王凤红¹, 张磊¹, 李晓凯¹, 范一星¹, 乔贤¹, 龚高¹, 严晓春¹, 张令天¹, 王志英¹, 王瑞军^1,2,3,4, 刘志红^1,2,3, 王志新^1,2,3, 何利兵⁴, 张燕军^1,2,3, 李金泉^1,2,3, 赵艳红^,1, 苏蕊^,1,2,3 1. 内蒙古农业大学动物科学学院,呼和浩特 010018
2. 农业部肉羊遗传育种重点实验室,呼和浩特 010018
3. 内蒙古自治区山羊遗传育种工程技术研究中心,呼和浩特 010018
4. 内蒙古金莱牧业科技有限责任公司,呼和浩特 010018

Progress in goat genome studies

Fenghong Wang¹, Lei Zhang¹, Xiaokai Li¹, Yixing Fan¹, Xian Qiao¹, Gao Gong¹, Xiaochun Yan¹, Lingtian Zhang¹, Zhiying Wang¹, Ruijun Wang^1,2,3,4, Zhihong Liu^1,2,3, Zhixin Wang^1,2,3, Libing He⁴, Yanjun Zhang^1,2,3, Jinquan Li^1,2,3, Yanhong Zhao^,1, Rui Su^,1,2,3 1. College of Animal Science, Inner Mongolia Agricultural University, Hohhot 010018, China
2. Key Laboratory of Mutton Sheep Genetics and Breeding, Ministry of Agriculture, Hohhot 010018, China
3. Engineering Research Center for Goat Genetics and Breeding, Inner Mongolia Autonomous Region, Hohhot 010018, China
4. Inner Mongolia Jinlai Livestock Technology Co., Ltd, Hohhot 010018, China

通讯作者: *赵艳红，教授，博士生导师，研究方向：绒山羊分子遗传育种。E-mail: 13947196432@163.com *苏蕊，副教授，研究方向：绒山羊分子遗传育种。E-mail: suruiyu@126.com

编委: 任军
收稿日期:2019-05-22修回日期:2019-09-22网络出版日期:2019-10-20

基金资助:

国家自然科学基金项目编号：(31660639) 国家自然科学基金项目编号：(31860637) 国家自然科学基金项目编号：(31860628) 国家绒毛用羊产业技术体系项目编号：(CARS-39-06) 内蒙古自然科学基金项目编号：(2017MS0304) 内蒙古农业大学“双一流”学科创新团队建设人才培育项目资助编号：(NDSC2018-01)

Editorial board: RenJun
Received:2019-05-22Revised:2019-09-22Online:2019-10-20

Fund supported:

Supported by the National Natural Science Foundation of China Nos.(31660639) Supported by the National Natural Science Foundation of China Nos.(31860637) Supported by the National Natural Science Foundation of China Nos.(31860628) China Agriculture Research System No. (CARS-39-06) Inner Mongolia Natural Science Foundation No. (2017MS0304) Cultivation of Talents for "Double- first-class" Discipline Innovation Team Construction in Inner Mongolia Agricultural University No. (NDSC2018-01)

作者简介 About authors
王凤红,博士研究生,研究方向：绒山羊分子遗传育种E-mail:nmgcfwfh@163.com。



















摘要
山羊基因组是山羊品种资源保护和利用的研究依据,对培育和改良山羊品种具有重要意义。目前,随着山羊参考基因组的不断完善,在山羊起源、进化和适应性等方面的研究取得了诸多重要成果。本文详细综述了山羊基因组研究进展,主要包括山羊基因组结构、山羊基因组图谱(遗传图谱、物理图谱和比较图谱)、山羊高通量测序和山羊SNP芯片的开发及利用,以期为开展山羊基因组选择（genome selection, GS）奠定理论基础。
关键词： 山羊;基因组结构;基因图谱;芯片;基因组选择

Abstract
The goat genome is the research basis for the protection and utilization of goat resources, which is important for breeding and improving goat breeds. At present, with the continuous improvement of goat reference genome, various important research progress in goat origin, evolution and adaptability has been achieved. In this review, we summarize the research progress in the goat genome in detail, encompassing goat genome structure, genome map (genetic, physical and comparative maps), goat high throughput sequencing and SNP chip development. We aim to provide a theoretical foundation for the development of goat genome selection.
Keywords：goat;genome structure;genome map;chip;genome selection


PDF (319KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex收藏本文
本文引用格式
王凤红, 张磊, 李晓凯, 范一星, 乔贤, 龚高, 严晓春, 张令天, 王志英, 王瑞军, 刘志红, 王志新, 何利兵, 张燕军, 李金泉, 赵艳红, 苏蕊. 山羊基因组研究进展[J]. 遗传, 2019, 41(10): 928-938 doi:10.16288/j.yczz.19-147
Fenghong Wang, Lei Zhang, Xiaokai Li, Yixing Fan, Xian Qiao, Gao Gong, Xiaochun Yan, Lingtian Zhang, Zhiying Wang, Ruijun Wang, Zhihong Liu, Zhixin Wang, Libing He, Yanjun Zhang, Jinquan Li, Yanhong Zhao, Rui Su. Progress in goat genome studies[J]. Hereditas(Beijing), 2019, 41(10): 928-938 doi:10.16288/j.yczz.19-147


基因组学是解析生物表型变异及遗传基础的重要学科,可以对生物的基因、序列等进行作图、定位和功能分析^[1]。近年来,随着数量遗传学以及分子生物学技术的不断发展,动物基因组学研究取得了巨大成果^[2,3,4,5]。在小反刍动物中,对山羊(Capra hircus)基因组的研究如起源^[6]、进化^[7]、驯化^[8]、适应性等^[9,10]方面取得了突破性的进展,加速了山羊产业的发展。通过对山羊基因组研究,可以获得山羊DNA水平遗传多样性信息,同时也可获得大量的分子遗传标记,为山羊基因组选择(genome selection, GS)提供可能。以基因组学研究为基础的GS育种技术必将开启山羊品种资源保护和利用及山羊品种改良的新篇章。

山羊作为最古老的驯化牲畜之一,起源于扎格罗斯山脉附近,距今已有10 000年的饲养历史^[11,12]。山羊适应性强、分布广、品种多、经济效益大,是我国边远少数民族地区经济发展的重要支柱。山羊在农业、经济、文化甚至是宗教信仰中均有重要意义,被认为是人类文明发展的组成部分^[13,14]。随着时间的推移,山羊在经历自然选择和人工选育两个阶段后,其表型特征及经济性状得到了改变,对应的基因组也发生了特定的选择作用和适应性变化。目前,关于山羊基因组的研究相较于猪(Sus scrofa)^[15,16]、牛(Bovine)^[17,18]、绵羊(Ovis aries) ^[19]等家畜相对滞后,所以亟待加强山羊基因组学的研究。本文对近年来山羊基因组研究领域所取得的重要成果进行了系统地分析和总结,在此基础上,对今后山羊基因组的研究进行了展望,以期为山羊分子育种和种质资源保护提供参考依据。

1 山羊基因组组成

山羊基因组是由细胞核中的核基因组(核DNA)和细胞质中的线粒体基因组(线粒体DNA)组成。山羊核基因组有30对染色体,包括29对常染色体和1对性染色体。公羊核型为60,XY;母羊核型为60,XX。研究表明,常染色体和X染色体都是端着丝粒染色体,而Y染色体是中着丝粒染色体^[20]。在不同的山羊品种中性染色体的大小悬殊,X染色体存在较大差异。例如,安哥拉山羊(Angora)和山西本地山羊的X染色体最长^[21],徐淮白山羊和海门白山羊X染色体的大小介于1号和2号染色体之间^[22],关中奶山羊X染色体是第二长的染色体^[23]。Y染色体的研究结果较为一致,是最短的染色体^[24]。也有研究发现,山羊染色体中存在嵌合类型,呈现各种类型的间性个体^[25],会导致繁殖能力降低^[26]。

山羊的线粒体DNA (mitochondrial DNA, mtDNA)同其它反刍动物一样,严格遵从母系遗传,呈现双链环状构型,其中一条为重链,一条为轻链。2003年,Parma等^[27]首次完成了萨能奶山羊的线粒体DNA测序,随后其它品种山羊线粒体测序相继完成,结果较为一致。山羊线粒体基因组全长约16 640 bp,包括编码区和非编码区,其中有37个基因(22个tRNA、2个rRNA和13个蛋白编码基因)位于编码区^{[28,29,30,31]}。根据mtDNA 数据分析,家养山羊种群具有多种野生起源的假说得到了证据支持^[32]。山羊基因组的研究对山羊的起源、进化和遗传多样性具有重大意义,同时也为山羊分子育种奠定了坚实的基础。

2 山羊基因组图谱

基因组图谱通过遗传标记的形式在染色体上绘制基因的位置,是动物育种的基石。根据不同的方法,分为遗传连锁图谱(genetic linkage map)、物理图谱和比较图谱3种,并分别成功应用于奶山羊和绒山羊中。基因组图谱的成功应用,为小反刍动物基因的精细定位和克隆提供参考依据,也为山羊分子育种和保种提供理论依据。

2.1 遗传连锁图谱

遗传连锁图谱简称遗传图谱(genetic map)或连锁图谱(linkage map),根据基因之间的交换率,确定基因在染色体上的分布位置,绘制基因线性排列图,位点密度越大图谱越精细。Vaiman等^[33]在1996年绘制完成了首个山羊遗传图谱,该图谱以萨能奶山羊和阿尔卑斯山羊的杂交后代为研究对象,通过荧光原位杂交的方法得到612个标记位点。图谱全长2300 cM,确定了223个适合萨能奶山羊和阿尔卑斯山羊的微卫星标记,染色体覆盖率达80%以上,为小反刍动物的QTL定位提供依据。Schibler等^[34]在第一代山羊遗传图谱的基础上,通过整合添加77个微卫星标记,绘制了第二代山羊遗传图谱;该图谱由307个标记位点和257个基因组成并定位到29对常染色体上,图谱全长2737 cM,染色体覆盖率达88%以上;通过对染色体进行观察,发现26号染色体最小为8.4 cM,8号染色体最大为22.8 cM;最大的连锁群在1号染色体,长度为182 cM,最小的连锁群在5号染色体,长度为8 cM;该图谱为分析哺乳动物基因组进化提供参考依据。2010年,徐磊等^[35]以794只内蒙古绒山羊为研究对象,利用X染色体上的7个微卫星标记构建了遗传连锁图谱,图谱总长度为139.4 cM,为后期研究山羊数量性状基因座丰富了信息。2011年,王敏等^[36]利用第11号染色体上的7个微卫星标记构建了内蒙古绒山羊的连锁图谱,结果表明构建的内蒙古绒山羊11号染色体连锁框架图总长度为101.9 cM,7个微卫星标记的等位基因数在8~14之间变化,杂合度范围在0.5886~0.9348之间,表明内蒙古绒山羊的遗传多样性丰富。Visser等^[37]以南非安哥拉山羊为研究对象绘制遗传图谱,图谱全长1352 cM,平均标记间隔23.0 cM;与第二代山羊遗传图谱相比,有6条染色体(Chr.2、4、5、11、13 和 19)表现出标记顺序重排,9个以前未定位的标记被定位,再次提高了山羊基因组和精细作图的效率。遗传图谱的更新与完善,将有助于开发一个更完整、更精确的图谱,为解析重要经济性状表型差异提供可能。

2.2 物理图谱

物理图谱能够描绘可识别的基因、限制性内切酶位点和序列标记位点在DNA分子上的位置和距离,用于定位特定基因,主要分为3种：荧光原位杂交图谱(fluorescence in situ hybridization, FISH)、放射自显杂交图谱(radiation hybrid, RH)和人工细菌染色体图谱(bacterial artificial chromosome, BAC)^[38]。Perucatti等^[39,40]以水牛、绵羊和山羊为研究对象,绘制荧光原位杂交图谱,在山羊和绵羊的染色体上定位了瘦素蛋白(leptin, LEP)和溶质载体家族26(recombinant solute carrier family 26, member 2, SLC26A2)基因,进一步证明牛科动物染色体高度同源且基因组之间存在大规模重排。2009年,Schibler等^[41]公布了山羊分子细胞图谱,是分辨率较低的物理图谱,该图谱包含了268个基因和144个微卫星标记,染色体覆盖率达65%,证实了山羊和人之间同源性良好,并存在染色体重排的现象。为了更好的理解反刍动物和其它哺乳动物的基因组进化,科研人员一直在完善山羊基因组图谱。Du等^[42,43]构建了山羊放射自显杂交图谱,包含45 953个SNP标记,约65 kb,是较为完整的山羊全基因组的密集图谱。此外,绒山羊和萨能奶山羊BAC文库也先后构建完成^[44,45]。其中,内蒙古绒山羊BAC文库包含276 480个BAC菌落,具有较高的覆盖率,对鉴定与毛发生长相关的基因家族和基因以及研究羊绒发育的分子机制具有重要意义。构建的萨能奶山羊BAC文库插入片段25~140 kb,平均78 kb,覆盖基因组1.33倍,奶山羊BAC文库的构建为基因克隆和基因组学研究提供良好的技术平台。高分辨率的基因组图谱为基因组提供了至关重要的线性信息,为反刍动物和其他哺乳动物基因组注释、染色体重排和进化提供依据,同时染色体上的标记信息对于连锁分析和标记辅助山羊分子育种具有重要作用。

2.3 比较图谱

比较图谱是对同一物种基因图谱间的比较(纵向比较图谱),也可以是不同物种间基因图谱的比较(横向比较图谱)。比较图谱可以在不同物种间寻找同源基因,探究杂种优势的原因,还可以追踪同一物种在进化过程中发生的染色体变异的原因。张春艳等^[46]利用牛津网格方法绘制了绵羊与山羊的基因组比较图谱,结果表明绵羊与山羊共有155个同源基因,绵羊的染色体与山羊染色体高度同源且功能相似。Maddox等^[47]比较了山羊和绵羊遗传图谱,结果显示山羊与绵羊共享218个位点,且位点位置较为一致,从而提出山羊与绵羊在染色体上的数目差异可能是由染色体重组所致。

3 山羊基因组高通量测序

高通量测序一般指的是二代测序技术,与一代测序技术相比,有着单次运行可产出大量数据的优点而被广泛使用。根据测序策略和目的不同,可分为转录组测序、全基因组测序、基因组重测序、表观基因组测序和宏基因组测序等。以基因组测序和重测序技术对动物分子系统进化和功能基因挖掘最为重要。

3.1 全基因组测序

2012年,Dong等^[13]以一只雌性云南黑山羊为材料,通过新一代测序技术(Illumina next-generation sequencing)和全基因组酶切图谱(whole-genome mapping)技术相结合,首次构建了山羊fosmid文库,完成了山羊参考基因组测序,并首次在反刍动物上利用全基因组酶切光学作图法获得了超级架构,为山羊第1号染色体构建了高密度SNP标记的辐射杂交图谱。该山羊基因组测序深度为65.6×,其中Contig N50为18.72 kb,Scaffold N50为2.2 Mb,Gap数为256 764,其组装获得的2.66 Gb大小的基因组序列的覆盖度达到估计基因组的90%以上,通过同源比对、从头预测和转录组/序列表达标签cDNA测序3种方法共注释到22 175个蛋白质编码基因,说明组装质量已达到较为理想的水平。转座子分析表明,山羊的转座子包含反刍动物所特有的重复序列,且与牛的转座子相似。山羊基因组序列的公布对山羊基因组的研究具有里程碑式的意义。

为了提高序列准确性和基因组质量,Du等^[43]利用辐射杂交图谱等数据对原参考基因组的组装进行优化,有效地获得了更准确、更完整的二代山羊基因组CHIR_2.0,其中Contig N50为29.87 kb ,Scaffold N50为8.92 Mb,基因组大小为2.85 Gb,Gap数为68 993,为进一步分析山羊重要经济性状的研究奠定了基础。

随着测序技术的发展和三代测序技术的成熟,结合二代Illumina、三代Pacbio单分子测序、光学图谱BioNano和Hi-C等技术,BickHart等^[48]对圣克利门蒂山羊进行基因组从头测序组装,获得了仅含有663个空白序列的高质量山羊基因组精细图谱(ARS1),其中Contig N50为19.33 Mb,Scaffold N50为87.28 Mb,基因组大小为2.924 Gb(表1);相较于之前的组装版本CHIR_2.0和CHIR_1.0,ARS1版本填补了CHIR_2.0版本中的3495个内含子或外显子有空白序列的基因;该研究还把免疫相关基因区域的编码白细胞受体复合物(leukocyte receptor complex, LRC)和自然杀伤细胞复合物(natural killer cell, NKC)基因定位在单个常染色体上。山羊基因组精细序列图谱和功能注释的完成,为家养山羊呈现了接近完美的参考基因组,也为反刍动物的基因组学研究供了新的参考标准,为多组学联合分析挖掘山羊重要经济性状遗传基础和分子调控机制提供了良好的开端,将进一步加快推进山羊基因组水平分子育种的研究和应用。

Table 1
表1
表1 不同版本山羊基因组比较
Table 1 Comparison of the different versions of goat reference genomes

项目	版本
	CHIR_1.0	CHIR_2.0	ARS1
基因组总大小	2.64 Gb	2.85 Gb	2.924 Gb
Contig N50	18.72 kb	29.87 kb	19.33 Mb
Scaffold N50	2.2 Mb	8.92 Mb	87.28 Mb
Gap的数目	256 764	68 993	663

新窗口打开|下载CSV

达尔文在《物种起源》中强调驯化引起广泛的表型变异。野山羊与家山羊在驯化过程中从外观到行为均发生显著的变化。Dong等^[49]以伊朗的4只雄性野山羊为材料,通过Illumina Hiseq2000平台进行从头组装测序,产生了大约303.9 Gb的数据,Contig N50为 8.97 kb,Scaffold N50为2.06 Mb,注释出23 217个蛋白编码基因。该研究首次基于国内物种及其野山羊祖先的参考基因组进行比较分析,在拷贝数变异(copy number variation, CNV)区域中定位了13个基因(ASIP、ATRN、Fig.4、GNAQ、HELLS、MUTED、OSTM1、TRPM7、VPS33A、Adamts20、MITF、OCA2和SLC7A11);同时,该研究还发现了70个与神经系统特异性相关的基因受到正向选择,其中CACNA1C和HTR3A基因分别在野山羊和家山羊中快速进化,行为由警觉到温顺,推测可能与驯化有关,为今后理解家养动物行为进化的研究提供了指导性线索。通过对野生山羊和家养山羊的拷贝数变异基因和快速进化基因的比较研究,为解析山羊驯化过程中的遗传机制奠定基础。

3.2 基因组重测序

基因组重测序是对已知参考基因组物种个体进行的测序,通过生物信息学等方法找到大量的单核苷酸多态性位点(single nucleotide polymorphism, SNP)、插入/缺失位点(insertion deletion, InDel)、结构变异位点(structural variation, SV),从而揭示该物种在自然和人工选择过程中发生的印记,预测与经济性状相关的候选基因。近年来随着二代测序技术和各种生物信息学分析软件的出现,基因组重测序技术已经成为育种领域检测变异、识别选择信号、关联位点基因等研究最为快速有效的方法。兰蓉等^[50]通过Illumina Hiseq2000 测序技术对具有代表性的云南黑山羊进行20×深度全基因组重测序,检测到7 615 774 个SNP、877 232 个InDel和40 005个SV。Lai等^[51]通过对高繁殖力和低繁殖力的崂山奶山羊分别进行基因组重测序,鉴定了12 458 711和12 423 128个SNP,发现与高繁殖力和低繁殖力相关的基因(CCNB2、AR、ADCY1、DNMT3B、SMAD2、AMHR2、ERBB2、FGFR1、MAP3K12、THEM4、KDM6A、TENM1、SWI5和CYM)受到选择。Wang等^[52]对8个不同地区的家养山羊品种(太行黑山羊、藏山羊、内蒙古绒山羊、陕北绒山羊、安哥拉山羊、波尔山羊、崂山奶山羊和贵州小山羊)进行基因组重测序,深度达9~13×,发现每个品种约有1000万个SNP,定位到LHX2、FGF9、WNT2、MC1R和FGF5基因可能与绒山羊的产绒性状相关,加深了人们对中国山羊遗传多样性遗传机制的理解。Li等^[53]对内蒙古绒山羊的3个类群(二狼山型、阿尔巴斯型和阿拉善型)和辽宁绒山羊共80个个体进行低覆盖度基因组重测序研究,通过遗传变异检测和严格筛选后共检测到6 737 432个SNPs和194 273个InDels,识别了206个与绒毛性状相关的候选基因。玛哈巴等^[54]崂山奶山羊47个个体进行平均深度6.23×的重测序,初步鉴定出5个与产奶性状密切相关的基因(EIF4G1、VPS13C、SREBF1、CCR2和JARID2)。Guo等^[55]通过重测序对中国6个不同生产方向的山羊品种进行分析,在基因组中发现与绒毛生长发育、繁殖性状等相关的候选基因和功能突变。Kumar等^[56]对10个中国山羊群体中DSG3基因的16个外显子进行了重新排序,在低海拔和高海拔山羊种群之间发现了27个SNP变异,表明DSG3对西藏绒山羊高海拔低氧适应起到了重要的作用。这些研究结果加深了人们对绒毛性状、繁殖性状、产奶性状和环境适应性相关基因的理解,将进一步促进在基因组水平上进行新品种的选育和改良。

4 山羊SNP基因芯片的开发与应用

20世纪90年代,山羊分子育种研究手段主要是基于二代分子遗传标记的方法。如利用微卫星技术和位点多态性构建山羊基因组的遗传图谱^[33],研究其重要经济性状^[57],或通过等位基因频率进行简单关联分析^[58]。这些研究目的性较强,发现了一些可用的分子标记,但由于标记数目较少,所以在进行关联分析时,对于复杂性状难以连锁。随着测序技术的发展,利用第三代分子遗传标记—SNP进行全基因组水平的关联分析,并取得了许多突破性研究成果。因此,利用全基因组水平的SNP遗传变异来挖掘山羊重要经济性状的遗传标记具有重要科学意义和应用价值。SNP以其密度高、特异性强、稳定性好和易分析等特性,在基因分型中被广泛应用。其原理是利用相应的标记作为探针与样品杂交,自动化捕获目标位点,达到基因分型的目的。随着基因芯片分型技术的发展与成熟,为动物复杂性状的遗传解析奠定基础^[59]。

基于山羊参考基因组(CHIR_1.0)序列图谱,Tosser-Klopp等^[60]对6个国外山羊品种(Aipine、Boer、Creile、Katjang、Sannen和Savanna) 97个个体的SNP数据进行山羊中等密度芯片的研制,并成功推出了山羊52K Bead Chip芯片。该芯片采用全基因组测序和基因组序列图谱相结合的方法,通过Illumina平台,经过比对和筛选从60 000个SNP序列中成功获得53 347个最小等位基因频率(minor allele frequency, MAF)高度分化SNP位点,用288个动物进行测试,结果281个动物中有52 295个位点成功用于基因分型。通过对奶牛进行测试,结果60 000个SNP中有59 000个SNP成功映射到奶牛基因组,再次印证山羊与牛基因组的共线性观点。

Qiao等^[61]利用21个非绒山羊品种(西班牙山羊、阿尔卑斯山羊、萨能奶山羊、波尔山羊和孟加拉山羊等)和2个绒山羊品种(内蒙古绒山羊和辽宁绒山羊)共118个个体2 801 066个可信度高的SNP位点数据,通过叠瓦式探针成功设计了内蒙古绒山羊66K捕获芯片。基于66K SNP捕获芯片对436个绒山羊基因组DNA进行目标序列捕获;经过初步的数据处理和群体SNP检测后,436个样品共获得407K SNP;根据每个山羊个体的测序结果进行分析,发现所有测序reads能够覆盖目标SNP位点95.3%~ 99.8%。这表明66K SNP芯片可以用于测序,捕获测序的结果较为准确可靠。基于66K SNP捕获芯片对内蒙古绒山羊(二狼山型)进行了绒细度性状相 关的全基因组关联分析(genome-wide association studies, GWAS),筛选出4个显著的SNP位点所在基因AKT1、ALX4、HK1和NT-3对毛囊生长发育起到重要作用,可作为绒毛细度性状的候选基因。该芯片是国内首款可以作为绒山羊基因组及遗传多样性相关分析的芯片。这些不同密度SNP芯片,为后期在羊育种中开展基因组选择起到了技术支撑作用。

不同密度SNP芯片的开发和应用为山羊重要经济性状的GWAS分析提供技术支持。Kijas等^[62]基于50K芯片对波尔山羊、开士米山羊和草地山羊的角型进行了研究,通过GWAS定位无角区域在1号染色体上有强烈选择信号。Martin等^[63]对萨能奶山羊的毛色进行GWAS研究,发现了与毛色相关的3个显著位点并成功定位于5号和13号染色体。兰蓉^[64]等以云南黑山羊产羔数为研究内容,对其繁殖性状进行GWAS研究,分别在2号和28号染色体定位与产羔数相关的SNP位点,这些都为揭示山羊复杂性状的形成机理和分子育种提供新的研究线索。Stella等^{[65,66,67,68]}基于山羊50K芯片对全球山羊种群遗传多样性进行研究,收集了来自世界各地35个国家148个群体共4653只山羊个体,探索了全球山羊的群体遗传学、群体历史选择特征、迁移路线和环境适应性等内容,结果表明不同品种山羊的基因组和地理环境之间存在密切联系。山羊种群遗传多样性的研究对了解世界范围内山羊适应性及全球山羊种群育种奠定基础。

基因组选择是动物性状改良和育种的重要方法^[69,70],利用覆盖整个基因组的遗传标记,对染色体进行划分,然后通过标记基因型同时结合表型和系谱记录估计效应值,最后利用标记信息对未知表型的个体进行育种值估计,达到选种选育的效果^[69,71]。目前,基因组选择技术已经成功应用于奶牛、肉牛、猪、鸡等并取得显著成效。在我国,山羊GS尚处于起步阶段,而新西兰、西班牙、法国和英国等国家已经将GS技术应用于山羊育种中。因此,开展我国山羊基因组学的研究是必然趋势。Carillier等^[72]基于50K芯片以萨能奶山羊和阿尔卑斯山羊为研究对象,比较不同参考群规模对育种值准确性的影响,结果表明随着参考群中个体的增加可提高所有性状基因组估计育种值(genomic estimated breeding value, GEBV)的准确性。Mucha等^[73]基于50K芯片对英国奶山羊的产奶量进行基因组选择研究,表型数据来自1987~2013年间14 453头奶山羊590 409个产奶量记录,基因组数据来自1960只奶山羊,数据完整详实,得出SSGBLUP (single step GBLUP)和GBLUP (genomic BLUP)的预测准确性分别为0.61和0.32,说明一步法估计奶山羊GEBV的准确性更高。Teissier等^[74]发现SSGBLUP的准确性比GBLUP高,为开展我国山羊GS提供参考依据。

5 结语与展望

山羊基因组测序工作的完成为人类从基因水平认识山羊的生命本质和探索山羊复杂性状的遗传机理奠定了基础。虽然山羊基因组测序已经完成,但是群体测序还有待更新。因此,应该加大测序深度与个体数量,从群体进化角度揭示山羊生命活动的遗传规律。随着测序成本的降低,海量的基因组学数据对计算机的速度和计算方法有了更高的要求,因此需要开发新的模型和算法。目前,山羊GS已经在法国、新西兰和澳大利亚等国开始实施,并取得显著成果。中国作为养羊大国,饲养的羊只以传统放牧为主,集约化养殖尚处于起步阶段,在生产实践中很难得到准确的系谱信息和生产性能记录,而SNP芯片可以准确地判断亲缘关系,计算近交系数,从而指导生产,保持群体内的遗传变异。但是目前关于山羊SNP芯片的研究鲜有报道,针对我国山羊品种的SNP芯片也只有一款(66K),因此应该加大科研力度研究和开发山羊中、高密度基因芯片,使之成为开展山羊基因组选择的有力手段。GS的主要优势是可以不依赖表型信息,利用全基因组水平遗传变异作为分子标记,进行基因组育种值的估计,进而对个体进行选留;不仅能实现早期选择,缩短世代间隔,还能提高选择强度,降低育种成本,增加收益,进而加快山羊的改良进程。因此,亟待加强山羊基因组选择的研究工作,有望在未来将GS育种技术应用在国内山羊品种中。面对不断更新的基因组数据和资源,需要科研人员之间加强学科交流,整合数据信息,有效的将基因组与现代育种结合,根据目标性状的选育,最大程度的提高遗传进展和选择的准确性。相信在基因组学的大数据时代,山羊基因组的研究必将有利于我国山羊产业的蓬勃发展。

参考文献 View Option 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1] Lockhart DJ, Winzeler EA . Genomics, gene expression and DNA arrays
Nature, 2000,405(6788):827-836.
[本文引用: 1]

[2] Reilly MC, Kim J, Lynn J, Simmons BA, Gladden JM, Magnuson JK, Baker SE . Forward genetics screen coupled with whole-genome resequencing identifies novel gene targets for improving heterologous enzyme production in Aspergillus niger
Appl Microbiol Biotechnol, 2018,102(4):1797-1807.
[本文引用: 1]

[3] Groenen MA . A decade of pig genome sequencing: a window on pig domestication and evolution
Genet Sel Evol, 2016,48(1):1-9.
[本文引用: 1]

[4] Dürig N, Jude R, Holl H, Brooks SA, Lafayette C, Jagannathan V, Leeb T . Whole genome sequencing reveals a novel deletion variant in the KIT gene in horses with white spotted coat colour phenotypes
Anim Genet, 2017,48(4):483-485.
[本文引用: 1]

[5] Mielczarek M, Fr?szczak M, Giannico R, Minozzi G, Williams JL, Wojdak-maksymiec K, Szyda J . Analysis of copy number variations in Holstein-Friesian cow genomes based on whole-genome sequence data
J Dairy Sci, 2017,100(7):5515-5525.
[本文引用: 1]

[6] Colli L, Lancioni H, Cardinali I, Olivieri A, Capodiferro MR, Pellecchia M, Rzepus M, Zamani W, Naderi S, Gandini F, Vahidi SMF, Agha S, Randi E, Battaglia V, Sardina MT, Portolano B, Rezaei HR, Lymberakis P, Boyer F, Coissac E, Pompanon F, Taberlet P, Ajmone Marsan P, Achilli A . Whole mitochondrial genomes unveil the impact of domestication on goat matrilineal variability
BMC Genomics, 2015,16(1):1-12.
[本文引用: 1]

[7] Okpeku M, Esmailizadeh A, Adeola AC, Shu L, Zhang Y, Wang Y, Sanni TM, Imumorin IG, Peters SO, Zhang J, Dong Y, Wang W . Genetic variation of goat interferon regulatory factor 3 gene and its implication in goat evolution
PLoS One, 2016,11(9):e0161962.
[本文引用: 1]

[8] Daly KG, Maisano Delser P, Mullin VE, Scheu A, Mattiangeli V, Teasdale MD, Hare AJ, Burger J, Verdugo MP, Collins MJ, Kehati R, Erek CM, Bar-Oz G, Pompanon F, Cumer T, ?ak?rlar C, Mohaseb AF, Decruyenaere D, Davoudi H, ?evik ?, Rollefson G, Vigne JD, Khazaeli R, Fathi H, Doost SB, Rahimi Sorkhani R, Vahdati AA, Sauer EW, Azizi Kharanaghi H, Maziar S, Gasparian B, Pinhasi R, Martin L, Orton D, Arbuckle BS, Benecke N, Manica A, Horwitz LK, Mashkour M, Bradley DG . Ancient goat genomes reveal mosaic domestication in the Fertile Crescent
Science, 2018,361(6397):85-88.
[本文引用: 1]

[9] Dangi SS, Gupta M, Dangi SK, Chouhan VS, Maurya VP, Kumar P, Singh G, Sarkar M . Expression of HSPs: an adaptive mechanism during long-term heat stress in goats (Capra hircus)
Int J Biometeorol, 2015,59(8):1095-1106.
[本文引用: 1]

[10] Guan D, Luo N, Tan X, Zhao Z, Huang Y, Na R, Zhang J, Zhao Y . Scanning of selection signature provides a glimpse into important economic traits in goats (Capra hircus)
Sci Rep, 2016,6:36372.
[本文引用: 1]

[11] Zeder MA, Hesse B . The initial domestication of goats (Capra hircus) in the Zagros mountains 10, 000 years ago
Science, 2000,287(5461):2254-2257.
[本文引用: 1]

[12] Jiang HZ, Guo D, Chen Y, Zhang SW . Industry status of Chinese Cashmere Goat and analysis of Its prospects
Anim Husb Feed Sci, 2009,30(10):100-103.
[本文引用: 1]

姜怀志, 郭丹, 陈洋, 张世伟 . 中国绒山羊产业现状与发展前景分析
畜牧与饲料科学, 2009,30(10):100-103.
[本文引用: 1]

[13] Dong Y, Xie M, Jiang Y, Xiao N, Du X, Zhang W, Tosser-Klopp G, Wang J, Yang S, Liang J, Chen W, Chen J, Zeng P, Hou Y, Bian C, Pan S, Li Y, Liu X, Wang W, Servin B, Sayre B, Zhu B, Sweeney D, Moore R, Nie W, Shen Y, Zhao R, Zhang G, Li J, Faraut T, Womack J, Zhang Y, Kijas J, Cockett N, Xu X, Zhao S, Wang J, Wang W . Sequencing and automated whole-genome optical mapping of the genome of a domestic goat (Capra hircus)
Nat Biotechnol, 2013,31(2):135-141.
[本文引用: 2]

[14] MacHugh DE, Bradley DG . Livestock genetic origins: Goats buck the trend
Proc Natl Acad Sci USA, 2001,98(10):5382-5384.
[本文引用: 1]

[15] Marx H, Hahne H, Ulbrich SE, Schnieke A, Rottmann O, Frishman D, Kuster B . Annotation of the domestic pig genome by quantitative proteogenomics
J Proteome Res, 2017,16(8):2887-2898.
[本文引用: 1]

[16] Varona L, Legarra A, Herring W, Vitezica ZG . Genomic selection models for directional dominance: an example for litter size in pigs
Genet Sel Evol, 2018,50(1):1.
[本文引用: 1]

[17] Jenko J, Wiggans GR, Cooper TA, Eaglen SAE, Luff WGL, Bichard M, Pong-Wong R, Woolliams JA . Cow genotyping strategies for genomic selection in a small dairy cattle population
J Dairy Sci, 2017,100(1):439-452.
[本文引用: 1]

[18] Bennewitz J, Edel C, Fries R, Meuwissen THE, Wellmann R . Application of a Bayesian dominance model improves power in quantitative trait genome-wide association analysis
Genet Sel Evol, 2017,49(1):7.
[本文引用: 1]

[19] Naval-Sanchez M1, Nguyen Q, McWilliam S, Porto-Neto LR, Tellam R, Vuocolo T, Reverter A, Perez-Enciso M, Brauning R, Clarke S, McCulloch A, Zamani W, Naderi S, Rezaei HR, Pompanon F, Taberlet P, Worley KC, Gibbs RA, Muzny DM, Jhangiani SN, Cockett N, Daetwyler H, Kijas J . Sheep genome functional annotation reveals proximal regulatory elements contributed to the evolution of modern breeds
Nat Commun, 2018,9(1):859.
[本文引用: 1]

[20] Fang XT, Chen H, Zhu BC, Fan ZW, Sun JJ . Study on the karyotype of chromosome in Xuhuai white goat
Chin Herbiv, 2005. 25(3):16-18.
[本文引用: 1]

房兴堂, 陈宏, 朱必才, 范智伟, 孙晶晶 . 徐淮白山羊染色体核型研究
中国草食动物, 2005,25(3):16-18.
[本文引用: 1]

[21] Lei XQ, Sun ML, Lei CZ, Chen H . Analysis on chromosme karyotype of Angora goat
J of Anim Sci Veter Med, 2001,20(6):10-11.
[本文引用: 1]

雷雪芹, 孙美玲, 雷初朝, 陈宏 . 安哥拉山羊染色体核型分析
畜牧兽医杂志, 2001,20(6):10-11.
[本文引用: 1]

[22] Fang XT, Chen H, Yang ZP, Xu HX, You YQ, Fan ZW, Sun JJ . Karyotype analysis of chromosome of two local goat breeds in Jiangsu Province
Jiangsu Agri Sci, 2007, ( 1):000112-000116.
[本文引用: 1]

房兴堂, 陈宏, 杨章平, 徐海霞, 游余群, 范智伟, 孙晶晶 . 江苏两个地方山羊品种的染色体核型分析
江苏农业科学, 2007, ( 1):112-116.
[本文引用: 1]

[23] Lei CZ, Li RB Chen H, Han ZS, Liu J . Comparative study on chromosome Karyotype of goat and sheep
Acta Agric Boreali-Occid Sin, 2001,10(3):12-15.
[本文引用: 1]

雷初朝, 李瑞彪, 陈宏, 韩增胜, 刘静 . 山羊与绵羊的染色体核型比较
西北农业学报, 2001,10(3):12-15.
[本文引用: 1]

[24] An YJ, Na RH, Wang Zx, Gao SL, Wang WX . Research and analysis of Karyotype of different type white Cashmere goat in Inner Mongolia
Journal of Inner Mongolia College of Agriculture and Animal Husbandry, 1998, ( 3):12-16.
[本文引用: 1]

安玉君, 娜仁花, 王志新, 高淑兰, 王文秀 . 内蒙古不同类型白绒山羊染色体组型分析研究
内蒙古农牧学院学报 , 1998, ( 3):12-16.
[本文引用: 1]

[25] Fábián R, Kovács A, Stéger V, Frank K, Egerszegi I, Oláh J, Bodó S . X- and Y-chromosome-specific variants of the amelogenin gene allow non-invasive sex diagnosis for the detection of pseudohermaphrodite goats
Acta Vet Hunq, 2017,65(4):500-504.
[本文引用: 1]

[26] Refsdal AO . Low fertility in daughters of bulls with 1/29 translocation
Acta Vet Scand, 1976,17(2):190-195.
[本文引用: 1]

[27] Parma P, Feligini M, Greppi G, Enne G . The complete nucleotide sequence of goat (Capra hircus) mitochondrial genome
DNA Seq, 2003,14(3):199-203.
[本文引用: 1]

[28] Dou H, Zhang L, Li C, Mu J, Wang T, Ge J, Feng L . The complete mitochondrial genome of Capricornis sp., possible a new species of Serow from Guizhou, China
Mitochondrial DNA A DNA Mapp Seq Anal, 2016,27(2):848-849.
[本文引用: 1]

[29] Li HJ, Meng XR, Zhang H, Duan XY, Niu LL, Wang LJ, Li LJ, Zhang HP, Wu HD, Zhong T . Complete mitochondrial genome of Nanjiang Yellow goat (Capra hircus)
Mitochondrial DNA A DNA Mapp Seq Anal, 2016,27(2):1383-1384.
[本文引用: 1]

[30] Zhang H, Duan X, Li H, Niu L, Wang L, Li L, Zhang H, Zhong T . The complete mitochondrial genome of Chinese tibetan goat (Capra hircus)
Mitochondrial DNA A DNA Mapp Seq Anal, 2016,27(2):1161-1162.
[本文引用: 1]

[31] Tang YX, Liu F, Tang HX, Yang SK, Zhang XY . The complete mitochondrial genome of Yunnan black goat (Capra hircus)
Mitochondrial DNA A DNA Mapp Seq Anal, 2016,27(1):224-225.
[本文引用: 1]

[32] E GX, Zhao YJ, Chen LP, Ma YH, Chu MX, Li XL, Hong QH, Li LH, Guo JJ, Zhu L, Han YG, Gao HJ, Zhang JH, Jiang HZ, Jiang CD, Wang GF, Ren HX, Jin ML, Sun YZ, Zhou P, Huang YF, . Genetic diversity of the Chinese goat in the littoral zone of the Yangtze River as assessed by microsatellite and mtDNA
Ecol Evol, 2018,8(10):5111-5123.
[本文引用: 1]

[33] Vaiman D, Schibler L, Bourgeois F, Oustry A, Amigues Y, Cribiu EP . A genetic linkage map of the male goat genome
Genetics, 1996,144(1):279-305.
[本文引用: 2]

[34] Schibler L, Vaiman D, Oustry A, Giraud-Delville C, Cribiu EP . Comparative gene mapping: a fine-scale survey of chromosome rearrangements between ruminants and humans
Genome Res, 1998,8(9):901-915.
[本文引用: 1]

[35] Xu L, Yao JG, Yang ZS, Lai SY, Zhang WG, Li JQ, Wu P, Wang ZX, Qiao F, Wang M, Hu DT, Meng LGKRL . A linkage map of 7 microsatellite markers on chromosome X in cashmere goats
Chin Anim Husb Vet Med, 2010,37(7):109-112.
Magsci [本文引用: 1]
<FONT face=Verdana>本研究利用内蒙古白绒山羊的7个父系半同胞家系共794个个体，用X染色体上的7个微卫星标记进行了系谱确认，构建了绒山羊X染色体遗传连锁图。结果表明，7个标记的等位基因数变化范围为9～14，杂合度在0.585～0.918之间，平均杂合度为0.726；多态信息含量在0.759～0.897之间，平均多态信息含量为0.834。构建的内蒙古白绒山羊X染色体遗传连锁图总长度139.4 cM，与英国罗斯林研究所公布的SM4.7绵羊连锁图标记顺序一致，可用于下一步的QTL定位研究。</FONT>
徐磊, 姚继广, 杨子森, 赖双英, 张文广, 李金泉, 吴萍, 王志新, 乔峰, 王敏, 呼都特 , 孟克格日乐. 绒山羊X染色体7个微卫星标记的遗传连锁图谱的构建
中国畜牧兽医, 2010,37(7):109-112.
Magsci [本文引用: 1]
<FONT face=Verdana>本研究利用内蒙古白绒山羊的7个父系半同胞家系共794个个体，用X染色体上的7个微卫星标记进行了系谱确认，构建了绒山羊X染色体遗传连锁图。结果表明，7个标记的等位基因数变化范围为9～14，杂合度在0.585～0.918之间，平均杂合度为0.726；多态信息含量在0.759～0.897之间，平均多态信息含量为0.834。构建的内蒙古白绒山羊X染色体遗传连锁图总长度139.4 cM，与英国罗斯林研究所公布的SM4.7绵羊连锁图标记顺序一致，可用于下一步的QTL定位研究。</FONT>

[36] Wang M, Lai SY, Qiao F, Li JQ, Zhao YH, Wang ZX, Zhang WG, Wang Y, Xu L, Li H . A linkage map of 7 microsatellite markers in the 11th chromosome of cashmere goats
Chin Anim HusbVet Med, 2011,38(4):132-136.
Magsci [本文引用: 1]
本试验利用内蒙古白绒山羊5个家系中的632个个体,用11号染色体上的7个微卫星标记,构建绒山羊11号染色体遗传连锁图。结果表明,7个标记的等位基因数变化范围为8~14,杂合度在0.5886~0.9348之间,平均杂合度为0.8612,各标记的多态信息含量在0.7712~0.8990之间,平均多态信息含量为0.8472。构建的遗传连锁图总长度127.7 cM,其中标记ILSTS028与INRA108间距最大,为41.2 cM;ILSTS049和INRA131间距最小,为5.1 cM。
王敏, 赖双英, 乔峰, 李金泉, 赵艳红, 王志新, 张文广, 汪洋, 徐磊, 李浛 . 绒山羊11号染色体7个微卫星标记的连锁图谱的构建
中国畜牧兽医, 2011,38(4):132-136.
Magsci [本文引用: 1]
本试验利用内蒙古白绒山羊5个家系中的632个个体,用11号染色体上的7个微卫星标记,构建绒山羊11号染色体遗传连锁图。结果表明,7个标记的等位基因数变化范围为8~14,杂合度在0.5886~0.9348之间,平均杂合度为0.8612,各标记的多态信息含量在0.7712~0.8990之间,平均多态信息含量为0.8472。构建的遗传连锁图总长度127.7 cM,其中标记ILSTS028与INRA108间距最大,为41.2 cM;ILSTS049和INRA131间距最小,为5.1 cM。

[37] Visser C, Crooijmans RPMA, K?ster EVM . A genetic linkage map for the South African angora goat
Small Ruminant Res, 2010,93(2-3):171-179.
[本文引用: 1]

[38] Yang H, Ma YH, Li B, Mang L . Progress on horse genome project
Hereditas(Beijing), 2010,32(3):211-218.
Magsci [本文引用: 1]
各种生物都具有其独特的遗传信息, 深入了解生物体的形成过程以及各种生命活动都离不开基因组的研究成果。由于在世界范围内马具有良好的健康情况记录和详细的系谱记录, 使得马成为生命科学研究中极具价值的模式动物。尽管起步较晚, 但在过去的几年中, 马基因组图谱经历了前所未有的发展。文章主要对近年来马基因组遗传图谱、物理图谱、基因组比较作图以及功能基因组学等研究进展进行了综述, 这些图谱也正是世界各地研究人员用以探寻与马的各种性状(包括全部的健康状况、抗病性能、生殖生育能力、运动性能以及诸如毛色这样的表型特征等)相关基因的重要工具。相信这些研究成果将为马匹疾病预防、诊断和治疗提供新的思路与方法, 并将为马遗传育种提供更好的选配依据。
杨虹, 马月辉, 李蓓, 芒来 . 马基因组研究进展
遗传, 2010,32(3):211-218.
Magsci [本文引用: 1]
各种生物都具有其独特的遗传信息, 深入了解生物体的形成过程以及各种生命活动都离不开基因组的研究成果。由于在世界范围内马具有良好的健康情况记录和详细的系谱记录, 使得马成为生命科学研究中极具价值的模式动物。尽管起步较晚, 但在过去的几年中, 马基因组图谱经历了前所未有的发展。文章主要对近年来马基因组遗传图谱、物理图谱、基因组比较作图以及功能基因组学等研究进展进行了综述, 这些图谱也正是世界各地研究人员用以探寻与马的各种性状(包括全部的健康状况、抗病性能、生殖生育能力、运动性能以及诸如毛色这样的表型特征等)相关基因的重要工具。相信这些研究成果将为马匹疾病预防、诊断和治疗提供新的思路与方法, 并将为马遗传育种提供更好的选配依据。

[39] Perucatti A, Floriot S, Di Meo GP, Soglia D, Rullo R, Maione S, Incarnato D, Eggen A, Sacchi P, Rasero R, Iannuzzi L . Comparative FISH mapping of mucin 1, transmembrane (MUC1) among cattle, river buffalo, sheep and goat chromosomes: comparison between bovine chromosome 3 and human chromosome 1
Cytogenet Genome Res, 2006,112(1-2):103-105.
[本文引用: 1]

[40] Perucatti A, Di Meo G, Vallinoto M, Kierstein G, Schneider M, Incarnato D, Caputi Jambrenghi A, Mohammadi G, Vonghia G, Silva A, Brenig B, Iannuzzi L . FISH-mapping of LEP and SLC26A2 genes in sheep, goat and cattle R-banded chromosomes: comparison between bovine, ovine and caprine chromosome 4 (BTA4/OAR4/ CHI4) and human chromosome 7 (HSA7)
Cytogenet Genome Res, 2006,115(1):7-9.
[本文引用: 1]

[41] Schibler L, Di Meo GP, Cribiu EP, Iannuzzi L . Molecular cytogenetics and comparative mapping in goats (Capra hircus, 2n=60)
Cytogenet Genome Res, 2009,126(1-2):77-85.
[本文引用: 1]

[42] Du XY, Womack JE, Owens KE, Elliott JS, Sayre B, Bottcher PJ, Milan D, Podesta MG, Zhao SH, Malek M . A whole-genome radiation hybrid panel for goat
Small Ruminant Res, 2012,105(1-3):114-116.
[本文引用: 1]

[43] Du XY, Servin B, Womack JE, Cao JH, Yu M, Dong Y, Wang M, Zhao SH . An update of the goat genome assembly using dense radiation hybrid maps allows detailed analysis of evolutionary rearrangements in Bovidae
BMC Genomics, 2014,15(1):625.
[本文引用: 2]

[44] Ren F . Construction of a BAC library of saanen dairy goat and screening the library for BLG positive clone [Dissertation]
Nanjing Agricultural University, 2007.
[本文引用: 1]

任斐 . 萨能奶山羊基因组BAC文库的构建及BLG阳性克隆的筛选[学位论文]
南京农业大学, 2007.
[本文引用: 1]

[45] Liu ZH, Li N, Ren LM, Hu XX, Guo Y, Du C, Zhang WG, Yin J, Zhang YJ, Zhao YH . Construction and characterization of a high coverage cashmere goat BAC library containing cashmere-associated genes
Small Ruminant Res, 2012,104(1-3):85-88.
[本文引用: 1]

[46] Zhang CY, Yang LG . An update research on sheep and goat genomic resources information
Biotechnol Bull, 2008, (Z1):41-47.
[本文引用: 1]

张春艳, 杨利国 . 绵(山)羊基因组信息研究新进展
生物技术通报, 2008, ( Z1):41-47.
[本文引用: 1]

[47] Maddox JF . A presentation of the differences between the sheep and goat genetic maps
Genet Sel Evol, 2005,37(Suppl.1):S1-S10.
[本文引用: 1]

[48] Bickhart DM, Rosen BD, Koren S, Sayre BL, Hastie AR, Chan S, Lee J, Lam ET, Liachko I, Sullivan ST, Burton JN, Huson HJ, Nystrom JC, Kelley CM, Hutchison JL, Zhou Y, Sun J, Crisà A, Ponce de León FA, Schwartz JC, Hammond JA, Waldbieser GC, Schroeder SG, Liu GE, Dunham MJ, Shendure J, Sonstegard TS, Phillippy AM, Van Tassell CP, Smith TP . Single-molecule sequencing and chromatin conformation capture enable de novo reference assembly of the domestic goat genome
Nat Genet, 2017,49(4):643-650.
[本文引用: 1]

[49] Dong Y, Zhang X, Xie M, Arefnezhad B, Wang Z, Wang W, Feng S, Huang G, Guan R, Shen W, Bunch R, McCulloch R, Li Q, Li B, Zhang G, Xu X, Kijas JW, Salekdeh GH, Wang W, Jiang Y . Reference genome of wild goat (Capra aegagrus) and sequencing of goat breeds provide insight into genic basis of goat domestication
BMC Genomics, 2015,16(1):431.
[本文引用: 1]

[50] Lan R, Zhu L, Shao QY, Hong QH . Whole-genome resequencing in Yunnan black goat
Grass-Feed Liv, 2016, (05):11-17.
[本文引用: 1]

兰蓉, 朱兰, 邵庆勇, 洪琼花 . 云南黑山羊全基因组重测序
草食家畜, 2016, ( 05):11-17.
[本文引用: 1]

[51] Lai FN, Zhai HL, Cheng M, Ma JY, Cheng SF, Ge W, Zhang GL, Wang JJ, Zhang RQ, Wang X, Min LJ, Song JZ, Shen W . Whole-genome scanning for the litter size trait associated genes and SNPs under selection in dairy goat ( Capra hircus)
Sci Rep, 2016,6:38096.
[本文引用: 1]

[52] Wang XL, Liu J, Zhou GX, Guo JZ, Yan HL, Niu YY, Li Y, Yuan C, Geng RQ, Lan XY, An XP, Tian XG, Zhou HK, Song JZ, Jiang Y, Chen YL . Whole-genome sequencing of eight goat populations for the detection of selection signatures underlying production and adaptive traits
Sci Rep, 2016,6:38932.
[本文引用: 1]

[53] Li X, Su R, Wan W, Zhang W, Jiang H, Qiao X, Fan Y, Zhang Y, Wang R, Liu Z, Wang Z, Liu B, Ma Y, Zhang H, Zhao Q, Zhong T, Di R, Jiang Y, Chen W, Wang W, Dong Y, Li J . Identification of selection signals by large-scale whole-genome resequencing of cashmere goats
Sci Rep, 2017,7(1):15142.
[本文引用: 1]

[54] Mahaba Rouzi . Identification of candidate genes for milk production traits in dairy goat[Dissertation]
Chinese Academy of Agricultural Sciences, 2017.
[本文引用: 1]

玛哈巴·肉孜. 奶山羊产奶性状候选基因挖掘[学位论文]
中国农业科学院, 2017.
[本文引用: 1]

[55] Guo J, Tao H, Li P, Li L, Zhong T, Wang L, Ma J, Chen X, Song T, Zhang H . Whole-genome sequencing reveals selection signatures associated with important traits in six goat breeds
Sci Rep, 2018,8(1):10405.
[本文引用: 1]

[56] Kumar C, Song S, Jiang L, He XH, Zhao QJ, Pu YB, Malhi KK, Kamboh AA, Ma YH . Sequence characterization of
DSG3 gene to know its role in high-altitude hypoxia adaptation in the Chinese cashmere goat. Front Genet, 2018, ( 9):553.
[本文引用: 1]

[57] Jin M, Guo CL, Hu JH, Gao WB, Wang W . Correlation analysis of economic traits in Liaoning new breed of cashmere goats using microsatellite DNA markers
Acta Genetica Sinica, 2006,33(3):230-235.
[本文引用: 1]

[58] Min LJ, Feng YN, Lan LI, Mei-Yu LI . Associations of MSTN gene's polymorphisms with some economic traits in goats
Acta Vet Et Zootech Sin, 2015,49(9):1515-1524.
[本文引用: 1]

闵令江, 丰艳妮, 李兰, 李美玉 . 山羊MSTN基因多态性与主要经济性状的关联分析
畜牧兽医学报, 2015,46(09):1515-1524.
[本文引用: 1]

[59] Chee M, Yang R, Hubbell E, Berno A, Huang XC, Stern D, Winkler J, Lockhart DJ, Morris MS, Fodor SP . Accessing genetic information with high-density DNA arrays
Science, 1996,274(5287):610-614.
[本文引用: 1]

[60] Tosser-Klopp G, Bardou P, Bouchez O, Cabau C, Crooijmans R, Dong Y, Donnadieu-Tonon C, Eggen A, Heuven HC, Jamli S, Jiken AJ, Klopp C, Lawley CT, McEwan J, Martin P, Moreno CR, Mulsant P, Nabihoudine I, Pailhoux E, Palhière I, Rupp R, Sarry J, Sayre BL, Tircazes A, Wang J, Wang W, Zhang W . Design and characterization of a 52K SNP chip for goats
PLoS One, 2014,9(1):e86227.
[本文引用: 1]

[61] Qiao X, Su R, Wang Y, Wang R, Yang T, Li X1, Chen W, He S, Jiang Y, Xu Q, Wan W, Zhang Y, Zhang W, Chen J, Liu B, Liu X, Fan Y, Chen D, Jiang H, Fang D, Liu Z, Wang X, Zhang Y, Mao D, Wang Z, Di R, Zhao Q, Zhong T, Yang H, Wang J, Wang W, Dong Y, Chen X, Xu X, Li J . Genome-wide target enrichment-aided chip design: a 66-K SNP chip for cashmere goat
Sci Rep, 2017,7(1):8621.
[本文引用: 1]

[62] Kijas JW, Ortiz JS, Mcculloch R, James A, Brice B, Swain B, Tosserklopp G . Genetic diversity and investigation of polledness in divergent goat populations using 52 088 SNPs
Anim Genet, 2013,44(3):325-335.
[本文引用: 1]

[63] Martin PM, Palhière I, Ricard A, Tosser-Klopp G, Rupp R . Genome wide association study identifies new loci associated with undesired coat color phenotypes in Saanen goats
PLoS One, 2016,11(3):e0152426.
[本文引用: 1]

[64] Lan R, Zhu L, Yao XR, Wang P, Shao QY, Hong QH . A genome-wide association analysis of goat litter size
Acta Vet Et Zootech Sin, 2015,46(4):549-554.
Magsci [本文引用: 1]
本研究旨在通过对山羊产羔性状的全基因组关联分析（GWAS），寻找和定位与山羊产羔性状密切关联的新基因。以云南黑山羊6个公羊家系的302只山羊为试验材料，用Illumina 公司Iselect Goat60k芯片技术进行SNP分型，分型结果利用plink V1.07的线性回归模型对山羊产羔数性状进行全基因组关联分析。研究结果表明：在2号染色体上有2个SNPs位点与山羊产羔数达到5%基因组水平显著相关(P&lt;1.48E-6)，分别位于SLC4A10基因的下游和TBR1基因的上游；5个SNPs位点与山羊产羔数达潜在关联（P&lt;2.97E-5），分别位于1号染色体SENP7基因上游，21号染色体Hypothetical Protein基因的上游，以及28号染色体WDFY4基因和TMEM26基因的上游、 BICC1基因的下游。这些基因可作为山羊产羔数性状的相关候选基因，也可为山羊产羔性状的分子机制研究和今后标记辅助选择的开展提供理论基础及新的研究线索。
兰蓉, 朱兰, 姚新荣, 王鹏, 邵庆勇, 洪琼花 . 山羊产羔数全基因组关联分析
畜牧兽医学报, 2015,46(4):549-554.
Magsci [本文引用: 1]
本研究旨在通过对山羊产羔性状的全基因组关联分析（GWAS），寻找和定位与山羊产羔性状密切关联的新基因。以云南黑山羊6个公羊家系的302只山羊为试验材料，用Illumina 公司Iselect Goat60k芯片技术进行SNP分型，分型结果利用plink V1.07的线性回归模型对山羊产羔数性状进行全基因组关联分析。研究结果表明：在2号染色体上有2个SNPs位点与山羊产羔数达到5%基因组水平显著相关(P&lt;1.48E-6)，分别位于SLC4A10基因的下游和TBR1基因的上游；5个SNPs位点与山羊产羔数达潜在关联（P&lt;2.97E-5），分别位于1号染色体SENP7基因上游，21号染色体Hypothetical Protein基因的上游，以及28号染色体WDFY4基因和TMEM26基因的上游、 BICC1基因的下游。这些基因可作为山羊产羔数性状的相关候选基因，也可为山羊产羔性状的分子机制研究和今后标记辅助选择的开展提供理论基础及新的研究线索。

[65] Stella A, Nicolazzi EL, Van Tassell CP, Rothschild MF, Colli L, Rosen BD, Sonstegard TS, Crepaldi P, Tosser- Klopp G, Joost S, Consortium A . AdaptMap: exploring goat diversity and adaptation
Genet Sel Evol, 2018,50(1):61.
[本文引用: 1]

[66] Bertolini F, Cardoso TF, Marras G, Nicolazzi EL, Rothschild MF, Amills M . Genome-wide patterns of homozygosity provide clues about the population history and adaptation of goats
Genet Sel Evol, 2018,50(1):59.
[本文引用: 1]

[67] Colli L, Milanesi M, Talenti A, Bertolini F, Chen M, Crisà A, Daly KG, Del Corvo M, Guldbrandtsen B, Lenstra JA, Rosen BD, Vajana E, Catillo G, Joost S, Nicolazzi EL, Rochat E, Rothschild MF, Servin B, Sonstegard TS, Steri R, Van Tassell CP, Ajmone-Marsan P, Crepaldi P, Stella A . Genome-wide SNP profiling of worldwide goat populations reveals strong partitioning of diversity and highlights post-domestication migration routes
Genet Sel Evol, 2018,50(1):58.
[本文引用: 1]

[68] Bertolini F, Servin B, Talenti A, Rochat E, Kim ES, Oget C, Palhière I, Crisà A, Catillo G, Steri R, Amills M, Colli L, Marras G, Milanesi M, Nicolazzi E, Rosen BD, Van Tassell CP, Guldbrandtsen B, Sonstegard TS, Tosser- Klopp G, Stella A, Rothschild MF, Joost S, Crepaldi P . Signatures of selection and environmental adaptation across the goat genome post-domestication
Genet Sel Evol, 2018,50(1):57.
[本文引用: 1]

[69] Tan C, Bian C, Yang D, Li N, Wu ZF, Hu XX . Application of genomic selection in farm animal breeding
Hereditas (Beijing), 2017,39(11):1033-1045.
[本文引用: 2]

谈成, 边成, 杨达, 李宁, 吴珍芳, 胡晓湘, 李明洲 : 基因组选择技术在农业动物育种中的应用
遗传 2017,39(11):1033-1045.
[本文引用: 2]

[70] Zhao ZD, Zhang L . Applications of genome selection in sheep breeding
Hereditas(Beijing), 2019,41(4):293-303.
[本文引用: 1]

赵志达, 张莉 . 基因组选择在绵羊育种中的应用
遗传, 2019,41(4):293-303.
[本文引用: 1]

[71] Li HD, Bao ZM, Sun XW . Genomic selection and its application
Hereditas(Beijing), 2011,33(12):1308-1316.
Magsci [本文引用: 1]
品种选育在农业生产中占有十分重要的地位, 育种值估计是品种选育的核心。随着遗传标记的发展, 尤其是高通量的基因分型技术, 使得从基因组水平估计育种值成为可能, 即基因组选择。文章将基因组选择的方法分为两类：一是基于估计等位基因效应来预测基因组估计育种值(GEBV), 如最小二乘法, 随机回归-最佳线性无偏预测(RR-BLUP)、Bayes、主成分分析等方法; 二是基于遗传关系矩阵来预测GEBV, 通过采用高通量标记构建个体间的遗传关系矩阵, 然后用线性混合模型来预测育种值, 即GBLUP法, 并以这两种分类简要介绍了基因组选择各种方法的大致原理。影响基因组选择准确性的因素主要有标记类型和密度、单倍型长度、参考群体大小和标记-数量性状基因座(QTL)连锁不平衡(LD)大小等; 在基因组选择的各种方法中, 一般说来Bayes方法和GBLUP方法具有较高的准确性, 最小二乘法最差; GBLUP计算速度快, 能够将标记和系谱结合起来, 因而比其他方法更具优势。尽管基因组选择取得了很大进展, 但在理论方面还面临着一些挑战, 如联合育种、长期选择的遗传进展及如何解析与性状有关和无关的标记等。基因组选择在一些动植物育种上已经开始应用, 在人类遗传倾向预测和进化动力学研究中也有潜在的应用前景。基因组选择在个体间亲缘关系的量化上有了突破, 比传统方法更加精确, 因此, 基因组选择将会是动植物育种史上革命性的事件。
李恒德, 包振民, 孙效文 . 基因组选择及其应用
遗传 2011,33(12):1308-1316.
Magsci [本文引用: 1]
品种选育在农业生产中占有十分重要的地位, 育种值估计是品种选育的核心。随着遗传标记的发展, 尤其是高通量的基因分型技术, 使得从基因组水平估计育种值成为可能, 即基因组选择。文章将基因组选择的方法分为两类：一是基于估计等位基因效应来预测基因组估计育种值(GEBV), 如最小二乘法, 随机回归-最佳线性无偏预测(RR-BLUP)、Bayes、主成分分析等方法; 二是基于遗传关系矩阵来预测GEBV, 通过采用高通量标记构建个体间的遗传关系矩阵, 然后用线性混合模型来预测育种值, 即GBLUP法, 并以这两种分类简要介绍了基因组选择各种方法的大致原理。影响基因组选择准确性的因素主要有标记类型和密度、单倍型长度、参考群体大小和标记-数量性状基因座(QTL)连锁不平衡(LD)大小等; 在基因组选择的各种方法中, 一般说来Bayes方法和GBLUP方法具有较高的准确性, 最小二乘法最差; GBLUP计算速度快, 能够将标记和系谱结合起来, 因而比其他方法更具优势。尽管基因组选择取得了很大进展, 但在理论方面还面临着一些挑战, 如联合育种、长期选择的遗传进展及如何解析与性状有关和无关的标记等。基因组选择在一些动植物育种上已经开始应用, 在人类遗传倾向预测和进化动力学研究中也有潜在的应用前景。基因组选择在个体间亲缘关系的量化上有了突破, 比传统方法更加精确, 因此, 基因组选择将会是动植物育种史上革命性的事件。

[72] Carillier C, Larroque H, Palhière I, Clément V, Rupp R, Robertgranié C . A first step toward genomic selection in the multi-breed French dairy goat population
J Dairy Sci, 2013,96(11):7294-7305.
[本文引用: 1]

[73] Mucha S, Mrode R, Maclaren-Lee I, Coffey M, Conington J . Estimation of genomic breeding values for milk yield in UK dairy goats
J Dairy Sci, 2015,98(11):8201-8208.
[本文引用: 1]

[74] Teissier M, Larroque H, Robertgranié C . Weighted single-step genomic BLUP improves accuracy of genomic breeding values for protein content in French dairy goats: a quantitative trait influenced by a major gene
Genet Sel Evol, 2018,50(1):31.
[本文引用: 1]