海洋与湖沼  2023, Vol. 54 Issue (1): 194-203   PDF    
http://dx.doi.org/10.11693/hyhz20220500118
中国海洋湖沼学会主办。
0

文章信息

田昌绪, 朱奕安, 钟键, 林星桦, 叶明慧, 黄洋, 张玉蕾, 朱春华, 李广丽. 2023.
TIAN Chang-Xu, ZHU Yi-An, ZHONG Jian, LIN Xing-Hua, YE Ming-Hui, HUANG Yang, ZHANG Yu-Lei, ZHU Chun-Hua, LI Guang-Li. 2023.
多鳞(Sillago sihama)高密度遗传连锁图谱构建及生长性状QTL定位分析
CONSTRUCTION OF A HIGH-DENSITY GENETIC LINKAGE MAP AND QTL DETECTION OF GROWTH TRAITS OF SILVER SILLAGO (SILLAGO SIHAMA)
海洋与湖沼, 54(1): 194-203
Oceanologia et Limnologia Sinica, 54(1): 194-203.
http://dx.doi.org/10.11693/hyhz20220500118

文章历史

收稿日期:2022-05-04
收修改稿日期:2022-07-04
多鳞(Sillago sihama)高密度遗传连锁图谱构建及生长性状QTL定位分析
田昌绪1,2, 朱奕安1, 钟键3, 林星桦1, 叶明慧1, 黄洋1,2, 张玉蕾1, 朱春华1,2, 李广丽1,2     
1. 广东海洋大学水产学院 广东省名特优鱼类生殖调控与繁育工程技术研究中心 广东省水产动物病害防控与健康养殖重点实验室 广东湛江 524088;
2. 南方海洋科学与工程广东省实验室(湛江) 广东湛江 524088;
3. 湛江海关技术中心 广东湛江 524022
摘要:为构建多鳞(Sillago sihama)遗传连锁图谱并鉴定生长等重要经济性状数量性状位点(QTL), 实验通过基因分型测序(GBS)技术对163个多鳞个体(2个亲本和161个全同胞家系F1代)进行测序及标记分型, 并通过复合区间定位法对该物种的体重、体高、体厚、眼径、体长和背鳍前长6个生长性状进行QTL定位分析。结果显示, 多鳞首张高密度遗传连锁图谱全长2 154.803 cM, 标记间平均遗传距离0.455 cM, 共有4 735个SNP标记分配到24个连锁群。QTL定位分析结果发现在6个生长性状中共检测到20个生长显著相关QTL位点, 分布在8个连锁群上, 单个QTL的LOD值范围为3.02~4.23, 可解释的表型变异范围为0.14%~8.42%。其中, 在连锁群LG08聚集了8个生长性状显著相关的QTL。通过对候选QTL区间内的基因进行功能注释, 共筛选到了19个潜在生长调控相关基因, 包含igf1igf2sstr5sst1atgfbr2gas1igfalsgfg6gfg20bmp7、kdm5ctti1以及rbm10等。实验获得的遗传标记及相关候选基因是多鳞生长相关性状标记辅助选择(MAS)的有用基因资源, 为进一步研究鱼类生长调控机制提供了更多的理论依据。
关键词多鳞    基因分型测序(GBS)    数量性状位点(QTL)    生长相关性状    候选基因    
CONSTRUCTION OF A HIGH-DENSITY GENETIC LINKAGE MAP AND QTL DETECTION OF GROWTH TRAITS OF SILVER SILLAGO (SILLAGO SIHAMA)
TIAN Chang-Xu1,2, ZHU Yi-An1, ZHONG Jian3, LIN Xing-Hua1, YE Ming-Hui1, HUANG Yang1,2, ZHANG Yu-Lei1, ZHU Chun-Hua1,2, LI Guang-Li1,2     
1. Guangdong Provincial Key Laboratory of Aquatic Animal Disease Control and Healthy Culture, Guangdong Research Center on Reproductive Control and Breeding Technology of Indigenous Valuable Fish Species, Fisheries College, Guangdong Ocean University, Zhanjiang 524088, China;
2. Southern Marine Science and Engineering Guangdong Laboratory(Zhanjiang), Zhanjiang 524088, China;
3. Zhanjiang Customs District Technology Center, Zhanjiang 524022, China
Abstract: Construction of high-density genetic map and quantitative trait loci (QTL) mapping are powerful tools for identifying genetic markers and candidate genes that may be responsible for such polygenic trait as growth. The first SNP-based high-density genetic linkage map was constructed by sequencing 163 silver sillago (Sillago sihama) individuals (2 parents and 161 F1 offspring) according to a genotyping-by-sequencing (GBS) method. The consensus map spanned 2 154.803 cM, on average marker interval of 0.455 cM. In total, 4 735 SNPs were assigned to 24 linkage groups (LGs). Then, the QTL of 6 growth related traits was mapped via composite interval mapping (CIM), including body weight, body length, body thickness, body height, pre-dorsal length, and eye diameter. Twenty significant QTLs were identified on 8 LGs and explained 0.14%~8.42% of the phenotypic variance. The logarithm of odds (LOD) value ranged from 3.02 to 4.23. Specially, 8 QTLs were distributed on one linkage group (LG08), and the regions showed overlapping on LG08. Through the functional annotation of the genes in the candidate QTL interval, 19 potential growth-related genes were screened, including igf1, igf2, sstr5, sst1a, tgfbr2, gas1, igfals, gfg6, gfg20, bmp7, kdm5c, tti1, and rbm10. These genetic markers and candidate genes are useful genomic resources for marker-assisted selection (MAS) in silver sillago and the QTLs are useful tools for growth mechanism analysis of this fish.
Key words: Sillago sihama    genotyping-by-sequencing (GBS)    quantitative trait loci (QTL)    growth-related traits    candidate genes    

多鳞(Sillago sihama Forsskål)又称沙锥鱼, 隶属鲈形目、科、属, 为热带印度-西太平洋浅海鱼类, 广泛分布于我国沿海地区(Lin et al, 2021)。多鳞肉质细嫩, 味道鲜美, 营养价值高, 具有重要的经济价值。该物种曾在我国近海渔业中占有重要地位, 近年来由于过度捕捞, 其自然个体低龄化、群体趋小化和产量逐年减少等问题突出(黄洋等, 2013), 市场售价已从2003年的20~30元/kg持续上升到目前的100~110元/kg。本课题组前期突破了多鳞全人工繁育技术, 实现了其全人工规模化育苗, 为下一步多鳞良种选育奠定了基础(黄洋等, 2013)。然而, 多鳞养殖苗种缺乏定向选育, 存在因近亲繁殖导致的生长速度减慢、抗逆性能下降等性状退化风险, 严重限制了其养殖业的健康发展, 亟需开展分子遗传育种研究, 解析重要经济性状相关遗传机制。近年来, 研究人员在多鳞低氧应激(Tian et al, 2020; Pan et al, 2021)、营养饲料(Huang et al, 2020)、群体遗传(Liu et al, 2012)、人工繁育(余家旺等, 2022)以及基因组资源(Lin et al, 2021)等方面进行了探索研究, 但尚未见分子标记开发及生长性状相关QTL定位研究报道。

基于分子标记技术构建遗传连锁图谱是实现重要经济性状QTL定位和分子标记辅助育种的有效途径(桂建芳等, 2016)。高通量测序技术简化了遗传标记分型方式, 降低了实验成本, 使得在众多水产养殖物种中通过构建高密度遗传图谱进行性状QTL精细定位成为可能(叶华等, 2011)。鱼类生长性状是重要的经济性状, 对生长性状进行遗传改良是最有价值的选育目标之一。借助简化基因组测序技术, 截至2020年已有40多种鱼类构建了高密度遗传连锁图谱, 并开展了经济性状QTL定位研究(You et al, 2020), 如鳙(Hypophthalmichehys nobilis) (Liu et al, 2016)、鲤(Cyprinus carpio) (Peng et al, 2016)、褐石斑鱼(Epinephelus bruneus) (Kessuwan et al, 2016)、大口黑鲈(Micropterus salmoides) (Dong et al, 2019)、锦鲤(Cyprinus carpio haematopterus) (Feng et al, 2018)以及斑点叉尾 (Ictalurus punctatus) (Zhang et al, 2019), 鉴定出了一批生长性状相关的遗传标记及其候选基因(陈军平等, 2020)。

目前, 多鳞生长相关性状的定位研究尚属空白, 本研究的目的在于利用基因分型测序(genotyping-by-sequencing, GBS)技术构建多鳞高密度连锁图谱, 并进行6个生长性状的QTL定位分析, 以期为多鳞基因组组装、比较基因组学分析以及分子标记辅助选择育种提供有力支撑, 并为该物种生长调控机制研究奠定基础。

1 材料与方法 1.1 作图家系及DNA提取

试验所用多鳞亲本及其F1代全同胞家系养殖于广东省湛江市广东海洋大学东海岛繁育基地。2018年6月, 挑选体型良好的性成熟雌雄个体为亲本, 一对一繁殖构建全同胞家系。孵化后的幼苗在水泥池(5.8 m×4.8 m×1.8 m)中进行养殖, 在整个养殖过程中, 水温(27±0.5) ℃、pH 7.2±0.6及溶解氧(7.1±0.5) mg/L。2019年6月采集161尾F1代个体及父母本鳍条, 用于基因组DNA的提取; 同时, 采集161尾个体的体重、体高、体厚、眼径、体长和背鳍前长6个生长性状[方法见余家旺等(2022)]。随后, 将样本送至广州基迪奥生物科技有限公司使用CTAB (十六烷基三甲基溴化铵, 广州化学试剂厂)法提取基因组DNA (李进波等, 2014); 并通过Nanodrop 2000 (Thermo Scientific, 美国)和1.5%琼脂糖凝胶电泳对提取的DNA进行质量检测。将符合试验要求的各样品DNA在广州基迪奥生物科技有限公司建库。

1.2 GBS文库构建及高通量测序

多鳞亲本及161个F1代基因组DNA测序采用GBS方法(Elshire et al, 2011)进行, 由广州基迪奥生物科技有限公司完成。质检合格的基因组DNA被两种限制性内切酶EcorI和NIaIII (New England Biolabs, Ipswich, MA)消化, 然后进行末端修复, 加A-尾, 并使用NEBNext® ΜLtraTM DNA Library Prep Kit库(NEB, USA)添加Illumina测序接头。选取300~500 bp的DNA片段进行PCR扩增富集, 最后使用AMPure XP系统(Beckman Coulter, Brea, CA, USA)对PCR产物进行纯化, 使用Agilent 2100生物分析仪(Agilent, Santa Clara, CA)对测序文库进行检测, 并使用实时PCR进行文库定量。测序在Novaseq 6000测序仪上进行, 采用PE150测序策略。

1.3 SNP标记筛选与过滤

使用FASTP(0.18.0) (Chen et al, 2018)对测序后的raw data进行SNP过滤。筛选标准为: (1) 去除含有未知核苷酸(N)≥10%的reads; (2) 去除phred质量评分≤20及碱基≥50%的reads; (3) 删除含接头的reads。过滤后的clean reads用于组装分析。使用Burrows-Wheeler Aligner (BWA) (Li et al, 2009) (0.7.12; 比对参数为-k 32 -M)采用mem算法将过滤后的reads比对到参考基因组(SRA PRJNA642704); 比对后结果使用软件picard (http://sourceforge.net/projects/picard/.) (1.129)进行标记。使用变异检测软件GATK (Van Der Auwera et al, 2013) (3.4~46) (设置参数: -Window 4, -G_filter “QD < 2.0 || FS > 60.0 || MQ < 40.0”)进行群体SNP检测, SNP标记过滤标准为: 去除分型比例低于30%的位点, 去除杂合比例大于75%的位点, 按理论比对标记位点的基因型比例进行卡方检验, p值小于0.001的位点视为严重偏分离位点并去除, 保留分离类型为母本杂合型lmxll、父本杂合型nnxnp和双亲杂合型hkxhk的标记。使用ANNOVAR软件(Wang et al, 2010)进行功能注释SNP。

1.4 遗传图谱构建

利用筛选出来的SNP标记, 使用Joinmap4.1划分连锁群, 构建遗传图谱。对划分好的连锁群采用最大似然法进行排序, 对排序后的结果进行校正, 然后再使用回归算法进行排序, 使用Perl SVG模型获得整合图谱(Van Ooijen, 2011)。整合图谱构建中, 以多鳞基因组为参考, 根据标记的物理位置信息将其归并成对应的连锁群, 去除非染色体上的标记, 在每个遗传位置的标记中取完整度最高(缺失率最低)的标记作为作图标记。

1.5 生长相关性状QTL定位及候选基因预测

使用R/qtl (Broman et al, 2003)的scanone()函数对6个生长性状进行复合区间定位(CIM), 扫描步长为1 cM, 使用LOD=3.0作为阈值筛选QTL。利用多鳞参考基因组注释信息进行候选基因预测及功能注释。通过BLASTN将确定的显著性SNP位点比对到多鳞参考基因组, 并根据基因组注释结果筛选区间的基因, 并进行基因功能注释。

2 结果 2.1 生长相关性状的表型参数

本研究使用161尾多鳞F1代全同胞个体进行连锁图谱构建及QTL定位分析。课题组前期对该家系的生长性状相关性和通径分析显示, 多鳞体高、体厚、眼径、体长和背鳍前长对多鳞的体质量有显著影响, 初步确定为多鳞的生长性状选育指标(余家旺等, 2022)。形态学分析显示, 6个主要形态性状的变异系数(CV)值在11.83%~33.51%, 表明性状变异丰富, 适合于进行QTL分析。6个表型性状的频率分布符合正态分布(图 1), 可用于后续的QTL初步定位分析。

图 1 多鳞F1代全同胞家系体重(a)、体长(b)、体厚(c)、体高(d)、背鳍前长(e)及眼径(f)性状表型数据频率分布(n=161) Fig. 1 Frequency distribution of phenotypic value of the body weight (a), body length (b), body thickness (c), body height (d), pre-dorsal length (e), and eye diameter (f) of S. sihama F1 full-sib population (n=161)
2.2 多鳞作图家系GBS测序数据及SNP筛选

对多鳞父母本和161个F1代进行GBS测序。两个亲本共获得3.40 G bp Raw data (测序深度: ~6.5×; 多鳞基因组为521.63 Mb), 过滤后亲本的平均Clean data为1.60 G bp, 161个子代样本共获得880.55 G bp Raw data (平均每个个体550 M bp), 过滤后平均每个子代个体的Clean data为534 M bp, 测序数据Q20≥98%, Q30%≥94%, 样本GC分布正常(平均43%)。过滤后共获得657.88 M Clean Reads, 平均每个个体reads长度为142 bp。将测序数据与参考基因组进行比对, 比对结果显示, 所有reads与参考多鳞基因组(SRA PRJNA642704)的平均比对率为98%以上, 用于后续的变异检测及相关分析。

群体变异检测共获得205 471个SNP位点, 这些位点中转换标记有120 302个, 占58.54%, 颠换标记有85 169个, 占41.46%。根据亲本的基因型确定标记的分离类型(亲本测序深度不低于4), 保留分离类型为母本杂合型lmxll、父本杂合型nnxnp和双亲杂合型hkxhk的标记, 共筛选获得143 886个多态性SNP位点(表 1); 随后, 对标记进一步过滤, 去除分型比例低于30%、或杂合率大于75%的位点、或严重偏分离的位点, 共保留107 406个高质量的SNP标记用于后续作图分析。

表 1 多鳞作图群体中杂合子SNP位点的分离模式 Tab. 1 Segregation patterns of heterozygotic SNP locus in the mapping population of S. sihama
分离类型 父本基因型 母本基因型 标记数目 百分比/%
hk×hk hk hk 22 364 16.00
lm×ll lm ll 59 104 41.00
nn×np nn np 62 418 43.00
总计 143 886 100.00
2.3 多鳞遗传连锁图谱构建

以筛选获得的107 406个SNP位点为基础, 根据标记的物理位置信息划分连锁群, 去除非染色体上的标记, 并在每个遗传位置的标记中保留完整度最高的标记, 最终获得4 735个SNP标记, 被分配到24个连锁群, 与多鳞单倍体染色体数目一致(表 2, 图 2)。该遗传连锁图谱全长2 154.803 cM, 平均遗传距离0.455 cM。

表 2 多鳞整合遗传图谱基本信息统计 Tab. 2 Statistics of the consensus linkage map of S. sihama
连锁群 标记数 连锁群长度/cM 平均距离/cM 大于5 cM的gap数 最大gap距离/cM
LG01 232 112.766 0.486 1 5.613
LG02 203 99.516 0.490 0 4.021
LG03 222 86.521 0.390 0 2.764
LG04 218 83.448 0.383 0 1.228
LG05 203 100.428 0.495 1 5.614
LG06 199 94.002 0.472 0 4.337
LG07 203 99.142 0.488 0 3.075
LG08 230 114.276 0.497 0 4.654
LG09 201 83.456 0.415 0 2.456
LG10 168 80.460 0.479 0 4.337
LG11 201 97.999 0.488 0 4.654
LG12 188 82.541 0.439 0 2.461
LG13 227 106.270 0.468 1 9.303
LG14 198 89.941 0.454 0 3.380
LG15 211 81.609 0.387 0 1.536
LG16 189 79.469 0.420 0 2.456
LG17 167 80.754 0.484 0 4.022
LG18 223 92.019 0.413 1 8.264
LG19 165 68.731 0.417 0 1.536
LG20 212 98.225 0.463 0 3.997
LG21 180 73.945 0.411 0 1.843
LG22 174 96.466 0.554 1 9.303
LG23 131 65.059 0.497 0 2.764
LG24 190 87.760 0.462 0 2.153
总计 4735 2 154.803 0.455 5 9.303

图 2 多鳞高密度遗传连锁图谱 Fig. 2 The high genetic linkage map of S. sihama 注: 遗传图谱展示了24条连锁群(LG01~LG24)的SNP标记分布及其遗传距离(cM)。遗传距离由左侧的比例尺表示, 单位为厘摩(cM)。连锁群上的单条线表示SNP标记

表 2所示, 24个连锁群长度介于65.059 cM (LG23)与114.276 cM (LG08)之间, 平均长度89.783 cM, 各连锁群标记平均遗传距离介于0.383 cM (LG04)至0.554 cM (LG22)之间。其中, LG01连锁群分布有最多的SNP标记(232个), 其连锁群长度为112.766 cM, 标记平均距离为0.486 cM; 而LG23上分布有最少的SNP标记(131个), 其长度为65.059 cM, 平均遗传距离为0.497 cM。

2.4 生长相关性状QTL的定位

基于上述遗传图谱, 利用R/qtl软件对多鳞体重、体高、体厚、体长、眼径、和背鳍前长6个生长性状进行QTL复合区间定位分析, 共定位到20个QTLs (LOD > 3.0), 分布在LG04、LG05、LG07、LG08、LG16、LG17、LG18以及LG24 8个连锁群(图 3)。单个QTL的LOD峰值范围为3.02 (qGRT-15) ~ 4.23 (qGRT-13), 可解释的表型变异(PVE)范围为0.14% (qGRT-7) ~ 8.42% (qGRT-12), 平均为3.42% (表 3)。连锁群LG08上聚集了8个生长性状显著相关的QTL, 其中79.908~114.276 cM区间的6个显著QTL与体重、体高、体长以及背鳍前长4个生长性状显著相关。

图 3 多鳞体重(a)、体高(b)、体厚(c)、眼径(d)、体长(e)、背鳍前长(f)性状的QTL定位以及关联分析 Fig. 3 The body weight (a), body height (b), body thickness (c), eye diameter (d), body length (e), and pre-dorsal length (e) mapping and association analysis of S. sihama among all linkage maps 注: LOD曲线, x轴和y轴分别对应所在染色体位置和LOD值。红色水平虚线表示LOD显著性阈值3.0

表 3 复合区间定位法定位多鳞生长性状相关QTL结果 Tab. 3 The results of composite interval mapping for QTLs associated with growth traits of S. sihama
性状 QTL 连锁群 LOD 贡献率/% 遗传位置/cM LOD峰值遗传位置/cM LOD峰值对应标记 候选基因
体重 qGRT-1 LG04 3.42 2.31 43.260~50.009 46.634 LG3_10501634
qGRT-2 LG07 3.33 4.36 52.497~66.925 57.713 LG6_9129684
qGRT-3 LG08 3.37 0.85 79.908~98.625 88.498 LG7_20534125 kdm5c
qGRT-4 LG08 3.21 1.47 90.031~110.290 100.158 LG7_21679598
qGRT-5 LG17 3.11 3.23 45.763~57.115 55.000 cLG17.loc55
体高 qGRT-6 LG08 3.97 1.01 87.269~106.297 95.864 LG7_21084872 tmem9
qGRT-7 LG08 3.56 0.14 100.463~114.276 111.211 LG7_22598757 rbm10
qGRT-8 LG17 3.26 4.09 49.444~61.425 57.729 LG16_15413357
qGRT-9 LG18 3.40 1.82 4.295~24.542 14.419 LG17_2181895
背鳍前长 qGRT-10 LG08 3.04 5.74 86.041~106.297 96.170 LG7_21093433 tti1
qGRT-11 LG16 3.23 6.00 25.157~40.498 30.373 LG15_6742111
眼径 qGRT-12 LG05 3.06 8.42 21.789~32.219 27.005 LG4_3754362
体厚 qGRT-13 LG04 4.23 2.48 43.873~48.167 46.021 LG3_10319846
qGRT-14 LG08 4.11 7.08 100.463~114.276 111.211 LG7_22598757 rbm10
qGRT-15 LG24 3.02 0.58 32.222~50.025 39.286 LG23_5155271
qGRT-16 LG24 3.77 2.02 50.025~57.388 51.559 LG23_7622430
体长 qGRT-17 LG04 3.52 3.89 43.873~50.008 46.328 LG3_10321212
qGRT-18 LG07 3.31 4.27 33.142~43.592 38.369 LG6_4597304
qGRT-19 LG08 3.21 1.74 0~10.738 0.614 LG7_1159083
qGRT-20 LG08 3.49 1.98 0~17.182 6.000 cLG08.loc6
2.5 候选基因的预测

本研究通过与多鳞参考基因组序列比对, 对QTL置信区间进行了基因查找, 共鉴定得到19个生长相关候选基因(表 3, 表 4)。相关基因包括组蛋白去甲基化酶(kdm5c)、跨膜蛋白9 (tmem9)、Tel2相互作用蛋白1 (tti1)、RNA结合基序蛋白10 (rbm10)、胰岛素样生长因子1 (igf1)、胰岛素样生长因子2 (igf2)、转化生长因子B受体2 (tgfbr2)、生长抑制特异性蛋白1 (gas1)、类胰岛素生长因子酸不稳定亚基(igfals)、生长抑素受体5 (sstr5)、生长抑素1a (sst1a)、成纤维细胞因子6 (gfg6)、成纤维细胞因子20 (gfg20)、哺乳动物雷帕霉素靶蛋白(mtor)、葡萄糖转运蛋白4 (slc2a4)、骨形态发生蛋白7 (bmp7)和肿瘤抑制蛋白p53 (p53)等基因。上述候选基因为研究多鳞生长调控提供了重要的基因资源, 其功能有待深入研究。

表 4 多鳞20个QTL区间内已知生长相关基因信息 Tab. 4 Growth-related genes in 20 QTL regions of 6 growth-related traits of S. sihama
基因ID 连锁群 基因名缩写 基因全称
EVM0021738 LG08 igf1 insulin-like growth factor-1
EVM0006321 LG05 igf2 insulin-like growth factor-2
EVM0022219 LG17 tgfbr2 TGF-beta receptor type-2-like
EVM0019806 LG17 gas1 growth arrest-specific protein 1-like
EVM0017787 LG16 igfals insulin-like growth factor-binding protein complex acid labile subunit
EVM0021175 LG16 sstr5 somatostatin receptor type five
EVM0015404 LG24 sst1a somatostatin-1A-like
EVM0019956 LG05 fgf6 fibroblast growth factor 6
EVM0011026 LG04 fgf20 fibroblast growth factor 20-like
EVM0012898 LG08 mtor serine/threonine-protein kinase mTOR
EVM0010667 LG24 slc2a4 solute carrier family 2, facilitated glucose transporter member 4-like
EVM0008074 LG08 bmp7 bone morphogenetic protein 7-like
EVM0002813 LG08 tti1 TELO2-interacting protein 1 homolog
EVM0008475 LG08 wnt7a wingless-type MMTV integration site family, member 7a
EVM0019971 LG08 wnt5a wingless-type MMTV integration site family, member 5a
EVM0002580 LG24 p53 tumor suppressor protein p53
3 讨论

作图群体的选择是构建遗传连锁图谱的先决条件。不同的作图家系类型各有利弊, 主要包括重组近交系(recombined inbred lines, RIL)、单倍体(haploid, HAP)和双单倍体(doubled haploid, DH)、子一代(F1)、子二代(F2)和回交(back crossing, BC)等家系群体(Peng et al, 2016)。通常在鱼类中构建RIL、HAP和DH家系较为困难, 而F2和BC家系的构建耗费时间长。基于养殖鱼类繁殖周期较长、基因组复杂、遗传多态性高、繁殖率高等特点, 目前大部分水产物种采用拟测交策略的F1作图家族构建遗传连锁图谱。除了作图家系的选择对遗传连锁图谱质量产生影响外, 作图标记类型的选择也是直接影响遗传图谱质量的原因之一。与其他遗传标记相比, SNP标记是基因组中最丰富的标记类型, 具有高多态性。然而, 在具有相对较大作图群体的非模式水产物种中, 很难开发足够数量的SNP (Tsigenopoulos et al, 2014; Zhu et al, 2014)。随着高通量测序技术的发展, 各种基于基因组序列的SNP基因分型技术(包括RAD、2b-RAD、GBS和SLAF等)被开发出来, 为构建高密度连锁作图提供了快速便捷的手段。GBS-seq是在第二代测序基础上发展而来的一种基于全基因组酶切位点的基因分型测序技术(Elshire et al, 2011)。GBS-seq不仅实验操作简单, 性价比高, 更为重要的是它一次测序即可获得数以万计的多态性遗传标记, 已经广泛用于群体遗传学、基因组学和遗传连锁图谱构建等研究领域(Guo et al, 2021; Weng et al, 2021)。本研究基于拟测交策略, 对多鳞F1代作图群体进行基因分型测序, 获得了大量分离比为1:1的SNP位点, 成功构建了该物种高密度连锁图谱。多鳞高密度连锁图谱全长2 154.803 cM, 分为24个连锁群, 包括4 735个SNP标记, 标记间平均遗传距离为0.455 cM。近几年公布的鱼类遗传图谱中, 鳜(Siniperca chuatsi)遗传图谱全长1 694.3 cM, 上图标记数2 328个, 标记间平均遗传距离为0.7 cM (Guo et al, 2021)。黄姑鱼(Nibea albiflora)图谱全长4 300.20 cM, 上图标记数6 219个, 标记间平均遗传距离为0.69 cM (Xu et al, 2021)。丝尾鳠(Hemibagrus wyckioides)图谱全长2 067.35 cM, 上图标记数2 369个, 标记间平均遗传距离为0.87 cM (Zhou et al, 2021)。与其他鱼类遗传图谱相比, 多鳞遗传图谱上图标记数量合适、标记密度高。此外, 当遗传连锁图谱构建时的上图标记数量和分布合适时, 遗传连锁图谱连锁群的数量应该等于该物种单倍体的染色体数目。多鳞染色体水平基因组分析结果表明, 多鳞单倍型染色体数目N=24 (Lin et al, 2021)。在本研究中获得的遗传连锁图谱连锁群数量也为24条, 与多鳞单倍体染色体数目一致, 这表明本研究构建的多鳞遗传连锁图谱质量高。综上, 本研究构建了高密度和高分辨率和的遗传图谱, 为后续QTL精细定位提供了重要工具。

QTL分析有助于发现性状相关的连锁标记和预测候选基因。现有研究表明, 鱼类生长性状多受微效多基因的调控。本研究中, 在多鳞的全同胞家系中定位到多个QTL位点且分布在不同的连锁群上, 未能定位到生长性状相关主效位点, 这表明多鳞生长相关性状可能受到微效多基因的调控, 跟已知的多数鱼类生长性状QTL定位结果相似。Zhang等(2018)在布氏鲳鲹(Trachinotus blochii)中成功检测到了23个与体长、体高及体重等生长相关性状的QTL。Zhou等(2021)通过QTL分析显示, 在10个连锁群上鉴定了丝尾鳠4个形态性状(体长、头长、体高和体重)的17个QTL, 其可解释的表型变异为7.4%~13.3%。Zhang等(2020)对瓦氏黄颡鱼(Pelteobagrus vachelli)体重相关的8个性状进行QTL分析, 鉴定到4个生长性状显著相关的QTL, 其可解释的表型变异分别为11.2%~12%。本研究获得的生长相关QTL的可解释的表型变异比值相比其他水产物种较低, 平均为3.42%, 可能与选取的作图家系类型(F1全同胞家系)及其个体数目不足有关, 在后续研究中, 选用不同的作图群体类型(如F2代群体)或增加作图群体数量或选用不同发育时期的个体可以直接和间接地改善可解释的表型变异, 从而提高检测QTL的准确性, 降低因假阳性而导致的错判。

位于连锁群L08上79.908~114.276 cM区间的6个显著QTL与体重、体高、体长以及背鳍前长4个生长性状显著相关, 定位到的生长相关QTL具有成簇分布的特点, 这表明连锁群LG08的上述区段可能与多鳞的生长发育过程显著相关。鱼类生长相关QTL往往呈现成簇分布的特点, 如Wang等(2018)在黄河鲤(Cyprinus carpio haematoperus)中发现, 定位到生长相关QTL呈现出成簇分布的特点; Yang等(2020)在金钱鱼(Scatophagus argus)中研究发现其体长和全长两个生长相关性状的大多数QTL均分布在连锁群LG2的重叠置信区间内。现有研究表明, 鱼类生长性状多受微效多基因的调控, 生长相关QTL在同条染色体上的成簇分布, 区域内的功能基因对生长相关性状的影响可能存在一因多效或不同的功能基因间互作影响。对多鳞生长性状相关QTL的深入研究, 可明确各区域内基因位点的相互作用和生长性状间的调控机制, 有助于指导多鳞的选育工作。

现有研究结果表明, 鱼类生长与发育受多基因调控, 已有物种的研究成果尚不足以解释鱼类生长调控机理, 有必要在更多的物种中开展鱼类生长调控相关基因的发掘研究。本研究中, 在显著QTL区域内鉴定出22个生长相关候选基因, 其中包括胰岛素样生长因子1 (igf1)、胰岛素样生长因子2 (igf2)、类胰岛素生长因子酸不稳定亚基(igfals)、生长抑制特异性蛋白1 (gas1)、生长抑素1a (sst1a)、生长抑素受体5 (sstr5)、成纤维细胞因子6 (gfg6)、转化生长因子B受体2 (tgfbr2)、成纤维细胞因子20 (gfg20)以及骨形态发生蛋白7 (bmp7)等已知参与调控鱼类生长发育的功能基因。此外, 在连锁群L08 79.908~114.276 cM区间注释到组蛋白去甲基化酶(kdm5c)、Tel2相互作用蛋白1 (tti1)及RNA结合基序蛋白10 (rbm10)等候选基因。KDM5家族蛋白是激活大量促增殖细胞周期基因所必需的, 在神经发生、DNA损伤反应和癌症发展等方面发挥重要作用(Shen et al, 2021)。tti1基因参与促进哺乳动物组装、稳定和维持mTORC1和mTORC2复合物的活性, 这些复合物调节细胞生长和存活, 以响应营养和激素信号(Kaizuka et al, 2010)。rbm10基因参与调节前体mRNA的选择性剪接和mRNA稳定, 该基因的过度表达已被证明可抑制肺腺癌的恶性增殖(Li et al, 2020)。上述候选基因为研究多鳞生长调控提供了重要的基因资源, 为该物种的为分子遗传育种研究提供有价值的参考信息。

4 结论

本研究基于多鳞高密度遗传连锁图谱进行生长性状的QTL初步分析及候选基因的预测, 获得20个生长相关性状的显著QTL和多个生长调控相关的候选基因。多鳞的QTL初步定位及候选基因的初步鉴定将为该物种遗传育种研究提供有用信息和奠定基础, 而在之后的F2群体中可利用不同养殖环境的多个家系进行全面而精确的QTL分析, 以获取更稳定、精确的生长相关性状QTL。

参考文献
叶华, 王志勇, 2011. 水产动物遗传连锁图谱构建和QTL研究现状. 海洋科学, 35(1): 105-110 DOI:10.3969/j.issn.1671-6647.2011.01.013
李进波, 盛婧, 李想, 等, 2014. 五种DNA提取方法对鱼加工制品DNA提取效果的比较. 生物技术通报, (4): 43-49 DOI:10.13560/j.cnki.biotech.bull.1985.2014.04.020
余家旺, 王耀嵘, 林星桦, 等, 2022. 12月龄多鳞形态性状对体质量的影响. 广东海洋大学学报, 42(1): 137-143 DOI:10.3969/j.issn.1673-9159.2022.01.018
陈军平, 胡玉洁, 王磊, 等, 2020. 鱼类遗传连锁图谱构建及QTL定位的研究进展. 水产科学, 39(4): 620-630 DOI:10.16378/j.cnki.1003-1111.2020.04.023
桂建芳, 包振民, 张晓娟, 2016. 水产遗传育种与水产种业发展战略研究. 中国工程科学, 18(3): 8-14 DOI:10.3969/j.issn.1009-1742.2016.03.003
黄洋, 杜涛, 黄海立, 2013. 多鳞Sillago sihama Forskál人工繁殖研究. 广东海洋大学学报, 33(1): 15-21 DOI:10.3969/j.issn.1673-9159.2013.01.005
BROMAN K W, WU H, SEN Ś, et al, 2003. R/qtl: QTL mapping in experimental crosses. Bioinformatics, 19(7): 889-890 DOI:10.1093/bioinformatics/btg112
CHEN S F, ZHOU Y Q, CHEN Y R, et al, 2018. fastp: an ultra-fast all-in-one FASTQ preprocessor. Bioinformatics, 34(17): i884-i890 DOI:10.1093/bioinformatics/bty560
DONG C J, JIANG P, ZHANG J F, et al, 2019. High-density linkage map and mapping for sex and growth-related traits of largemouth bass (Micropterus salmoides). Frontiers in Genetics, 10: 960 DOI:10.3389/fgene.2019.00960
ELSHIRE R J, GLAUBITZ J C, SUN Q, et al, 2011. A robust, simple genotyping-by-sequencing (GBS) approach for high diversity species. PLoS One, 6(5): e19379 DOI:10.1371/journal.pone.0019379
FENG X, YU X M, FU B D, et al, 2018. A high-resolution genetic linkage map and QTL fine mapping for growth-related traits and sex in the Yangtze River common carp (Cyprinus carpio haematopterus). BMC Genomics, 19(1): 230 DOI:10.1186/s12864-018-4613-1
GUO W J, HE S, LIANG X F, et al, 2021. A high-density genetic linkage map for Chinese perch (Siniperca chuatsi) using 2.3K genotyping-by-sequencing SNPs. Animal Genetics, 52(3): 311-320 DOI:10.1111/age.13046
HUANG Q C, ZHANG S, DU T, et al, 2020. Modulation of growth, immunity and antioxidant-related gene expressions in the liver and intestine of juvenile Sillago sihama by dietary vitamin C. Aquaculture Nutrition, 26(2): 338-350 DOI:10.1111/anu.12996
KAIZUKA T, HARA T, OSHIRO N, et al, 2010. Tti1 and Tel2 are critical factors in mammalian target of rapamycin complex assembly. Journal of Biological Chemistry, 285(26): 20109-20116 DOI:10.1074/jbc.M110.121699
KESSUWAN K, KUBOTA S, LIU Q, et al, 2016. Detection of growth-related quantitative trait loci and high-resolution genetic linkage maps using simple sequence repeat markers in the kelp grouper (Epinephelus bruneus). Marine Biotechnology, 18(1): 57-84 DOI:10.1007/s10126-015-9673-5
LI H, DURBIN L R, 2009. Fast and accurate short read alignment with Burrows–Wheeler transform. Bioinformatics, 25(14): 1754-1760 DOI:10.1093/bioinformatics/btp324
LI Z Q, XUE Q, XU J X, et al, 2020. The role of RBM10 mutations in the development, treatment, and prognosis of lung adenocarcinoma. Cell Cycle, 19(21): 2918-2926 DOI:10.1080/15384101.2020.1829801
LIN X H, HUANG Y, JIANG D N, et al, 2021. Chromosomal-level genome assembly of silver sillago (Sillago sihama). Genome Biology and Evolution, 13(2): evaa272 DOI:10.1093/gbe/evaa272
LIU H Y, FU B D, PANG M X, et al, 2016. QTL fine mapping and identification of candidate genes for growth-related traits in bighead carp (Hypophthalmichehys nobilis). Aquaculture, 465: 134-143 DOI:10.1016/j.aquaculture.2016.08.039
LIU D, GUO Y S, WANG Z D, et al, 2012. Phylogenetics inferred from mitogenome and control region of Silver Sillago, Sillago sihama. Mitochondrial DNA, 23(4): 255-263 DOI:10.3109/19401736.2012.674118
PAN Y Y, LIN X H, CHEN F Y, et al, 2021. Genome-wide identification and expression profiling of glutathione S-transferase family under hypoxia stress in silver sillago (Sillago sihama). Comparative Biochemistry and Physiology Part D: Genomics and Proteomics, 40: 100920 DOI:10.1016/j.cbd.2021.100920
PENG W Z, XU J, ZHANG Y, et al, 2016. An ultra-high density linkage map and QTL mapping for sex and growth-related traits of common carp (Cyprinus carpio). Scientific Reports, 6(1): 26693 DOI:10.1038/srep26693
SHEN H F, ZHANG W J, HUANG Y, et al, 2021. The dual function of KDM5C in both gene transcriptional activation and repression promotes breast cancer cell growth and tumorigenesis. Advanced Science, 8(9): 2004635 DOI:10.1002/advs.202004635
TSIGENOPOULOS C S, LOURO B, CHATZIPLIS D, et al, 2014. Second generation genetic linkage map for the gilthead sea bream Sparus aurata L. Marine Genomics, 18: 77-82 DOI:10.1016/j.margen.2014.09.008
TIAN C X, LIN X H, SAETAN W, et al, 2020. Transcriptome analysis of liver provides insight into metabolic and translation changes under hypoxia and reoxygenation stress in silver sillago (Sillago sihama). Comparative Biochemistry and Physiology Part D: Genomics and Proteomics, 36: 100715 DOI:10.1016/j.cbd.2020.100715
VAN DER AUWERA G A, CARNEIRO M O, HARTL C, et al, 2013. From FastQ data to high-confidence variant calls: the genome analysis toolkit best practices pipeline. Current Protocols in Bioinformatics, 43(1110): 11
VAN OOIJEN J W, 2011. Multipoint maximum likelihood mapping in a full-sib family of an outbreeding species. Genetics Research, 93(5): 343-349 DOI:10.1017/S0016672311000279
WANG X H, FU B D, YU X M, et al, 2018. Fine mapping of growth-related quantitative trait loci in Yellow River carp (Cyprinus carpio haematoperus). Aquaculture, 484: 277-285 DOI:10.1016/j.aquaculture.2017.11.016
WANG K, LI M Y, HAKONARSON H, 2010. ANNOVAR: functional annotation of genetic variants from high-throughput sequencing data. Nucleic Acids Research, 38(16): e164 DOI:10.1093/nar/gkq603
WENG Z Y, YANG Y, WANG X, et al, 2021. Parentage analysis in giant grouper (Epinephelus lanceolatus) using microsatellite and SNP markers from genotyping-by-sequencing data. Genes, 12(7): 1042 DOI:10.3390/genes12071042
XU D D, ZHANG W C, CHEN R Y, et al, 2021. Chromosome-scale assembly and high-density genetic map of the yellow drum, Nibea albiflora. Scientific Data, 8(1): 268 DOI:10.1038/s41597-021-01045-z
YANG W, WANG Y R, JIANG D N, et al, 2020. ddRADseq- assisted construction of a high-density SNP genetic map and QTL fine mapping for growth-related traits in the spotted scat (Scatophagus argus). BMC Genomics, 21(1): 278 DOI:10.1186/s12864-020-6658-1
YOU X X, SHAN X X, SHI Q, 2020. Research advances in the genomics and applications for molecular breeding of aquaculture animals. Aquaculture, 526: 735357 DOI:10.1016/j.aquaculture.2020.735357
ZHANG G S, LI J, ZHANG J J, et al, 2020. A high-density SNP-based genetic map and several economic traits-related loci in Pelteobagrus vachelli. BMC Genomics, 21(1): 700 DOI:10.1186/s12864-020-07115-7
ZHANG S Y, ZHANG X H, CHEN X H, et al, 2019. Construction of a high-density linkage map and QTL fine mapping for growth- and sex-related traits in channel catfish (Ictalurus punctatus). Frontiers in Genetics, 10: 251 DOI:10.3389/fgene.2019.00251
ZHANG G Q, ZHANG X H, YE H Z, et al, 2018. Construction of high-density genetic linkage maps and QTL mapping in the golden pompano. Aquaculture, 482: 90-95 DOI:10.1016/j.aquaculture.2017.09.011
ZHOU Y L, WANG Z W, GUO X F, et al, 2021. Construction of a high-density genetic linkage map and fine mapping of QTLs for growth and sex-related traits in red-tail catfish (Hemibagrus wyckioides). Aquaculture, 531: 735892 DOI:10.1016/j.aquaculture.2020.735892
ZHU C, TONG J, YU X, et al, 2014. A second-generation genetic linkage map for bighead carp (Aristichthys nobilis) based on microsatellite markers. Animal Genetics, 45(5): 699-708 DOI:10.1111/age.12194