基于近红外高通量表型组学的基因组预测技术提升大西洋鲑饲料利用与生长性状选育效率

本研究针对水产育种中个体摄食量(IFI)和饲料效率(FE)表型测定成本高、通量低的瓶颈，开发了非接触式近红外互作用光谱(iNIR)技术。通过680尾鲑鱼幼体验证，Lasso回归对IFI(r=0.78)、体重(BW)(r=0.85)等性状预测效果最佳，基因组验证显示预测性状遗传力达0.31-0.50，与参考性状遗传相关达0.67-0.96。多性状基因组选择模型使IFI、BW等性状预测准确性提升14-20%，为水产育种提供了经济高效的新表型组学方案。

　　

水产养殖业面临的关键挑战在于精准测定个体鱼类摄食行为的巨大技术难度。传统方法需要单独饲养、人工投喂和残饵收集，不仅耗时耗力，还会对鱼类造成应激。这种低通量表型技术严重制约了通过遗传改良提升饲料利用效率的育种进程。挪威生命科学大学（Norwegian University of Life Sciences）动物与水产科学系的研究团队创新性地将非接触式近红外互作用光谱技术（iNIR）引入水产领域，为大西洋鲑育种建立了革命性的高通量表型平台。

研究团队首先构建了包含680尾鲑鱼幼体的实验群体，采用X射线成像玻璃珠标记法获取个体摄食量（IFI）等参考性状数据，同时开发定制化iNIR系统采集鱼体光谱。通过比较Lasso回归、偏最小二乘回归（PLSR）等机器学习算法，发现Lasso对IFI（r=0.78±0.02）、体重（BW）（r=0.85±0.02）等性状预测效果最优。基因组验证采用限制性最大似然法（REML）估计遗传参数，并通过20次5折交叉验证评估基因组预测稳定性。

研究结果显示，iNIR预测性状展现出与参考性状高度一致的遗传特性。其中IFI预测值遗传力达0.50±0.07，与参考值完全一致；BW和ADG预测值遗传力分别为0.47±0.07和0.44±0.07，略低于参考值但差异不显著。更重要的是，预测性状与参考性状间遗传相关性极高：IFI达0.95±0.03，BW为0.94±0.02，ADG为0.96±0.02，远超育种应用所需的0.70-0.80阈值。基因组预测分析表明，将iNIR预测值纳入多性状模型后，IFI、BW和ADG的预测准确性分别提升13.9%、19.9%和20.1%，预测稳定性提高4.9-8.5%。

在技术方法层面，该研究主要突破体现在三个方面：一是开发了可穿透鱼体10mm深度的定制化iNIR系统，通过五个不同几何位置的卤素光源获取760-1080nm光谱；二是采用标准正态变量变换（SNV）消除样本角度和距离变异；三是创新性地将基因组验证引入光谱预测评估体系，通过遗传参数估计和基因组最佳线性无偏预测（GBLUP）双重验证预测可靠性。

对于饲料效率相关性状，研究发现了有趣的分化现象。虽然残饵摄入量（RFI）和饲料转化率（FCR）的预测准确性相对较低（r=0.28-0.38），但其预测值遗传力（0.31-0.33）反而显著高于参考值（0.17-0.23）。研究人员推测这可能与鱼体生化成分（如脂肪含量）在smoltification阶段的动态变化有关，建议未来研究结合脂质组学数据改进模型。

这项发表在《Aquaculture》的研究为水产育种提供了范式转变的技术方案。其创新价值不仅在于建立了首个通过全鱼体光谱预测摄食行为的技术体系，更开创性地证明了iNIR预测性状可直接用于基因组选择。正如通讯作者Difford指出的，该技术可使育种项目以1/10成本实现100倍通量表型，特别适合在屠宰线上对候选鱼进行大规模筛查。研究建立的"参考群体精细表型+候选群体光谱预测"双轨模式，为破解水产育种中的表型瓶颈提供了普适性解决方案。