文献阅读|鸡鸭泛基因组构建及其驯化基因解析

李鸣. 鸡鸭泛基因组构建及其驯化基因解析[D].西北农林科技大学,2021.DOI:10.27409/d.cnki.gxbnu.2021.000096.

名词解释

1.1正选择

自然选择或人工选择会倾向于保留对当前环境或人类需求具有高适合度的等位基因,拥有这些等位基因的个体有机会繁殖更多的后代。这种高适合度的等位基因最终会在整个群体中扩散。

1.2负选择

自然选择或人工选择对有害或低适合度的等位基因的淘汰,拥有这些等位基因的个体会因为生存能力或繁殖能力下降而逐渐从群体中被淘汰,导致这些等位基因最终消失。与正选择皆为定向选择。

1.3平衡选择

与定向选择相反,后者只保留有利的基因型,而平衡选择倾向于保留多种基因型,即杂合子具有最高的适合度。平衡选择能够在种群中维 持遗传多样性,有利于提高物种在变化多端的生态环境中的生存和繁殖能力。

2.选择性清除

自然选择和人工选择中的一个重要过程。通过该过程,新的有利突变会增加其频率并最终在群体中固定(即群体频率为 1)。

2.1硬选择性清除

当群体中从头突变出现有利突变时,其初始频率极低。但由于携带该位点的单倍型的适合度相较其它单倍型高,该单倍型的频率在群体中迅速升高。因此该区域的遗传多样性也会由于搭车效应迅速降低。

2.2软选择性清除

当种群所处的环境改变时,之前已经在群体中存在的中性变异可能会转变为有利突变。这种突变在最初时可能同时存在与不同的单倍型上,当其频率迅速上升时,这些携带此有利突变的单倍型的频率都会上升,导致没有一个占领群体的单倍型,从而维持群体的遗传多样性。

2.3多源软选择性清除

这种情况发生在突变非常常见的群体中。当选择性清除发生时,相同或相似的有利突变同时出现其它的单倍型上。 这些多个来源的有利突变同时受选择,导致没有一个占领群体的单倍型,从而维持群体的遗传多样性。

3.搭车效应

当有利等位基因的频率在自然选择下由于其高适合度而迅速增加时,其附近的中性或轻度有害位点的频率也会因为和此有利等位基因连锁而增加。

相关技术

1.全基因组关联分析(genome-wide association study,GWAS)

是遗传学研究中用于将特定遗传变异与特定表型相关联的一种方法(Tam et al. 2019)。通过对自然群体广泛的表型收集以及全基因组测序,使研究人员可以检查全基因组每一个变异与所研究表型的关系。

2.荧光原位杂交(Fluorescence in situ hybridization,FISH)技术

对于一些大的结构变异直接进行观察。

3.基因编辑

是对基因组的特定靶点进行定向改变的一项现代生物技术。
基因编辑所需要的核酸酶最早来自于细菌适应性免疫系统,例如:锌指核酸酶(Zinc-finger nucleases, ZFNs)、转录调控效应核酸酶(Transcription activator-like effector nucleases,TALENs) 和聚类调控短回文重复序列间隔系统(clustered regularly interspaced short palindromic repeats/CRISPR-associated protein 9,CRISPR/Cas9)

方向、热点

1.泛基因组

出现
随着研究的深入,人们逐渐认识到单个个体的基因组不能代表整个物种的所有序列, 而在那些参考基因组缺失序列之上的变异则很难被基于参考基因组的分析方法鉴定出来。为了解决这一问题,研究人员提出了泛基因组的概念。
自从 2005 年 Tettelin 等人在细菌上提出泛基因组的概念以来(Tettelin et al. 2005),泛基因组经历了快速的发展,目前对于泛基因组的应用已经从细菌扩展到了动植物(Golicz et al. 2019)。
概念
包含一个物种所有基因组序列的基因组,对鉴定表型变异的致因基因或突变具有重要的作用。

2.基因组学时代(Collins et al. 2003)

当前待解决的问题

1.后基因组时代的最大挑战就是如何将基因型和表型联系起来。这需要研究人员从基因组完善,基因组注释、表型收集以及实验验证等多个 方面进行努力。

实验内容

目的

本研究旨在通过构建鸡鸭的泛基因组,从而对其物种内的遗传变异进行更全面地发掘,最终鉴定出最可能的关键表型变异的致因突变。通过对鸡鸭及其野生祖先尽可能全面且广泛的采样,来详细且准确地还原它们驯化和人工选择的遗传基础。

鸡基因组完善及其驯化和人工选择的遗传基础研究

1.方法

1.1构建泛基因组所用样本
1.2基因组组装:基于三代测序的基因组组装、基于二代测序的基因组组装、基因组评估和注释
1.3参考基因组缺失序列的鉴定
1.4参考基因组缺失序列的基因注释
1.5参考基因组缺失序列的定位:基于侧翼序列、基于染色体相互作用图谱
1.6基于重测序数据的参考基因组缺失序列的 PAV 分析
1.7基因差异表达分析
1.8同源基因和 dN/dS 分析
1.9家鸡受选择信号分析:家鸡受选择信号检测、功能富集分析
1.10高影响力突变鉴定和遗传负载评估

2.小结

1.在当前得鸡的基因组以及其它鸟类的基因组中有数千个基因完全或部分缺失,这些基因在大多数个体中都存在,表明这些都是鸡的核心基因。
2.建议当前鸟类基因组中基因数目少于其它四足动物不是因为进化中的丢失,而是由于许多基因隐藏在了高度复杂的基因组区域中影响了它们在之前基因组中的组装。

鸭基因组完善及其驯化和人工选择的遗传基础研究

单个基因的改变对动物表型的巨大影响,加深了我们对人工选择下的关键性状的遗传基础的理解。同时也展示了多组学以及多种技术手段联合分析在表型的遗传基础解析中的重要作用。

感想心得

这篇文献是18级的学长推荐我看的,他说很有意思。
对于泛基因组和宏基因组,我上个学期就有查过这组名词的定义,但是印象不深,这篇论文对泛基因组进行了综述,让我意识到了泛基因组的重要性。进化是个很有意思的事情,要想摸清物种在进化中发生的突变,以及突变的致因,泛基因组的组建是至关重要的。掌握了进化中每个分支,每个转角的特点和原由,便能探出究竟,并从中掌握合适的选择方向。
看这篇论文,我只是为了对泛基因组有所深入了解,其余的都是略读。但浏览下来,给我最深刻的印象就是里面的图表很多,形式丰富。由此可见,当实验得出大量数据时,不仅要懂得处理,还要找寻最合适的图表形式将其直观地展示出来。往后的学习中,作图能力也是我需要认真钻研的。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,937评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,503评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,712评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,668评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,677评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,601评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,975评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,637评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,881评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,621评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,710评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,387评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,971评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,947评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,189评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,805评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,449评论 2 342

推荐阅读更多精彩内容