整合多组学先验信息来提升肉牛基因组预测的准确性

 

研究目标

 

研究方法

1. 数据整合

• • 基因组• ：eQTL（表达数量性状位点）
  • 代谢组• ：开放染色质区（OCR）、低甲基化区（HMR）
2. 功能变异贡献评估
• • 计算每个变异的“功能评分”，筛选前5%、10%、30%为高影响变异（top sets）。
3. 预测模型比较
• GWAS与QTL富集分析

•  

  关键结果

  1. 功能变异贡献
  • 保守区选择信号• （如启动子、UTR）虽仅占0.11%基因组，但解释6.22%遗传方差（172.96倍富集）。
  • 代谢组数据
  • 预测准确性提升
  • Top 10%变异集
    • BayesB模型• ：平均提升7.54%。
  • BayesB
  • GWAS验证
  • 体重相关QTL

     

    结论

    • • 选择信号、保守区及调控变异是肉牛复杂性状遗传架构的核心。

    •  

      创新点

      • 进化、表观、转录、代谢• 提出策略，突破传统WGS预测瓶颈。

       

      文章链接：

      DOI: 10.1186/s13062-024-00574-y