论文部分内容阅读
近年来,随着水产养殖业的迅猛发展,养殖规模的不断扩大,多数物种出现了诸如生长速度变慢、抗病力减弱、死亡率升高等种质衰退现象,严重制约了水产养殖业健康可持续发展。选择育种能够培育出性能优良的苗种,对水产养殖业的稳定发展具有重要的意义。对目标数量性状遗传参数的准确估计,在育种值估计、选择指数制定、选择反应预测、选择方法以及育种规划决策等方面具有十分重要的意义。然而,大多数育种项目在对遗传参数进行估计时只考虑了加性遗传效应,忽略了显性遗传效应和间接遗传效应(indirect genetic effect,IGE)等其他遗传效应。本论文以罗氏沼虾(Macrobrachium rosenbergii)和凡纳滨对虾(Litopenaeus vannamei)为研究对象,利用包含显性和IGE效应的育种分析模型,估计了选育群体中显性遗传效应和IGE的方差(协方差)组分,定性定量地剖分出了潜在的可利用的遗传变异。研究结果为进一步提高两种虾选育群体育种目标性状的遗传进展,加快遗传改良的速度提供一定的理论基础。本论文的研究结果如下:1.罗氏沼虾高世代育种群体收获体重加性和显性遗传效应本研究的分析数据为:罗氏沼虾G7~G9代育种群体。共计包括全同胞家系343个(半同胞家系244个),29523尾测试个体的收获体重。基于单性状动物模型,利用平均信息约束最大似然法(average information restricted maximum likelihood method,AIREML)估计了G7、G8、G9和G8+G9四个数据集收获体重的方差组分。分析时采用了两种模型:(1)加性遗传效应模型,包含加性遗传效应和共同环境效应(A+C)。(2)加显性遗传效应模型,进一步包括显性遗传效应(A+D+C)。结果表明,在A+C模型下,估计得到的4个数据集收获体重的遗传力范围在0.046~0.082之间,为低遗传力水平(h2≤0.15)。在A+D+C模型下,估计得到的收获体重遗传力范围在0.063~0.096之间,显性方差组分比率范围在0.027~0.571之间。模型中包括显性遗传效应后,G8代数据集收获体重遗传力的估计值变大,其余3个数据集的估计值变小。罗氏沼虾育种群体收获体重遗传力较低,表明需要引进性能优良的野生或改良群体,增加育种群体的遗传变异丰富度;4个数据集显性遗传方差比率值变化较大,表明需要新的算法并利用更多世代数据提高其估计值的准确性。2.不同饲料投喂水平下凡纳滨对虾体重IGE和基因型与环境互作效应为了探究不同饲料投喂水平下,个体间的社会交互(social interaction)对凡纳滨对虾收获体重遗传参数估计值的影响,本研究设置了足量投喂(AF)和限制性投喂(RF=AF组投喂量二分之一)两个组别,标记并测试了80个家系共6720尾虾的收获体重,估计其直接遗传效应(direct genetic effect,DGE)和IGE的遗传参数。每个家系分三份(14尾/份),随机分配到80个网箱(70 cm×70 cm×100 cm);每个网箱包含3个不同的家系;每个家系共计与其他6个家系在3个网箱中共同测试超过70天。采用两种动物模型(是否包括IGE),估计每个组别下收获体重的遗传参数,并进一步分析RF和AF间收获体重DGE和IGE的基因型与环境互作(genotype by environment interaction,G×E)效应。利用不包含IGE的估计模型,获得的RF和AF组收获体重的遗传力估计值分别为0.25±0.11和0.11±0.091。似然比检验表明,IGE效应需要包括在估计模型中。利用包括IGE的估计模型,获得的RF和AF组的IGE方差占总遗传方差的比率分别为691.18%和66.78%。这表明,个体间的社会交互能够产生大量可遗传和利用的遗传变异,对虾个体间的竞争交互行为和规格整齐度存在较大的遗传改良潜力。RF和AF组DGE与IGE的相关系数分别为-0.93±0.15和0.32±0.47,后者表现为高度负相关,个体间存在强竞争交互,这表明限制饲料投喂量加剧了个体间的竞争交互程度。RF和AF组间DGE效应的遗传相关系数为0.94±0.07,表现为高度遗传相关,K=0.06<0.5,G×E效应不显著;RF和AF组间IGE效应的遗传相关系数为0.67±0.20,表现为中度遗传相关,K=0.70>0.5,G×E效应显著。3.不同养殖密度下凡纳滨对虾体重IGE和基因型与环境互作效应为了探究不同养殖密度下,个体间的社会交互对凡纳滨对虾收获体重遗传参数估计值的影响,本研究设置了高密度(HD,280尾/平方米)和低密度(LD,150尾/平方米)两个组别,标记并测试了90个家系共6210尾虾的体重,估计其DGE和IGE的遗传参数。每个家系分三份(HD:15尾/份;LD:8尾/份),随机分配到80个网箱(40 cm×40 cm×100 cm);每个网箱包含三个不同的家系;每个家系共计与其他6个家系在3个网箱中共同测试57天。采用两种不同的动物模型(是否包括IGE),估计每个组别下收获体重的遗传参数,并进一步分析两种组别间收获体重DGE和IGE的基因型与环境互作效应。利用不包含IGE的估计模型,获得的HD和LD组收获体重的遗传力估计值分别为0.04±0.12和0.47±0.23。似然比检验表明,IGE效应需要包括在估计模型中。利用包括IGE的估计模型,获得的HD和LD组的IGE方差占总遗传方差的比率分别为298.50%和1871.85%。这表明,个体间的社会交互能够产生大量可遗传和利用的遗传变异,对虾个体间的竞争交互行为和规格整齐度存在较大的遗传改良潜力。HD和LD组DGE与IGE的相关系数分别为-0.95±0.26和-1.08±0.33,均表现为高度负相关,个体间存在强竞争交互。HD和LD组间DGE和IGE效应的遗传相关系数均大于0.9,表现为高度遗传相关,G×E效应不显著。