集团化种猪企业基因组选育方案制定与基因组早期选择

高 宁，黄 珍，谢水华，赵云翔，陈瑶生，刘小红*

（1.中山大学生命科学学院，广东广州 510006；2.广东艾佩克科技有限公司，广东广州 510405；3.广东省农业技术推广中心，广东广州 510520；4.佛山科学技术学院生命科学与工程学院，广东佛山 528000）

全基因组选择（Genomic Selection，GS）技术近年来在畜禽养殖行业已经家喻户晓，但受制于基因芯片检测成本较高、基因组选择技术平台不完善以及育种企业对该技术的性价比了解不足等多方面因素，该技术在我国种畜禽遗传选育中的应用相对滞后。国际上，丹育、PIC、Topigs、加拿大种猪遗传评估中心等先进种猪育种实体相继于2010—2012 年间启动种猪全基因组选择技术应用，比奶牛基因组选择晚5～7 年。根据近年来国际种猪育种企业的报告，基因组选择技术的应用使种猪遗传进展提高30%～35%，效果非常显著。我国部分种猪育种企业通过与高校或科研机构合作，较早地开展了部分种猪的基因组SNP 芯片检测和相关研究，启动了参考群构建工作，但真正将该技术应用于种猪选种，却鲜见报道。

为促进该技术在我国生猪育种中的应用，全国生猪遗传改良计划领导小组于2017 年组织7 家科研单位和30 余家国家生猪核心育种场，启动了全国生猪基因组选择工作，标志着我国种猪育种进入基因组时代。经过5 年的积累，我国生猪基因组选择参考群构建工作已经取得了较好的进展，为基因组选择应用于种猪遗传改良打下坚实基础。《全国生猪遗传改良计划（2021—2035年）》提出，到2035 年，要培育区域性联合育种实体8～10 个，预期基因组选择技术将在区域联合育种中发挥重要作用，其应用效果以及在种猪联合育种中的优势将得以体现。基于此背景，种猪育种企业有必要根据自身情况，将基因组选择技术纳入公司育种方案，用该技术加快种猪遗传进展，同时为参与国家或区域联合育种做好准备。

1 种猪基因组选择方案制定

1.1 基因组选择与传统育种的衔接 从技术层面来讲，基因组选择是对传统BLUP 技术的升级，而非颠覆。传统方法通过系谱计算个体间亲缘关系，而基因组选择采用覆盖全基因组的遗传标记（通常为SNP），更准确地反映了个体间的遗传关系。育种企业以往积累的高质量育种数据，为基因组选择技术的应用打下很好的基础，也很容易实现基因组选择技术与传统育种技术的衔接，在现有的育种平台下，通过对系统进行升级，将基因芯片数据上传到育种平台，并完成质控、填充、重编码等过程，构建基因组亲缘关系矩阵并替代基于系谱构建的亲缘关系矩阵应用于遗传评估，即可完成对BLUP 技术的升级。当然，对于没有育种基础的育种企业，直接采用基因组选择技术搭建育种技术体系，也比传统BLUP育种技术育种效率要高。

1.2 参考群建立 基因组选育参考群是指同时具有表型值和基因型的群体，参考群数据是候选群体基因组育种值估计的关键信息来源。参考群数据质量、规模大小、与候选群体遗传距离等多个因素会影响基因组选择技术的实际应用效果。一般而言，不同品种需要单独建立参考群，根据当前种猪育种企业基因组选育技术应用经验，单个品种参考群积累达2 000 头以上时，可采用基因组综合选择指数对候选群进行选种选配。当核心群体数量超过1 000 头时，参考群构建约需要2 年时间，如1 000 头规模的大白猪核心群体，经过2 年有计划的参考群积累，即可以推进基因组选择技术落地应用；当核心群体仅有300～400 头时，如长白猪和杜洛克等核心群规模较小的品种，基因组选育落地应用需要积累的时间较长，可通过区域联合育种平台实现数据跨场联合遗传评估，加快基因组选育落地应用。

1.2.1 育种基础数据收集 基因组选择成功应用的前提是高质量的育种基础数据收集，主要包含以下内容：

①种猪登记。主要包括系谱数据和性能测定数据，其中系谱数据包括耳号、品种、出生日期、性别、父母、初生重、乳头数、遗传缺陷等；性能测定数据包括繁殖性能测定和生长性能测定数据，如：分娩日期、总产总仔数、产活仔数、出生窝重、断奶窝重、校正达120 kg体重日龄、校正达120 kg 体重背膘厚、30～120 kg 耗料增重比等。

②生长性能数据测定。种猪体重达到85～130 kg 范围时进行生长性能测定，测定终测体重、背膘、眼肌面积等，有条件的猪场可开展饲料转化率测定。

③繁殖性能数据记录。母猪分娩时，填写母猪分娩登记表、后裔个体登记表，记录母猪的繁殖数据，如：分娩日期、总产仔数、产活仔数、出生窝重、断奶窝重等。

④屠宰性能测定。采集种猪宰前活重、胴体重、胴体长、后腿率、平均背膘厚、平均眼肌面积、肉色、大理石纹、pH 值、瘦肉率、骨率、皮率、脂肪率、系水力、肌内脂肪含量等数据。

⑤公猪精液性状数据记录（备选）。记录公猪个体号、采精日期、采精量、密度、活力、畸形率等指标。

1.2.2 基因分型个体筛选 种猪基因组选择参考群个体的选择，不能只选择性能优秀的种猪。参考群生产性能数据测定个体要能够充分代表群体的遗传变异，才能获得更加准确的标记效应或者基因组遗传参数估计值，进而获得准确的候选群体基因组育种值，若只选择生产性能优异的种猪构建参考群，显然不能准确反映群体遗传变异和表型变异。为提高参考群体的使用效率，参考群个体尽量同时具备更多的生产性能测定数据，如生长速度、繁殖性能、饲料转化效率等，至少也要求具有生长速度和繁殖性状测定成绩，且测定成绩正常。其中，生长性能测定要求结测体重85～130 kg，校正120 kg 体重日龄为120～210 d，校正120 kg 体重背膘厚范围为5～30 mm。繁殖性能测定要求至少有1 胎繁殖数据，总仔数范围为3～25 头。参考群中全同胞一般不超过3 头。

参考群构建完成后，候选群体基因分型的筛选方式参考如下标准。公猪：根据育种计划、父母亲指数、血统和EBV 挑选优秀的前30%公猪作为送测目标，每窝约测定1～2 头，且要求健康、无遗传缺陷。母猪：核心群后备母猪（生长性能测定后）全部采样检测，根据公司育种方向和预算决定出生小母猪是否采样送检，建议平均1～2 头每窝。

1.2.3 样品采集与基因组SNP 芯片检测

1.2.3.1 血卡采集 ①采样准备。需要准备一次性注射器及针头、75%酒精棉球、保定器或保定绳、记号笔、采样登记表、血卡等。

②编号核对。确定采样编号（猪编号、性别、采集日期及其他需标注信息），并在血卡上进行标识。

③采血。保定猪只，采用灭菌采血针采血。其中大猪一般通过耳缘静脉或前腔静脉采血，小猪一般通过前腔静脉采血。

④血液涂卡。将血液均匀涂在血卡的点样圈内或小方格内，以涂满整个点样圈为佳。

⑤样本保存。采集好的血卡自然晾干3～4 h，血卡装入自封袋常温运输至检测公司。

1.2.3.2 耳组织样本采集 耳组织采样可使用常规耳缺钳或TSU 组织取样钳完成。其中TSU 组织取样钳配置的样品管自带编号，能够高效、安全、准确、便捷完成送测种猪耳样组织的采取，采用类似打耳标的方式避开大血管在耳朵边缘采样，TSU 取样管保存于标准存储架中，分装打包后常温运输至检测公司。

1.2.3.3 样本编号与保存 血卡：血卡一般自带二维码和编号，提前打印血卡编号列表用于现场登记种猪号。血液涂卡后分散自然晾干20 min，常温保存运输。

组织样：提前检查取样管编号，按顺序整理管编号并打印好到现场登记种猪号。常温保存运输。

1.2.3.4 DNA 样本提取与SNP 芯片检测 DNA 提取：主要包含取样、消化、全自动核酸提取仪提取DNA、浓度检测、凝胶电泳、DNA 保存等过程。

SNP 芯片检测：目前国内广泛应用的种猪商业化SNP 检测芯片主要有纽勤GGP 50K SNP 芯片（GeneSeek，US）和“中芯一号”，2 款芯片包含了较大比例（约35%，共17 967 个SNP）的共有位点，可通过相互填充实现不同芯片间数据的统一。此外，近年来在植物上广泛应用的DNA 原位杂交技术（液态芯片），也开始在种猪育种中得到应用，其较低的检测成本、灵活的标记密度和较高的检测效率，在种猪育种中具有较好的应用前景。

1.2.4 基因型数据填充 基因型填充一般有2 种情况，在种猪基因组选择技术实施过程中均有可能涉及。第1种情况是缺失基因型的填充。SNP 分型过程中，由于样品制备、芯片生产或检测过程等环节可能出现异常，导致部分SNP 位点不能成功分型，表现在最终的芯片数据中部分位点或个体基因型存在不同程度的缺失。基因组育种值计算过程中，需要完整的基因型，因此需要采用Beagle等专用软件对缺失基因型进行推断，这一过程称为缺失基因型的填充。第2 种情况是不同芯片之间（低密度到高密度或SNP 芯片到序列水平）的填充。目前国内应用较多的猪商业化基因芯片有纽勤公司的GGP 50K SNP（GeneSeek，US）和康普森公司的“中芯一号”，此外，还有早期Illumina 60K 芯片等，因此，同一企业不同时期或不同分公司可能出现芯片型号或版本不统一的情况，为了实现不同型号或版本芯片数据在同一平台下开展基因组选择，需要将不同芯片数据进行相互填充。此外，有条件的企业，可以基于芯片数据，筛选部分关键个体（建议每个品种30～50 头）开展重测序，并基于重测序数据检测序列水平的SNP，通过填充技术将基因芯片数据填充到序列水平，该策略能以比较经济的方式获得大群体超高密度的SNP 数据，应用于基因组选择等。

1.3 基因芯片数据管理 样本采集、编码、运输、基因组SNP 芯片检测和数据导入育种管理系统进行遗传评估最快需要15 d，评估结果即可应用于猪场进行选种选配。

芯片检测完毕后，检测公司会返回基因分型结果等数据。原始数据包括芯片检测的光信号和芯片位置对应表等。基因分型结果一般包括分型报告、分型质量分析、样本基本信息、DNA 质检报告及多种存储格式的SNP基因型数据等。

根据育种信息平台的要求，将基因型数据和样品编号-种猪个体号对照表等资料整理后导入到种猪育种分析平台。SNP 数据质控、缺失基因型填充和重编码等工作一般由育种信息平台自动完成，继而将常规育种数据与基因组育种数据相结合，进行基因组遗传评估并输出评估结果。

1.4 基因组育种值估计 根据全国遗传评估中心给出的建议，我国种猪基因组选择采用一步法估计基因组育种值。一步法在充分利用系谱记录、表型记录和基因型数据的同时，可以实现对基因分型个体和未分型个体的遗传评估，在猪育种中具有很大的优越性。下面以动物模型为例，简要概述BLUP、GBLUP、以及ssGBLUP 的关系。

基于动物模型，Henserson提出了BLUP 方法，其模型为：

在BLUP 中，个体间的亲缘系数由预期的亲缘关系（Expected Relationship）来确定，即父母与子女间的亲缘系数为1/2，全同胞之间亲缘系数为1/2，半同胞之间亲缘系数为1/4 等。

GBLUP与传统BLUP 的区别仅在于亲缘关系矩阵构建方式，因此很容易在原有平台上实施GBLUP，只需将A 阵替换为G 阵即可，极大地简化了基因组选择的实施过程。研究表明，GBLUP 基因组选择准确性在多数性状上明显优于传统BLUP。

在GBLUP 中，可以通过遗传标记来准确估计个体间的亲缘系数。由于使用了覆盖全基因组的遗传标记，能够捕获配子形成过程中的重组事件，基于遗传标记计算的亲缘系数能更准确地反映个体间真实的遗传距离，因此也被称为实现了的亲缘关系。目前最常用的利用遗传标记构建亲缘关系矩阵的方法是VanRaden提出的，即：

其中，G 为基于遗传标记的亲缘关系矩阵，M 为校正后的基因型矩阵，其元素为（0–2p），（1–2p）和（2–2p），分别代表3 种基因型，p为标记的小等位基因频率（Minor Allele Frequency，MAF）。

传统BLUP 利用系谱来构建亲缘关系矩阵，而GBLUP 用标记基因型来构建亲缘关系矩阵。通过一步法构建亲缘关系矩阵（一般用H 表示），可以同时利用系谱和基因型数据，其逆矩阵计算公式如下：

其中，A 为基于系谱的亲缘关系矩阵，A为A 中有基因型个体对应的分块矩阵，G 为基因组亲缘关系矩阵。针对部分种猪育种企业已经积累了大量的历史数据，但历史个体无法获得其遗传物质（无法开展SNP 芯片检测）这一现实问题，一步法在我国种猪育种中具有很好的应用前景。

1.5 参考群更新 参考群的建立不是一劳永逸的，而是需要在开展种猪基因组选择技术应用的同时，不断补充和更新参考群。通过基因组早期选择留测的种猪，应保证较为优越且尽量统一的饲养管理条件，如适宜的饲养密度、标准化的日粮、清洁且充足的饮水、干净舒适的栏舍条件等，保证其各项生产性能充分发挥，获得高质量的性能测定数据。测定数据及时录入到育种系统，一方面获得更加准确的遗传评估结果，另一方面补充到参考群中，不断更新参考群。

2 种猪基因组早期选择

基因组早期选择的主要优势在于种猪早期选留时，更准确地选择出遗传潜力好的种猪。选留相同数量的种猪，通过早期选择降低同批测定猪只数量，可大幅度降低测定成本，或者在测定设备和测定成本不增加的情况下，大大增加测定范围。传统的BLUP 方法，在完成个体登记后，也可以获得初生个体的育种值，但由于同窝仔猪所有个体的遗传评估信息（系谱与亲属测定成绩）完全一致，同窝仔猪个体间育种值和综合选择指数是完全一致的，不能根据遗传评估结果开展窝内的早期选择。通过基因组选择在出生时进行遗传评估，由于个体间基因组信息的差异，同窝仔猪育种值和综合选择指数不同，可以实现窝内个体间的早期选择。

本文以某育种企业杜洛克种猪为例，模拟基因组选择技术早期选种过程，探索基因组早期选择的效果。以2017 年3 月至2017 年7 月出生的487 头（全部进行高密度基因芯片检测）杜洛克公猪为候选群，模拟在3 个不同时间点，通过BLUP 和ssGBLUP 开展遗传评估，3 个时间点如下：

早期选种（ST1）：遗传评估数据截止2017 年7月31 日，候选个体本身、同胞和后裔均无测定成绩。

测定后选留（ST2）：遗传评估数据截止2018 年1 月6 日，包含候选个体本身及同胞测定成绩。

后裔测定后选留（ST3）：遗传评估数据截止2019年11 月29 日，包含候选个体本身、同胞及其后裔测定成绩。

如图1 所示，分别在3 个时间点采用BLUP 和ssGBLUP 开展遗传评估，依据BLUP 父系指数和ssGBLUP 父系指数进行3 个时间点的模拟留种。其中，基于2019 年11 月29 日（ST3）的基因组选择遗传评估结果进行选种，因为包含了候选群本身、同胞及其后裔测定数据和基因组数据，遗传评估准确性最高（图2），可作为留种的最佳标准用来评价早期留种的准确性。采用各阶段育种值估计可靠性和顶级公猪选中比例来评价各阶段选种的准确性。

图1 不同模拟选留阶段数据情况

顶级公猪选中比例：以2019 年11 月29 日ssGBLUP遗传评估结果为金标准，选出前5%、10%、20%、30%的种猪，然后评估BLUP 和ssGBLUP 早期选择在不同留测比例下选中顶级公猪的比例。其中留测比例定义为在断奶前根据遗传评估结果进行预选留，并对预选留的小种猪开展保育育肥和性能测定的种猪所占比例，模拟预选留过程中未选上的仔猪不进行育肥和性能测定。

无论在哪个时间段开展遗传评估，基因组育种值可靠性总是高于BLUP 育种值，且随着时间推移，增加候选个体本身、同胞及其后代的测定成绩后，可明显提高候选个体育种值可靠性（图2）。但相比于ST1，BLUP 和ssGBLUP 在ST2 和ST3 2 个阶段的育种值可靠性差距下降。在仔猪出生时（ST1），ssGBLUP 基因组育种值的可靠性大大超过BLUP 育种值，表明如果在出生时进行早期选择，ssGBLUP 基因组选择估计育种值较BLUP 育种值更加可靠。

图2 不同时间点BLUP 和ssGBLUP 育种值估计可靠性

图3 展示了以ST3 选留结果为金标准，不同留种率（5%、10%、20%和30%）需求下，EBV 指数和GEBV指数早期选择（ST1）的顶级公猪选中比例与ST1 留测比例的变化关系。如图3 所示，基于BLUP 在ST1 进行早期选择，需要很大的留测比例（90%或以上）才能以较高的概率（80% 以上）选出顶级公猪，这实际上失去了早期选择的意义。而基于ssGBLUP 进行早期选择，只需根据评估结果在断奶前预选排名靠前的55%小公猪开展育肥和性能测定，即可准确选出top5% 和top10% 的种猪，降低45% 的公猪测定量。当留种率为5%或10%时，BLUP 指数早期选择准确性远远低于ssGBLUP，一方面是因为ssGBLUP 育种值估计准确性高于BLUP，另一方面则是因为ssGBLUP 可以识别出同窝仔猪中的优秀个体，而根据BLUP 指数进行早期选择，则基本上都是整窝留测或者整窝淘汰，因此在早期选出顶级公猪的准确性会远远低于ssGBLUP。留种率增加到20%，则需要在断奶前根据ssGBLUP 评估结果预选留更大比例（85%）的小公猪，才能有效选出所需的顶级公猪；而要想准确选出所有top30%的公猪，几乎需要对所有候选公猪进行测定，即无法开展早期选择。

图3 早期选择（ST1）留测比例与顶级种猪选中比例变化关系

综上所述，候选个体出生时，采用基因组选择技术开展遗传评估，ssGBLUP 育种值可靠性远大于BLUP育种值。通过基因组综合选择指数开展早期选择，在降低45% 测定量的情况下，依然能准确选出top5% 和top10% 的公猪，表明可以通过基因组早期选择，同时达到准确选出顶级公猪和降低测定量的双重目标。但随着目标留种率的提高，需要大大增加测定量，才能保证准确选出所有顶级公猪。

3 总结

基因组选择已经成为我国种猪遗传改良的一项关键技术，近几年的推广应用已经取得一定的成效。通过制定合理的基因组选择方案，可快速推动该项技术在集团化种猪育种企业的落地应用。在技术层面，基因组选择可以与传统育种技术和遗传评估平台实现很好的衔接，传统育种扎实的数据基础是开展基因组选择技术应用并取得预期效果的重要保障。在种公猪早期选择与留测方面，通过基因组综合选择指数开展早期选择，在断奶前阉割基因组综合选择指数排名靠后的45%小公猪的情况下，依然能准确选出top5%和top10%的公猪，表明通过基因组早期选择，可以在保证选出优秀公猪的同时，大大降低公猪选育成本。