鸡开产日龄性状相关的SNP位点在鸡育种中的应用和方法与流程

有机化合物处理,合成应用技术鸡开产日龄性状相关的snp位点在鸡育种中的应用和方法技术领域1.本发明属于生物育种技术领域，具体涉及一种鸡开产日龄性状相关的snp 位点在鸡育种中的应用和方法。背景技术：2.分子标记是遗传学研究的重要材料。单核苷酸多态性标记因其数量多、分布广泛、易于准确鉴定等特点，被广泛地应用于人类和动植物各项遗传学研究。单核苷酸多态性(single nucleotide polymorphism，snp)标记是第三代遗传标记，是指在基因组dna序列上有单个碱基的突变而产生的一种多态性，这种突变包括单碱基的颠换、转换、插入和缺失。snp具有数量大、高频率、低突变率等优点，广泛应用于基因组分析、生物信息自动化检测、简单和复杂疾病的遗传研究、畜牧育种标记及全球种族遗传学等研究。snp位点辅助选择育种，是在分子水平上对目标性状进行选择，可以不受环境影响，通过遗传背景选择，减少连锁累赘，从而加速育种过程及精准度。3.鸡开产日龄指的是母鸡首次产蛋的日龄时间，标志着母鸡的性成熟，与鸡饲养期产蛋量、蛋重等产蛋性状相关。目前，仍然未有关于利用snp位点或 snp分子标记进行蛋鸡辅助选择育种的报道。技术实现要素：4.针对现有技术的上述技术问题，本发明的目的是提供一种鸡开产日龄性状相关的snp位点在鸡育种中的应用和方法，能够通过该检测snp位点对具有优势等位基因基因型的蛋鸡进行选择，以便于进行优势品系的选育。本发明的技术方案为：5.第一个方面，本发明提供一种鸡开产日龄性状相关的snp位点在鸡育种中的应用，snp位点位于鸡基因组gga6版本第28号染色体第2104764位；根据 snp位点的基因型对样品鸡的开产日龄性状进行选育。6.进一步的，样品鸡包括但不限于以下至少一种：麻黄鸡、鹿苑鸡、藏鸡、丝羽乌骨鸡、河南斗鸡、清远麻鸡、安义瓦灰鸡、大骨鸡、广西三黄鸡、溧阳鸡、仙居鸡、茶花鸡、京星黄鸡矮脚系、青脚麻鸡中速系、边鸡、寿光鸡、东乡绿壳蛋鸡、汶上芦花鸡、崇仁麻鸡、文昌鸡、金湖乌凤鸡、大围山微型鸡、惠阳胡须鸡、仙居鸡、茶花鸡、固始鸡、狼山鸡、瓢鸡、白耳黄鸡、北京油鸡、萧山鸡、琅琊鸡、南丹瑶鸡、麻城绿壳蛋鸡、如皋黄鸡和隐性白羽肉鸡。7.第二个方面，本发明提供一种基于鸡开产日龄性状相关的snp位点的选育方法，该方法包括：8.确定样品鸡的snp位点的c等位基因型的频率，snp位点位于鸡基因组 gga6版本第28号染色体第2104764位；基于snp位点的c等位基因型的频率符合预设频率范围，将样品鸡确认为目标鸡。9.进一步的，预设频率范围为0.12～0.16。10.进一步的，该方法还包括：11.确定样品鸡的snp位点的等位基因替代效应值；基于snp位点的等位基因替代效应值符合预设效应值范围，将样品鸡确认为目标鸡。12.进一步的，预设效应值范围为-1.05～-1.40。13.进一步的，该方法还包括：14.提取样品鸡血液样本；通过tn5转座酶获取样品鸡血液样本的基因组；采用独立标记数对基因组进行bonferroni校正；根据snp位点的基因数据，标记校正后的基因组中的snp位点。15.进一步的，目标鸡的开产日龄相对于标准开产日龄提前1～1.5天。16.本发明提供的固化剂具有以下优势和有益效果：17.通过鸡开产日龄性状相关的snp位点选择具有优势等位基因基因型的样品鸡进行开产日龄性状的目标鸡选育，该优势品系的目标鸡主要表现为开产日龄较早，从而可以节省生产成本并加快遗传进展，更好地应用于鸡的育种中，具有广泛的经济应用和科研价值。附图说明18.图1是本技术实施例中母麻黄鸡的血液样本与开产日龄的关系图；19.图2是本技术实施例中开产日龄性状相关的snp位点的曼哈顿图。具体实施方式20.为了便于理解本发明，下面将参照相关实施例对本发明进行更全面的描述。实施例中给出了本发明的较佳实施方式。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施方式。相反地，提供这些实施方式的目的是使对本发明的公开内容理解的更加透彻全面。21.除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本发明。本文所使用的术语“进和/或”包括一个或多个相关的所列项目的任意的和所有的组合。22.在本发明的描述中，需要说明的是，实施例中未注明具体条件者，按照常规条件或制造商建议的条件进行。所用试剂或仪器未注明生产厂商者，均为可以通过市售购买获得的常规产品。23.下面结合具体的实施例对本发明做进一步详细说明，所述是对本发明的解释而不是限定。24.实施例125.实施例1以麻黄鸡为研究对象，收集4527只母麻黄鸡的血液样本以及开产日龄表型记录，如图1所示。26.(一)基于低深度测序技术的鸡全基因组snp分型和关联分析包括以下步骤：27.(1)利用tn5转座酶对母麻黄鸡建立基因文库，并进行全基因组重测序，全部基因组样本在指定生命科学平台进行测序，测序样本数目4527只，测序深度为0.94×，测序深度是指测序得到的碱基总量(bp)与基因组大小(genome)的比值，其中指定生命科学平台如basevar snp检测平台。28.(2)对步骤(1)全部基因组重测序结果进行基因分型，并进行填充，以获取每只母麻黄鸡snp位点基因数据。29.(3)对所有母麻黄鸡的开产日龄和步骤(2)获得的snp位点基因数据进行全基因组关联分析。30.(4)采用独立标记数进行bonferroni校正，并基因组水平显著位点的检测，得到一个与鸡开产日龄达到bonferroni校正的5％基因组水平显著的qtl区域。 qtl区域中最显著的chr28:2104764位点为与开产日龄性状相关的snp位点，与开产日龄性状相关的snp位点的全基因组关联研究(genome-wide associationstudy，gwas)分析结果的曼哈顿图如图2所示。其中，独立标记数的计算使用plink indep-pairwise命令获得。31.(二)以麻黄鸡为待筛选的样品鸡，采用snp位点(chr28:2104764)在鸡开产日龄性状中的育种方法包括以下步骤：32.(1)收集8000只样品鸡的血液样本。33.(2)通过tn5转座酶获取所有样品鸡血液样本的基因组，并采用独立标记数对基因组进行bonferroni校正。34.(3)根据snp位点(chr28:2104764)的基因数据，标记校正后的基因组中的鸡开产日龄性状相关snp位点。35.(4)以snp位点(chr28:2104764)为中心，统计计算不同基因型的频率以及等位基因的效应大小、示例性的，一只样品鸡的不同基因型的频率以及等位基因的效应值，结果如表1所示。36.统计计算过程是采用gcta软件的混合线性模型(mixed linear model, mlm)方法对单位点进行全基因组关联分析。在构建的加性遗传模型中，将性别和批次作为固定效应协方差，并采用混合线性模型对每个位点联合产蛋日龄展开单位点效应分析和显著性检验。加性遗传模型构建如下：y＝xbb+zaa+e，其中，y代表每种表型的观测值；b代表固定效应向量，包括批次、性别等因素；a 代表个体的加性遗传效应向量；e代表随机残差向量；xb、za分别代表b及a的关联矩阵。37.表1[0038][0039](5)比对c等位基因频率和预设频率范围，以及比对等位基因的效应值和预设效应值范围。[0040](6)结果显示等位基因c为次要等位基因，频率为中低频率0.14，其等位基因替代效应为-1.21，符合鸡开产日龄从选育条件，则将该样品鸡作为目标鸡进行后续培育。进一步地，经过鸡开产日龄统计得出该c等位基因的目标鸡开产日龄相比于标准鸡开产日龄可以提前约1.21天。[0041]本发明的方法还可以应用于其它样品鸡，包括但不限于以下至少一种：鹿苑鸡、藏鸡、丝羽乌骨鸡、河南斗鸡、清远麻鸡、安义瓦灰鸡、大骨鸡、广西三黄鸡、溧阳鸡、仙居鸡、茶花鸡、京星黄鸡矮脚系、青脚麻鸡中速系、边鸡、寿光鸡、东乡绿壳蛋鸡、汶上芦花鸡、崇仁麻鸡、文昌鸡、金湖乌凤鸡、大围山微型鸡、惠阳胡须鸡、仙居鸡、茶花鸡、固始鸡、狼山鸡、瓢鸡、白耳黄鸡、北京油鸡、萧山鸡、琅琊鸡、南丹瑶鸡、麻城绿壳蛋鸡、如皋黄鸡和隐性白羽肉鸡，具体的应用方法同麻黄鸡，预设效应值范围在-1.05～-1.40。[0042]以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!