编辑推荐：
为探究功能序列变异对奶牛泌乳性状基因组预测准确性的影响，研究人员开展了对比五类功能变异与通用单核苷酸多态性（SNP）芯片标记的研究。结果显示功能变异可提高预测准确性，这为开发更高效的 SNP 芯片提供了依据。
在动物和植物育种领域，基因组选择（Genomic selection）已成为一种重要手段。它借助大量分散于基因组的标记来估算个体遗传价值，也就是基因组估计育种值（Genomic Estimated Breeding Value，GEBV） 。相较于传统基于系谱的方法，基因组选择在预测年轻动物遗传价值时准确性更高，这有助于缩短世代间隔，加快遗传进展。不过，目前使用的通用 SNP 芯片存在一些局限性。一方面，传统 SNP 芯片标记可能无法精准定位与性状相关的因果变异；另一方面，全基因组序列数据虽包含大量信息，但因其成本高、计算需求大，且在标记效应估计时标准误差大，容易出现错误，导致预测准确性提升有限。所以，寻找更有效的遗传标记，提升基因组预测准确性，成为了育种领域亟待解决的问题。
为了攻克这些难题，来自新西兰梅西大学 AL Rae 遗传学与育种中心、AgResearch Limited 的 Invermay 农业中心、LIC、奥克兰大学生物科学学院等机构的研究人员，进行了一项关于奶牛泌乳性状基因组预测的研究。该研究成果发表在《Genetics Selection Evolution》上。
研究人员运用了多种关键技术方法。首先，从商业收集的牛群测试记录中获取 494,963 头奶牛的首次泌乳表型数据，并调整非遗传效应以构建产量偏差（YD）数据。其次，通过特定方法从 166,664 头奶牛的推算序列变异中提取功能变异基因型。在数据分析阶段，使用 Markov 链蒙特卡罗（MCMC）方法和 BayesCpi 模型进行基因组评估，并采用五折交叉验证来评估各类功能变异的性能。
研究结果如下：
- GWAS 标记的效果：研究发现，与从当前 SNP 芯片中随机选择的相同数量的 SNP 相比，1124 个通过全基因组关联研究（GWAS）选择的功能变异显著提高了所有五个评估性状的基因组预测准确性。其中，脂肪百分比的预测准确性提高了 57.77%，蛋白质百分比提高了 48.28%，产奶量提高了 15.36%，脂肪产量提高了 13.83%，蛋白质产量提高了 3.18%1。
- RNA-seq 标记的效果：RNA 测序（RNA-seq）功能变异同样显著提升了基因组预测准确性。例如，外显子表达定量性状位点（eeQTL）变异使脂肪百分比的预测准确性提高了 12.82%，蛋白质百分比提高了 7.26%，产奶量提高了 6.40%，脂肪产量提高了 4.36%，蛋白质产量提高了 0.72%。不过，剪接效率定量性状位点（seQTL）变异对脂肪产量的预测准确性有负面影响，但对蛋白质百分比的预测准确性提高了 18.47%23。
- 其他功能变异的效果：组蛋白修饰染色质免疫沉淀测序（ChIP-seq）和转座酶可及染色质测序（ATAC-seq）功能变异对基因组预测准确性的影响各不相同。其中，等位基因特异性结合定量性状位点（asbQTL）变异对所有五个性状的预测准确性都有提升，而 ChIP-seq QTL 变异对蛋白质产量的预测准确性略有下降，但对其他性状有一定提升。ATAC-seq 功能变异对百分比性状有一定的提升作用，但对产量性状的预测准确性有轻微下降。编码变异对部分性状的预测准确性有提升，对脂肪产量和蛋白质产量的预测准确性则有所降低45。
- 综合分析：当将不同功能变异组合时，“GWAS 和 eeQTL”“GWAS、eeQTL 和 asbQTL”“GWAS、eeQTL、asbQTL 和 aseQTL” 等组合在大多数性状上的基因组预测准确性与当前 32,595 SNP 芯片相当甚至更高，且使用的 SNP 数量更少。将所有功能变异组合在一起时，脂肪百分比、蛋白质百分比、产奶量和脂肪产量的预测准确性有所提高，但蛋白质产量略有下降67。
研究结论和讨论部分指出，该研究表明功能变异相较于通用 SNP 面板能有效提高基因组预测准确性，尤其是百分比性状。精心选择的功能变异组合，如包含 16k 变异的组合，可实现与使用两倍大小标准面板（32.6k）相当的预测准确性，这为开发更高效、针对特定性状的 SNP 面板提供了可能。然而，使用功能变异也面临一些挑战，如测序和推算过程中的误差可能会抵消预测准确性的提升，开发特定功能变异芯片的成本较高，且该面板在不同性状和品种中的适用性有待进一步研究。未来研究应探索如何将功能变异整合到现有 SNP 面板中，以平衡预测精度和综合性状覆盖的需求。这项研究为奶牛育种中基因组预测技术的改进提供了重要参考，有助于推动奶牛育种行业的发展，提高奶牛养殖的经济效益和生产效率。
