基因型和血统青年母牛的传递力平均有50.2%(皱胃异位)和51.9%(乳腺炎)。此外，乳腺炎与体细胞数高度相关，其遗传相关系数为0.72，与Boichard和Rupp的研究结果相同[18]。

3 结论

利用农场收集的健康数据进行常规基因和基因组评估在美国已经有了成功例子。如果有了对健康性状基因组预测的选择工具，就可以应用于改善奶牛的健康状况，而这明显是一个一劳永逸的解决办法。因为改善健康性状的基因选择将永久改善群体的健康状况，而不是通过抗生素、疫苗和其他管理干预手段暂时缓解。同时，包括对健康性状的基因组预测以及对生产、生育和健康的预测，可以为奶农提供一个更完整的工具来选择潜在的经济效益更大的青年母牛。

[1] Parker K L, J B Cole, J S Clay, et al. Genomic selection for producer-recorded health event data in US dairy cattle[J]. J. Dairy Sci. 2014,97:3190-3199.

[2] Guard C. The costs of common diseases of dairy cattle. CVC in Kansas City Proceedings. Accessed May 1, 2016. http://veterinarycalendar.dvm360.com/costs-common-diseases-dairy-cattle-proceedings.

[3] Heringstad B, Osteras. More than 30 years of health recording in Norway. Health data conference, ICAR 2013, Arhus, Denmark. Accessed Jul. 15, 2016. http://www.icar.org/wpcontent/uploads/2015/09/Heringstad1.pdf.

[4] Heringstad B. Genetic analysis of fertility-related diseases and disorders in Norwegian Red cows. J. Dairy Sci. 2010. 93:2751-2756.

[5] Haugaard, K., B. Heringstad, and A. C. Whist. Genetic analysis of pathogen-specific clinical mastitis in Norwegian Red cows. J.Dairy Sci. 2012. 95:1545-1551.

[6] Fuerst C, A Koeck, C Egger-Danner, et al. Routine genetic evaluation for direct health traits in Austria and Germany. Interbull Bull. 2011. 45:210-215.

[7] Govignon-Gion A, R Dassonneville, G Baloche, et al. Genetic evaluation of mastitis in dairy cattle in France. Interbull Bull. 2012, 46:121-126.

[8] Koeck A, F Miglior, D F Kelton, et al. Health recording in Canadian Holsteins: Data and genetic parameters. J. Dairy Sci. 2012,95:4099-4108.

[9] Miglior F, A Koeck, G Kistemaker, et al. A New Index for Mastitis Resistance. Accessed May 15, 2016. https://www.cdn.ca/Articles/GEBMAR2014/DCBGC%20Report_mastitis%20-%20FINAL.pdf.

[10] Beaver L, B VanDoormal.Improving Existing Traits and Adding Exciting New Ones. Accessed May 15, 2016.

[11] NAHMS. 2007 Dairy Part II: Changes in the U.S. Dairy Cattle Industry, 1991-2007. National Animal Health Monitoring Service (NAHMS), USDA, Riverdale, MD.

[12] Wenz J R, S K Giebel. Retrospective evaluation of health event data recording on 50 dairies using Dairy Comp 305. J. Dairy Sci. 2012,95:4699-4706.

[13] Misztal I, A Legarra,I Aguilar. Computing procedures for genetic evaluation including phenotypic, full pedigree and genomic information. J. Dairy Sci.2009,92:4648-4655.

[14] Aguilar I, I Misztal, D L Johnson, et al. A unified approach to utilize phenotypic, full pedigree, and genomic information for genetic evaluation of Holstein final score. J. Dairy Sci. 2010,93:743-752.

[15] Misztal I, S E Aggrey, W M Muir. Experiences with a single-step genome evaluation. Poult. Sci.2013a. 92:2530-2534.

[16] Parker Gaddis K L, J B Cole, J S Clay, et al. Genomic selection for producer-recorded health event data in US dairy cattle. J. Dairy Sci. 2014,97:3190-3199.

[17] Vukasinovic N, Bacciu N, Przybyla C A, et al. Development of genetic and genomic evaluation for wellness traits in US Holstein cows. J. Dairy Sci.2016,100:428-438.

[18] Boichard D,R Rupp. Phenotypic and genetic relationships between somatic cell counts and clinical mastitis in French dairy Holstein cows. Interbull Bull. 2000,26:66-72.