一种基于全基因组选择的青鱼生长性状最佳预测体系及其构建方法和应用技术

本发明专利技术公开了一种基于全基因组选择青鱼生长性状最佳预测体系及其构建方法和应用，由最佳GS统计模型GBLUP模型和数量为12000的最佳SNP基因型位点集组成，构建方法包括：对499尾青鱼进行基因组重测序和基因分型，获得237730个高质量的SNP位点；结合青鱼生长性状表型数据进行全基因组关联分析，获得9个SNP基因型位点集；通过将青鱼群体的80％作为训练群体，利用青鱼生长性状表型数据、5种GS统计模型和9个SNP基因型位点集数据，建立青鱼生长性状GS预测模型，验证筛选获得青鱼生长性状最佳预测体系，快速准确计算青鱼群体中生长性状的育种值，实现对青鱼生长性状的早期预测，筛选具备生长佳势的青鱼。

【技术实现步骤摘要】

本专利技术属于鱼类遗传育种，具体一种基于全基因组选择青鱼生长性状最佳预测体系及其构建方法和应用。

技术介绍

1、传统的青鱼育种方法主要依赖于人工选择，但已经难以满足现代青鱼产业的高要求，种质遗传改良成为青鱼养殖业持续健康高质量发展的迫切需求。

2、随着分子生物学和基因组学的快速发展，分子标记进入学界的视野。分子标记辅助选择育种(mas)为性状改良提供新思路。该方法可以充分利用与目的性状紧密连锁的标记信息，一定程度上降低孟德尔抽样误差，从而获得更准的预测效力。此外，该方法可以应用于个体的早期筛选，大大降低工作强度，缩短育种年限。

3、然而，mas在应用中存在一定的局限性，选择准确性极度依赖于分子标记的筛查是否准确，前期需要开展功能基因筛查定位和相应的大量分子功能研究等验证性实验；而且该方法仅适用于一些由单基因或者少数几个基因控制的性状，而水产动物大部分经济性状属于数量性状，数量性状受多个微效基因/qtl控制且受环境影响较大，许多微效基因控制的数量性状的qtl定位结果难以有效运用于育种群体。

4、全基因组选择(gs)是一种利本文档来自技高网...

【技术保护点】

1.一种基于全基因组选择的青鱼生长性状最佳预测体系，其特征在于，由最佳GS统计模型和最佳SNP基因型位点集组成；所述最佳GS统计模型为GBLUP模型；所述最佳SNP基因型位点集为数量为12000的SNP位点集。

2.权利要求1所述基于全基因组选择的青鱼生长性状最佳预测体系的构建方法，其特征在于，包括以下步骤：

3.根据权利要求2所述基于全基因组选择的青鱼生长性状最佳预测体系的构建方法，其特征在于，步骤(1)的具体方法包括：采用标准酚-氯仿法提取基因组DNA，合格的DNA样品进行全基因组重测序；利用BWA软件将clean reads与组装好的青鱼参考基因组进行比对，...

【技术特征摘要】

1.一种基于全基因组选择的青鱼生长性状最佳预测体系，其特征在于，由最佳gs统计模型和最佳snp基因型位点集组成；所述最佳gs统计模型为gblup模型；所述最佳snp基因型位点集为数量为12000的snp位点集。

2.权利要求1所述基于全基因组选择的青鱼生长性状最佳预测体系的构建方法，其特征在于，包括以下步骤：

3.根据权利要求2所述基于全基因组选择的青鱼生长性状最佳预测体系的构建方法，其特征在于，步骤(1)的具体方法包括：采用标准酚-氯仿法提取基因组dna，合格的dna样品进行全基因组重测序；利用bwa软件将clean reads与组装好的青鱼参考基因组进行比对，得到bam格式的比对结果；随后，使用gatk中的haplotypecaller工具进行单核苷酸变异和插入/缺失的检测；接着，采用plink软件进行过滤，参数为geno0.2、maf0.01、hwe1e-4；最后，采用beagle v4.0软件进行缺失基因型填充，共计获得237730个高质量snp位点。

4.根据权利要求2所述基于全基因组选择的青鱼生长性状最佳预测体系的构建方法，其特征在于，步骤(2)的具体方法包括：基于获...

【专利技术属性】
技术研发人员：沈玉帮，杨建楠，李家乐，周思扬，
申请(专利权)人：上海海洋大学，
类型：发明
国别省市：