通过基因组选择提高遗传增益：从家畜到作物

原文标题：Enhancing Genetic Gain through Genomic Selection: From Livestock to Plants

原文链接：https://doi.org/10.1016/j.xplc.2019.100005

摘要

尽管通过越来越多地使用现代育种方法和技术实现了长期的遗传增益（genetic gain），但为了满足人类对农业产品的需求，还需要进一步加快遗传增益的速度。就这一点而言，基因组选择（genetic selection, GS）被认为是对由多基因控制、每个基因的作用都很小的复杂性状进行遗传改良的最有希望的方法。研究家畜的科学家们率先广泛应用了GS，原因在于家畜的个体价值明显较高，并且GS可使得世代间隔得到很大的缩短。通过改进田间管理、提高遗传力估计和预测的准确性、开发将基因型与环境互作和非加性效应的最佳GS模型，以及显著降低成本，可以实现GS在植物中的大规模应用。此外，建立开源育种网络和发展跨学科方法对于提高发展中国家中小企业和农业研究系统的育种效率至关重要。需要开发以GS为中心的新策略

关键词：基因组选择、遗传增益、开源育种（open-source breeding）、基因组预测、分子标记、家畜育种

引言

为了满足对基于植物的产品的需求，随着遗传学和基因组学的出现与发展，植物育种已经从一门艺术系统性地进化成了一门学问。以美国三种主要作物：玉米、小麦和大豆为例，1930-2012年间，这一演变导致了其产量成正线性增长。然而，作物产量增长（遗传增益）一直在放缓。例如，玉米年产量的增长率从1960年到1990年的2.20%下降到1990年-2010年的1.74%，预计2010年-2050年将进一步下降到1.33%。把所有主要作物加在一起，年产量增长率不足以生产到2050年所需的70%以上的作物产品，以满足日益增长的需求。因此，提高遗传增益对于填补需求和生产之间的差距至关重要。

在育种的早期阶段，育种学家有意选择植物和动物，主要基于可能包括一些关键产量相关性状的表型，以实现目标性状的遗传增益。随着数量遗传学和统计学的不断发展，最佳线性无偏估计（best linear unbiased prediction, BLUP）被提出，并用于利用父系后代或其他亲属的表型和系谱信息，来估计评估和选择动物育种中更好的潜在物种的育种值。然而，这个选择的过程十分耗费时间和开支，因为评估后代的表型往往花费巨大，并且只有当潜在繁殖父系的后代长大后才能进行表型的鉴定。后来BLUP法逐渐应用于植物育种，但还没有像动物育种那样普及。利用与目标性状相关的分子标记，标记辅助选择（marker-assisted selection, MAS）方法被提出，并且用来选择由效应较大的基因控制的性状。作为一种省时高效的育种策略，利用遗传标记选择候选父系的方法已成功地融入到畜牧育种计划中。然而，许多复杂的性状，如产量，都是由许多基因或数量性状基因座（quantitative trait loci, QTL）控制的，每个基因或QTL的作用相对较小并且与环境互作。尽管它们的联合效应在统计学上是显著的，但它们的个体效应太小，无法有效地捕捉。作为对于复杂性状和遗传效应较小的育种的替代方法，基因组选择（GS）被提出，其假设是，通过高密度的标记，每个性状相关位点应至少与一个标记关联，以便根据个体的基因组估计育种值（genomic evaluate breeding values, GEBVs）选择排名靠前的品系。除了使用全基因组标记有效捕捉主要和次要基因效应之外，相比于传统的MAS，GS至少有另外两个优点，包括不需要挖掘与目标性状有关的QTL以及不需要在育种后期进行表型分析。此外，随着传统正向遗传学的发展，GS成为了全基因组策略的有效体现，包括候选基因的定位和功能验证（如图一）。GS与转基因品种、QTL定位、关联定位、表型组学、环境分型和基因组编辑一起，被认为是1990年之后在植物改良过程中起关键作用的七大流行技术之一。

图一 与基因组选择相关的背景和知识流程图

在GS中，通过最佳统计模型对全基因组标记做效应的估计，然后为每个个体计算GEBVs以选择潜在的优良品系。更确切地说，GS需要两种类型的重拳，一个是有一组具有基因型和表型数据的个体组成 的训练种群（training population, TP，也称为参考种群），另一个是由仅具有基因型数据的候选育种系组成的育种（或测试）种群（breeding population, BP）。来自TP的数据用于训练统计模型，以评估每个测定标记的效应，然后计算BP中每个基因分型个体的估计育种值，以对没有表型的品系进行排序。进一步的，这些保留下来的个体可以作为亲本互相交配，为下一个选择周期传递有利的等位基因（如图二）。尽管育种过程中的选择可以基于GEBVs进行，但育种学家在出售品种时是按其商业价值计量的，这个可能并不能仅由其GEBVs来衡量其合理性。

图二 自花授粉（左）和异花授粉（右）作物育种计划中的基因组选择过程：一个训练或参考种群用于估计标记的效应，然后是育种种群中每个个体的基因组估计育种值，所选择的候选品系可以作为下一轮育种的奠基者

对于选择的改进或者反应，可以通过相关选择方法（包括GS在内）实现的遗传增益（genetic gain）来评估。遗传增益可以定义为选择过程中获得的性能增加量，其以年为单位的预期值可定义为：\(\Delta{G}=i\sigma_Ar_{MG}/t\)，其中\(\Delta{G}\)是预期遗传增益，\(i\)是选择强度（intensity of selection），\(\sigma_A\)是遗传SD，即加性遗传方差的平方根，\(r_{MG}\)是选择精度（通过育种值和GEBVs之间的相关性来衡量），\(t\)是育种周期的时间长度。然而，在表型选择的背景下，\(r_{MG}\)相当于狭义遗传力（heritability, \(h\)）的平方根，因此\(\Delta{G}=i\sigma_Ah/t\)。为了提高遗传增益，育种计划中可以考虑与这个公式中相关组成成分对应的几种方法，包括增加选择强度、扩大遗传SD、提高预测（选择）准确性或者遗传力，以及缩短育种周期时间。此外，与目标环境或用户相关的性状与育种计划成本的关系已被提出并作为影响遗传增益的附加因素。这种关系可以作为影响遗传力的组成部分包括在内，而成本将决定选择强度，因为成本的提高会导致育种学家可以研究的种群规模减小。