为建立一种可以快速、批量、高效检测中国荷斯坦牛牛奶中β-乳球蛋白含量的方法,采集501份来自西北、华北和华中主要产奶地区的健康中国荷斯坦牛牛奶样本,采用高效液相色谱法测定牛奶样本中β-乳球蛋白的含量,并同步测定和收集牛奶样本中红外光谱数据(mid-infrared spectroscopy,MIRS)。以MIRS为预测变量,β-乳球蛋白含量为因变量,将12种光谱预处理方法进行连续2次的随机组合,并手动选取特征波段,使用偏最小二乘回归(partial least squares regression,PLSR)作为传统机器学习算法,建立预测牛奶中β-乳球蛋白含量的最优预测模型。结果显示:该模型交叉验证集和测试集的RC2和RP2分别为0.812 9、0.768 8,均方根误差RMSEC和RMSEP分别为0.476 2、0.524 9 g/L,性能偏差比(ratio of performance to deviation,RPD)为2.076 6,达到畜禽生产性能的测定要求。试验结果表明,可以利用MIRS建立模型预测中国荷斯坦牛牛奶中的β-乳球蛋白含量。
旨在探究影响猪达100 kg体重日龄(age at 100 kg,AGE)和达100 kg体重平均日增重(average daily gain at 100 kg,ADG)的候选基因。本研究采集了来自大白、长白和杜洛克3个品种的共计4593头健康成年猪的耳组织作为试验材料,其中公猪2563头...
详细信息
旨在探究影响猪达100 kg体重日龄(age at 100 kg,AGE)和达100 kg体重平均日增重(average daily gain at 100 kg,ADG)的候选基因。本研究采集了来自大白、长白和杜洛克3个品种的共计4593头健康成年猪的耳组织作为试验材料,其中公猪2563头,母猪2030头。通过记录猪只的日龄和体重,计算校正AGE和ADG。通过酚氯仿法提取样品DNA,利用“中芯一号”50K SNP芯片对样本进行基因分型,并对质控后的SNPs进行基因型填充,将SNPs位点数从4万填充至800万。随后,利用GEMMA混合线性模型对AGE和ADG性状进行填充前后的全基因组关联分析,使用BEDTools在显著位点上、下游1 Mb范围查找候选基因。同时,结合PigGTEx中的34个组织的表达量数量性状位点数据,使用R软件进行共定位分析,挖掘与GWAS信号共享同一因果变异的基因,通过GWAS和共定位分析,确定AGE和ADG性状的候选基因。GWAS分析结果显示,AGE与ADG性状的显著SNP为1号染色体上的1_270827213。在该位点上、下游1 Mb范围内,共鉴定到32个基因。共定位分析结果显示,对于AGE性状,有10个基因的eQTL信号与GWAS信号共定位。对于ADG性状,有11个基因的eQTL信号与GWAS信号共定位。最终,确定了CRAT、GPR 107和USP 20这3个基因作为AGE的候选基因,确定了CRAT、GPR107、USP20、FNBP1、PTGES和HMCN 2这6个基因作为ADG的候选基因。本研究为猪品种改良提供了分子标记,对猪生长相关性状功能基因挖掘奠定基础。
暂无评论