李宏偉，徐凌洋，王澤昭，蔡文濤，朱 波，陳 燕，高 雪，張路培，高會江，李俊雅

(中國農(nóng)業(yè)科學(xué)院北京畜牧獸醫(yī)研究所 牛遺傳育種創(chuàng)新團(tuán)隊(duì)，北京 100193)

隨著高通量測序技術(shù)的發(fā)展和大量SNP標(biāo)記的出現(xiàn)，全基因組關(guān)聯(lián)分析逐漸成為定位復(fù)雜性狀遺傳變異或基因的常用方法。該方法于1996年由Risch和Merikangas[1]首次提出。近二十年來，科學(xué)家們在人類、牲畜和作物中開展了大量基于連鎖不平衡的GWAS研究工作[2-9]。GWAS研究有兩個具體目標(biāo)，一是要確定與目標(biāo)性狀關(guān)聯(lián)的QTLs或者基因，其次是探究復(fù)雜性狀的遺傳結(jié)構(gòu)[10]。全基因組關(guān)聯(lián)分析開始廣泛應(yīng)用更高密度的芯片及全基因組測序數(shù)據(jù)開展基因定位研究，大大提高了GWAS的檢測效率。伴隨GWAS研究的深入，GWAS新的統(tǒng)計(jì)模型和算法不斷發(fā)展，用以提高位點(diǎn)定位的精準(zhǔn)性。2006年，Yu等[11]首次提出基于固定效應(yīng)和隨機(jī)效應(yīng)的混合模型。隨后，針對GWAS研究中的計(jì)算速度和假陽性等問題陸續(xù)提出了優(yōu)化模型和方法。這些方法主要分為兩類，一類是精確算法，另一類是近似算法。精確算法如GEMMA和fast-LMM等針對每個標(biāo)記重新擬合模型，并準(zhǔn)確計(jì)算每個標(biāo)記的效應(yīng)值，然而，此類方法需要較長的計(jì)算時間[12-13]。相比之下，近似算法如EMMAX和GRAMMAR的計(jì)算速度非?？臁伪缎褪侵冈谕蝗旧w上進(jìn)行共同遺傳的多個基因座上等位基因的組合。多個等位基因之間存在一定的連鎖不平衡關(guān)系。單倍型標(biāo)記與數(shù)量性狀基因座之間具有較強(qiáng)的LD關(guān)系，在基因定位、因果突變鑒定及QTL連鎖分析方面具有較高的統(tǒng)計(jì)效力。然而，目前大部分畜禽基因組研究工作都是基于SNP標(biāo)記，利用單倍型標(biāo)記的研究較少。有研究表明，基于單倍型的全基因組關(guān)聯(lián)分析能夠檢測到基于SNP檢測不到的位點(diǎn)[14-15]。單倍型可以捕獲SNP之間的局部上位性效應(yīng)，因此可以提高解析復(fù)雜性狀的能力和準(zhǔn)確性[16-17]。在人類的相關(guān)研究中已經(jīng)揭示了利用單倍型開展GWAS研究的諸多優(yōu)點(diǎn)：首先，與SNP標(biāo)記相比，單倍型標(biāo)記提供了更多的多態(tài)性信息[18]；其次，單倍型標(biāo)記可以用來判斷兩個等位基因在血統(tǒng)上的一致性[19]；另外，利用單倍型標(biāo)記可以捕獲更多的物種進(jìn)化信息[20]。目前，單倍型已日益成為全基因組關(guān)聯(lián)分析中重要的遺傳標(biāo)記[21-25]。

本研究基于中國農(nóng)業(yè)科學(xué)院北京畜牧獸醫(yī)研究所構(gòu)建的華西牛資源群體，分別利用SNP和單倍型標(biāo)記對宰前活重(LW)和屠宰率(DP)開展全基因組關(guān)聯(lián)分析，定位目標(biāo)性狀的分子標(biāo)記及候選基因。

1 材料與方法

1.1 試驗(yàn)群體

本試驗(yàn)的研究群體為中國農(nóng)業(yè)科學(xué)院北京畜牧獸醫(yī)研究所牛遺傳育種團(tuán)隊(duì)構(gòu)建的華西牛資源群體，選取該群體于2008—2021年間屠宰的共計(jì)1 478個個體進(jìn)行研究，其中公牛1 333頭，母牛145頭。所有個體的表型數(shù)據(jù)從出生時開始收集整理，包括各個生長發(fā)育的階段的表型數(shù)據(jù)，犢牛斷奶后，公牛犢轉(zhuǎn)移至指定的肉牛育肥場進(jìn)行育肥，按照相同的飼養(yǎng)方式進(jìn)行統(tǒng)一管理，并于24月齡左右進(jìn)行屠宰，按照國家標(biāo)準(zhǔn)GB/T 27643-2011進(jìn)行屠宰、胴體、分割等性狀的測定和收集。

1.2 試驗(yàn)方法

1.2.1 表型性狀測定及數(shù)據(jù)預(yù)處理 在1 478頭華西牛群體中，公牛1 333頭，母牛145頭，選擇宰前活重(LW)和屠宰率(DP)性狀進(jìn)行研究。具體的測定計(jì)算方法：宰前活重為肉牛屠宰前禁水禁食12 h以上的體重；屠宰率是肉牛胴體重與宰前活重的比值。

首先對原始數(shù)據(jù)進(jìn)行預(yù)處理，剔除各個性狀平均值加減3倍標(biāo)準(zhǔn)差之外的異常數(shù)據(jù)，然后對各性狀進(jìn)行描述性統(tǒng)計(jì)分析，并進(jìn)行表型校正。本研究根據(jù)資源群體數(shù)據(jù)的實(shí)際情況，考慮的固定效應(yīng)為性別、出生年、育肥場、屠宰場和所在群體等，協(xié)變量包含育肥天數(shù)、進(jìn)場重和屠宰日齡等。利用R語言中的GLM函數(shù)對影響原始表型的各個因素進(jìn)行顯著性檢驗(yàn)和校正，其模型如下：

y=u+Sex+Year+F1+F2+Pop+day1+enter_wt+day2+e

其中，y為表型值，u為總體均值，Sex為性別效應(yīng)，Year為出生年效應(yīng)，F(xiàn)1為育肥場效應(yīng)，F(xiàn)2為屠宰場效應(yīng),Pop為所在群體效應(yīng)，day1為育肥天數(shù)效應(yīng)，enter_wt為進(jìn)場重效應(yīng)，day2為屠宰日齡效應(yīng)，e為隨機(jī)殘差。

1.2.2 遺傳參數(shù)估計(jì) 本研究利用ASReml (v4.1)通過個體動物模型對目標(biāo)性狀的遺傳力進(jìn)行了估計(jì)[26]。具體模型如下：

y=1nμ+Za+e

1.2.3 基因型數(shù)據(jù)處理 利用PLINK軟件(v1.07)[27]對1 478個個體的770K高密度芯片數(shù)據(jù)進(jìn)行質(zhì)量控制，質(zhì)控后利用BEAGLE(v5.1)[28]對芯片數(shù)據(jù)中缺失位點(diǎn)進(jìn)行填充，具體質(zhì)控方法：首先，去除性染色體和質(zhì)粒上的SNPs位點(diǎn)，僅保留常染色體上的位點(diǎn)。剔除染色體位置信息缺失的SNPs位點(diǎn)；剔除最小等位基因頻率小于0.01的SNPs位點(diǎn)；剔除缺失率大于0.05的SNPs位點(diǎn)；剔除哈代-溫伯格平衡檢驗(yàn)P<10-6的SNPs位點(diǎn)；剔除樣本SNP缺失率大于0.05的個體。

1.2.4 基因型定相及單倍型構(gòu)建 本研究利用BEAGLE (v5.1)軟件的默認(rèn)參數(shù)對質(zhì)控后的SNP數(shù)據(jù)進(jìn)行定相(phase)。分別采用基于LD水平和基于連續(xù)固定的SNP個數(shù)的方式進(jìn)行單倍型的構(gòu)建，具體過程如下。

1.2.4.1 基于LD單倍型構(gòu)建：利用相鄰兩個SNPs之間的連鎖不平衡程度(LD)進(jìn)行單倍型的劃分。若某一區(qū)域彼此相鄰兩個SNPs之間的LD大于某一個閾值(r2)，則將這部分連續(xù)SNPs劃分為一個單倍型塊。這種方法確保在物理距離盡可能近的情況下，具有一定LD關(guān)系的SNPs可以劃分到一個單倍型區(qū)域中。r2的計(jì)算公式如下：

其中，D=pA1B1pA2B2-pA1B2pA2B1，D是兩個雙等位基因之間的連鎖不平衡程度，pA1、pA2、pB1和pB2是4個等位基因(A1、A2、B1和B2)的頻率，pA1B1、pA2B2、pA1B2和pA2B1是4個基因型頻率(A1B1、A2B2、A1B2和A2B1)[29-30]。本研究選擇LD閾值水平為r2>0.3進(jìn)行單倍型(0.3LD)的構(gòu)建。

1.2.4.2 基于固定SNP個數(shù)進(jìn)行單倍型構(gòu)建：本研究將整個基因組按常染色體進(jìn)行拆分(共29條)，在每條染色體上，依據(jù)SNP的排列順序，設(shè)置每5個連續(xù)的SNPs劃分為一個單倍型塊(5_SNP_HAP)。若染色體末端SNP個數(shù)不足5個，將染色體末端最后剩余的所有SNP作為一個單倍型塊。在單倍型塊內(nèi)部按照劑量可加效應(yīng)，依據(jù)單倍型等位基因的重復(fù)個數(shù)進(jìn)行編碼(0、1、2)。

為了排除低頻單倍型等位基因?qū)WAS結(jié)果的影響，對單倍型等位基因進(jìn)行質(zhì)量控制，去除單倍型等位基因頻率小于0.01的單倍型等位基因。

1.2.5 單倍型效應(yīng)編碼 在劃分單倍型塊的基礎(chǔ)上構(gòu)建單倍型矩陣。具體編碼規(guī)則是利用劑量可加效應(yīng)，依據(jù)單倍型等位基因重復(fù)個數(shù)的方法進(jìn)行編碼[31]，兩個連續(xù)SNPs構(gòu)建一個單倍型塊的劑量可加編碼規(guī)則如表1所示。

1.2.6 群體遺傳結(jié)構(gòu)分析 在全基因組關(guān)聯(lián)分析時，為了減少假陽性位點(diǎn)的出現(xiàn)，在分析之前需要對群體分層進(jìn)行校正。本研究利用高密度SNP芯片數(shù)據(jù)對華西牛群體做PCA分析，判斷群體中是否存在群體分層現(xiàn)象。

表1 兩個連續(xù)SNPs構(gòu)建一個單倍型塊的劑量可加編碼

1.2.7 全基因組關(guān)聯(lián)分析

1.2.7.1 基于SNP的全基因組關(guān)聯(lián)分析：利用GCTA軟件(v1.93)[32]中的混合線性模型(mixed linear model，MLM)對目標(biāo)性狀進(jìn)行GWAS研究。計(jì)算模型如下：

y=Xβ+Ws+Zμ+e

其中，y是表型值向量；X是固定效應(yīng)向量的關(guān)聯(lián)矩陣，β是固定效應(yīng)向量；W是SNP基因型指示變量，aa、Aa和AA三種不同基因型分別用0、1、2數(shù)字編碼，s為SNP效應(yīng)向量；Z為多基因效應(yīng)向量的設(shè)計(jì)矩陣，μ～(0,Kσ2)是微效多基因效應(yīng)向量，K為基因組親緣關(guān)系矩陣；e～N(0,Iσ2)表示隨機(jī)殘差。

1.2.7.2 基于單倍型的全基因組關(guān)聯(lián)分析：利用連續(xù)5個SNPs構(gòu)建的單倍型的全基因組關(guān)聯(lián)分析模型如下：

y=Xβ+W′s′+Z′μ′+e

其中y是表型值向量；X為固定效應(yīng)向量的關(guān)聯(lián)矩陣，β為固定效應(yīng)向量；W′是單倍型的指示變量，依據(jù)單倍型等位的重復(fù)個數(shù)(0、1、2)進(jìn)行編碼，s′為單倍型等位基因效應(yīng)向量；Z′為多基因效應(yīng)向量的設(shè)計(jì)矩陣，μ′～(0,K′σ2)為微效多基因效應(yīng)向量，K′為單倍型等位基因計(jì)算的基因組親緣關(guān)系矩陣；e～N(0,Iσ2)表示隨機(jī)殘差。

由于基于LD進(jìn)行單倍型構(gòu)建時將整個基因組劃分為兩部分，一部分為具有LD的區(qū)域，利用單倍型進(jìn)行重編碼，剩余的位于單倍型塊外部的SNP依舊利用原來的方式進(jìn)行編碼。因此，利用LD單倍型全基因組關(guān)聯(lián)分析的模型如下：

y=Xβ+W″s″+Z″μ″+e

其中，y是表型值向量；X為固定效應(yīng)向量的關(guān)聯(lián)矩陣，β為固定效應(yīng)向量；W″是單倍型和SNP合集的指示變量，其中單倍型部分依據(jù)單倍型等位的重復(fù)個數(shù)(0、1、2)進(jìn)行編碼，s″為SNP與單倍型等位基因效應(yīng)向量；Z″為多基因效應(yīng)向量的關(guān)聯(lián)矩陣，μ″～(0,K″σ2)為微效多基因效應(yīng)向量，K″為單倍型等位基因和單倍型外部SNP計(jì)算的基因組親緣關(guān)系矩陣；e～N(0,Iσ2)表示隨機(jī)殘差。

采用wald檢驗(yàn)法對得到的SNP或單倍型等位基因進(jìn)行顯著性檢驗(yàn)，利用bonferroni多重檢驗(yàn)將SNP標(biāo)記的顯著水平閾值設(shè)置為1/SNP數(shù)[33]，單倍型等位基因顯著性水平閾值設(shè)置為1/單倍型等位基因數(shù)。

1.2.8 候選基因篩選 根據(jù)設(shè)定的顯著性閾值篩選與目標(biāo)性狀顯著關(guān)聯(lián)的SNPs及單倍型塊，并通過生物數(shù)據(jù)庫ensembl中的BioMart模塊將篩選到的顯著SNPs與牛的參考基因組(Bos_taurus.UMD3.1)進(jìn)行比對。然后利用SNPs或單倍型塊的物理位置尋找距離SNP最近的基因。且認(rèn)為該基因是與目標(biāo)性狀顯著相關(guān)的候選基因，利用NCBI網(wǎng)站的Gene數(shù)據(jù)庫檢索相關(guān)候選基因的生物學(xué)功能。

2 結(jié) 果

2.1 芯片數(shù)據(jù)質(zhì)控與表型基本統(tǒng)計(jì)量

經(jīng)過基因型數(shù)據(jù)質(zhì)控及表型預(yù)處理后宰前活重和屠宰率性狀分別剩余1 387及1 366個個體，共672 060個SNPs位點(diǎn)的基因型數(shù)據(jù)用于下一步分析。各性狀表型的基本統(tǒng)計(jì)量，包括表型數(shù)據(jù)的記錄數(shù)、平均值及標(biāo)準(zhǔn)差、最大值、最小值和變異系數(shù)如表2所示。圖1展示了性狀的表型頻率分布情況。研究結(jié)果表明表型數(shù)據(jù)基本服從正態(tài)分布，可用于下一步研究。

表2 性狀基本統(tǒng)計(jì)量

圖1 宰前活重和屠宰率性狀的表型頻率分布圖Fig.1 Phenotypic frequency distribution of LW and DP

2.2 固定效應(yīng)及協(xié)變量顯著性

對性別、出生年、育肥天數(shù)、進(jìn)場重、育肥場、屠宰場、所在群體和屠宰日齡等固定效應(yīng)和協(xié)變量進(jìn)行顯著性檢驗(yàn)，使用GLM函數(shù)對各性狀進(jìn)行表型校正，檢驗(yàn)結(jié)果如表3所示。

表3 各固定效應(yīng)及協(xié)變量顯著性結(jié)果

結(jié)果顯示，各個性狀中，性別、出生年和屠宰日齡對宰前活重和屠宰率的影響不顯著(P>0.05)，育肥天數(shù)、進(jìn)場重、育肥場、屠宰場和所在群體對宰前活重的影響極顯著(P<0.01)，育肥天數(shù)、進(jìn)場重、育肥場和所在群體對屠宰率影響顯著(P<0.05)。

2.3 表型遺傳參數(shù)估計(jì)

利用ASReml(v3.0)軟件[34]中的個體動物模型對各性狀的遺傳參數(shù)進(jìn)行估計(jì)。各性狀加性遺傳方差、殘差方差和遺傳力如表4所示。宰前活重和屠宰率的遺傳力分別為0.40和0.22。其中，宰前活重為高遺傳力性狀，屠宰率為中等遺傳力性狀。

表4 性狀遺傳參數(shù)估計(jì)

2.4 群體遺傳結(jié)構(gòu)

以第一、二主成分聚類的群體結(jié)構(gòu)如圖2所示。群體中的個體大致聚成5類，表明群體中存在一定程度的群體分層現(xiàn)象。本研究根據(jù)前期研究的經(jīng)驗(yàn)，選取前5個主成分作為協(xié)變量放入GWAS分析模型以校正群體分層效應(yīng)對關(guān)聯(lián)分析的影響。

圖2 主成分分析繪制種群結(jié)構(gòu)圖Fig.2 Population structure identified by principal components analysis

2.5 全基因組關(guān)聯(lián)分析結(jié)果

圖3和圖4分別展示了基于SNP、0.3LD單倍型和5_SNP_HAP單倍型標(biāo)記對宰前活重和屠宰率等性狀的GWAS分析的Manhattan和QQ圖。QQ圖結(jié)果顯示，不論SNP標(biāo)記還是單倍型標(biāo)記，SNP顯著性分布的理論值與觀察值的基本吻合，表明本研究選取的固定效應(yīng)和協(xié)變量較好的校正了群體結(jié)構(gòu)和其他混雜因素，模型選擇合理。以bonferroni法矯正后的顯著閾值為標(biāo)準(zhǔn)，兩個性狀在全基因組范圍內(nèi)共找到16個顯著SNPs及單倍型區(qū)域，利用ensembl網(wǎng)站BioMart模塊成功鑒定到與這些SNPs或單倍型區(qū)域密切相關(guān)的10個候選基因。

對于宰前活重，利用SNP和單倍型方法共檢測到15個顯著SNPs及單倍型區(qū)域(表5)，分別位于第1、5、6、14、16和17號染色體上，分別鄰近或坐落于PPM1K、FAM184B、LCORL、PMP2、R1MS2、PEX14、EPHB3、MPST、RIMS2、SCOC、S100A10、ANGPTL4、FER1L6、FABP4和AARSD1等，其中，3種標(biāo)記共同鑒定到FAM184B基因，SNP標(biāo)記和0.3LD單倍型標(biāo)記共同鑒定到PPM1K。5_SNP_HAP和0.3LD標(biāo)記共同鑒定到R1MS2基因，0.3LD單倍型標(biāo)記除了鑒定到SNP標(biāo)記中的所有候選基因外，還鑒定到PEX14、EPHB3和MPST等基因。本研究表明單倍型方法，尤其是0.3LD單倍型標(biāo)記鑒定到的基因遠(yuǎn)遠(yuǎn)多于SNP方法，且單倍型方法鑒定到的顯著性位點(diǎn)或區(qū)域大多位于基因內(nèi)部。

對于屠宰率，共檢測到位于第1、14和28號染色體上4個顯著SNPs位點(diǎn)(表6)，它們鄰近或坐落于EPHB3、RIMS2和ANTXRL等基因，其中，SNP和0.3LD標(biāo)記共同鑒定到EPHB3基因。且所有被鑒定到的顯著位點(diǎn)均位于基因的內(nèi)部。

A和B表示利用SNP標(biāo)記，C和D表示利用5_SNP_HAP單倍型標(biāo)記，E和F表示利用0.3LD單倍型標(biāo)記A and B represent SNP marker, C and D represent 5_SNP_HAP haplotype marker, E and F represent 0.3LD haplotype marker 圖3 基于SNP、0.3LD單倍型和5_SNP_HAP單倍型標(biāo)記對宰前活重性狀關(guān)聯(lián)分析結(jié)果的Manhattan和QQ圖Fig.3 Manhattan and QQ plots for the GWAS results of LW by SNP, 0.3LD and 5_SNP_HAP marker

3 討 論

在肉牛生產(chǎn)中，屠宰性狀是備受關(guān)注的經(jīng)濟(jì)性狀，在肉牛產(chǎn)業(yè)中發(fā)揮著著重要的作用。本研究通過GWAS策略鑒定影響華西牛屠宰性狀的分子標(biāo)記或候選基因，有助于從遺傳水平上探索肉牛生長發(fā)育的遺傳機(jī)制，對該品種遺傳改良具有重要意義，為后續(xù)全基因組選擇、分子標(biāo)記輔助選擇等提供可靠的理論基礎(chǔ)。本研究基于本團(tuán)隊(duì)組建的華西牛資源群體的基因型及表型數(shù)據(jù)，通過SNP和單倍型標(biāo)記分別對宰前活重(LW)和屠宰率(DP)等重要經(jīng)濟(jì)性狀進(jìn)行了GWAS研究。

通過對群體分層效應(yīng)進(jìn)行校正，可有效減少由于遺傳背景不同導(dǎo)致的假陽性位點(diǎn)的出現(xiàn)。在做GWAS分析時，選取放入到模型中PCA個數(shù)的依據(jù)主要有兩種，一種是根據(jù)經(jīng)驗(yàn)，選取一定數(shù)量的PCA放入模型中[35-38]；另外還有根據(jù)EIGENSTRAT軟件計(jì)算各個主成分是否有顯著的統(tǒng)計(jì)學(xué)意義，將P值小于0.05的主成分納入群體分層校正中[39]。本研究的GWAS結(jié)果如圖2和圖3所示，整體上看，利用單倍型方法進(jìn)行GWAS鑒定到的基因遠(yuǎn)遠(yuǎn)多于SNP方法，且所有SNP方法能夠鑒定到的顯著性位點(diǎn)，利用單倍型方法也可以鑒定到。在一定程度上說明，利用單倍型進(jìn)行GWAS可以增加顯著性位點(diǎn)的檢測能力。這與前人的研究結(jié)果一致[14-15]。

表5 基于SNP、0.3LD單倍型和5_SNP_HAP單倍型標(biāo)記對宰前活重性狀的關(guān)聯(lián)分析結(jié)果

表6 基于SNP、0.3LD單倍型和5_SNP_HAP單倍型標(biāo)記對屠宰率性狀的關(guān)聯(lián)分析結(jié)果

A和B表示利用SNP標(biāo)記，C和D表示利用5_SNP_HAP單倍型標(biāo)記，E和F表示利用0.3LD單倍型標(biāo)記A and B represent SNP marker, C and D represent 5_SNP_HAP haplotype marker, E and F represent 0.3LD haplotype marker圖4 基于SNP、0.3LD單倍型和5_SNP_HAP單倍型標(biāo)記對屠宰率性狀關(guān)聯(lián)分析結(jié)果的Manhattan和QQ圖Fig.4 Manhattan and QQ plots for the results of DP by SNP, 0.3LD and 5_SNP_HAP marker

本研究中的3種標(biāo)記共鑒定到10個與宰前活重和屠宰率等屠宰性狀顯著相關(guān)的候選基因(表5和表6)。其中，SNP標(biāo)記鑒定到的3個候選基因利用單倍型方法也可鑒定到。許多候選基因已經(jīng)在其他牛品種或物種上被相繼報(bào)道。對于宰前活重性狀，F(xiàn)AM184B在3種標(biāo)記中被共同鑒定到。FAM184B是一種蛋白質(zhì)編碼基因，位于6號染色體的38 614 370～38 672 306 bp區(qū)域。已有研究表明，F(xiàn)AM184B是一種與生長發(fā)育和胴體性狀顯著相關(guān)的候選基因[40]。Xia等[41]在肉牛群體中進(jìn)行全基因組關(guān)聯(lián)分析的研究中發(fā)現(xiàn)，F(xiàn)AM184B是與骨重顯著相關(guān)的候選基因。表5中的結(jié)果顯示，PPM1K在SNP標(biāo)記和0.3LD單倍型標(biāo)記中被鑒定到，據(jù)報(bào)道PPM1K是編碼Mn2+/Mg2+依賴蛋白磷酸酶的PPM家族成員。Abo-Ismail等[42]在加拿大安格斯、海福特及其雜交群體中進(jìn)行全基因組關(guān)聯(lián)分析發(fā)現(xiàn)，PPM1K是與日增重、代謝體重及皮下脂肪沉積性狀顯著關(guān)聯(lián)的基因。RIMS2在SNP標(biāo)記中沒有被鑒定到，但在兩種單倍型方法同時被鑒定到了。已有報(bào)道指出，該基因與胴體重和凈肉率性狀顯著相關(guān)[43-46]，也有研究認(rèn)為該基因與骨病顯著相關(guān)[47]。在5_SNP_HAP單倍型標(biāo)記中成功鑒定到了LCORL，鑒定到的單倍型區(qū)域位于該基因的下游，距離該基因372 477 bp，該基因是與生長發(fā)育相關(guān)的候選基因，很多的研究報(bào)道均已指出LCORL是胴體重、日增重、骨重和眼肌面積等性狀重要的候選基因[41,48]，盡管該單倍型區(qū)域距離LCORL較遠(yuǎn)，但相比于SNP標(biāo)記，單倍型方法鑒定到了該基因，在一定程度上證明了單倍型方法具有更強(qiáng)的檢測能力。同樣在0.3LD單倍型標(biāo)記中鑒定到的SCOC是與體脂率和體重指數(shù)等性狀顯著關(guān)聯(lián)的候選基因。國內(nèi)外幾乎未見對于屠宰率性狀的GWAS 研究，但在本研究中找到EPHB3、RIMS2和ANTXRL等候選基因，據(jù)報(bào)道EPHB3是重要的蛋白質(zhì)編碼基因，主要在長骨的增殖軟骨細(xì)胞中持續(xù)表達(dá)[49]。RIMS2在宰前活重和屠宰率性狀中同時被鑒定到，證明其可能是調(diào)控生長發(fā)育的重要基因。

4 結(jié) 論

本研究基于SNP、0.3LD單倍型和5_SNP_HAP單倍型標(biāo)記分別對宰前活重和屠宰率等屠宰性狀進(jìn)行了GWAS研究。結(jié)果發(fā)現(xiàn)，3種標(biāo)記共鑒定到10個與屠宰性狀顯著相關(guān)的候選基因，利用單倍型方法的GWAS鑒定到的基因多于基于SNP標(biāo)記的GWAS，表明以單倍型開展GWAS可以綜合考慮SNP位點(diǎn)間連鎖關(guān)系，并能較好的揭示復(fù)雜性狀的遺傳結(jié)構(gòu)。