SNP-Entdeckungs- und Assoziationsstudie für Wachstum, Fettgehalt und Fleischqualitätsmerkmale bei iberischen Kreuzungsschweinen

Wissenschaftliche Berichte Band 12, Artikelnummer: 16361 (2022) Diesen Artikel zitieren

1192 Zugriffe

2 Zitate

1 Altmetrisch

Details zu den Metriken

Zur Gewinnung hochwertiger Fleischprodukte werden iberische Schweine und deren Kreuzungen gezüchtet. Das Ziel dieser Arbeit bestand darin, eine breite Palette von DNA-Markern, die nach biologischen und funktionellen Kriterien ausgewählt wurden, auf ihre Assoziation mit Merkmalen im Zusammenhang mit Muskelwachstum, Fettgehalt, Fleischqualität und Stoffwechsel zu bewerten. Wir verwendeten 18 gekreuzte iberische Schweine mit unterschiedlichen postnatalen Wachstumsmustern für die Sequenzierung des gesamten Genoms und die SNP-Entdeckung, wobei über 13 Millionen Varianten nachgewiesen wurden. Wir haben 1023 Missense-SNPs ausgewählt, die sich auf annotierten Genen befinden und unterschiedliche Allelfrequenzen zwischen Schweinen mit deutlich unterschiedlichen Wachstumsmustern aufweisen. Wir haben dieses Panel mit 192 SNP-Kandidaten ergänzt, die aus Literaturanalysen und Muskel-RNAseq-Daten gewonnen wurden. Die ausgewählten Marker wurden bei 480 iberischen × Duroc-Schweinen aus einer kommerziellen Population genotypisiert, in denen Phänotypen erhalten wurden, und eine Assoziationsstudie wurde für die 1005 erfolgreich genotypisierten SNPs durchgeführt, die eine Segregation zeigten. Die Ergebnisse bestätigten die Auswirkungen mehrerer bekannter SNPs in Kandidatengenen (wie LEPR, ACACA, FTO, LIPE oder SCD auf Fettgehalt, Wachstum und Fettsäurezusammensetzung) und offenbarten auch interessante Auswirkungen neuer SNPs in weniger bekannten Genen wie LRIG3, DENND1B , SOWAHB, EPHX1 oder NFE2L2, die sich auf das Körpergewicht, die durchschnittliche tägliche Gewichtszunahme und Adipositas in verschiedenen Altersstufen auswirken, oder KRT10, NLE1, KCNH2 oder AHNAK, die sich auf Fettleibigkeit und FA-Zusammensetzung auswirken. Die Ergebnisse liefern eine wertvolle Grundlage für die zukünftige Umsetzung markergestützter Selektionsstrategien bei Schweinen und tragen zu einem besseren Verständnis der genetischen Architektur relevanter Merkmale bei.

Das iberische Schwein ist eine autochthone Fettrasse, die sich durch ein hohes adipogenes Potenzial, einen hohen Appetit und eine hervorragende Fleischqualität auszeichnet. Diese Merkmale sind eine Folge ihrer Genetik und des traditionellen umfangreichen Produktionssystems und tragen beide zur Ablagerung von subkutanem und intramuskulärem Fett mit einem hohen Gehalt an Ölsäure und Antioxidantien bei1,2. Iberische × Duroc-Kreuzungsschweine sind der Hauptgenotyp, der zur Herstellung iberischer Fleischprodukte in intensiven Produktionssystemen verwendet wird, obwohl ihre sensorische Fleischqualität als geringer als die von reinen iberischen Schweinen angesehen wird3,4,5. Darüber hinaus zeichnen sich gekreuzte iberische Schweine durch sehr heterogene Entwicklungs-, Produktivitäts- und Qualitätsmerkmale aus6, mit großem Potenzial zur Identifizierung der zugrunde liegenden Gene. Die Kenntnis der molekulargenetischen Grundlagen relevanter Merkmale würde bei der Gestaltung markergestützter Selektionsprogramme hilfreich sein.

In iberischen Schweinepopulationen wurden verschiedene Kandidatengenstudien durchgeführt, meist an reinrassigen Tieren oder experimentellen Kreuzungen und mit strukturellen Ansätzen in geringem Maßstab, um die genetische Architektur produktiver Merkmale zu vertiefen. Bisher wurden mit diesem Ansatz relevante Gene und Mutationen identifiziert, hauptsächlich solche, die in den experimentellen IBMAP-Populationen wie LEPR7,8, ELOVL69 oder ACSL410,11 entdeckt wurden. Kürzlich fanden Fernandez-Barroso et al.12 signifikante Zusammenhänge von Mutationen in PRKAG3, CAPN1 und mehreren anderen Genen mit Fleischqualitätsmerkmalen bei rein iberischen Tieren. Außerdem wurden funktionelle genetische Studien an iberischen Schweinen durchgeführt, die Informationen zu funktionellen Kandidatengenen und Signalwegen lieferten, die möglicherweise an der phänotypischen Variation beteiligt sind5,13,14,15. Andererseits bietet die Verwendung kommerziell erhältlicher SNP-Arrays hoher Dichte für genomweite Assoziationsstudien (GWAS) einen systematischen und leistungsstarken Ansatz zur Vertiefung der genetischen Grundlagen komplexer Merkmale. Dieser Ansatz hat zur Identifizierung vieler interessanter Genomregionen und Kandidatengene in verschiedenen Populationen und Rassen geführt, darunter auch beim Iberer16,17,18,19,20,21,22. Dennoch ist die Anwendbarkeit kommerzieller SNP-Arrays begrenzt, da sie nur einen Bruchteil der genetischen Variation identifizieren. Dies ist auf die Tatsache zurückzuführen, dass sie auf der Grundlage von SNPs entwickelt wurden, die in einigen kosmopolitischen Rassen nachgewiesen wurden, was insbesondere für die Analyse lokaler Rassen zu einer begrenzten Informations- und Leistungsfähigkeit führte22,23. Im Gegensatz dazu kann die Sequenzierung des gesamten Genoms (WGS) potenziell alle genetischen Varianten erkennen, einschließlich ursächlicher Varianten24, und möglicherweise die Entwicklung maßgeschneiderter, hochinformativer SNP-Panels ermöglichen, die nützlich sind, um die genetische Basis relevanter Merkmale in lokalen Rassen aufzudecken. Solche Fortschritte ermöglichen eine genetische Verbesserung relevanter Leistungs- und Qualitätsmerkmale in nicht kosmopolitischen Schweinerassen.

Das Ziel dieser Arbeit bestand darin, eine breite Palette von DNA-Markern für den Zusammenhang mit Merkmalen im Zusammenhang mit Muskelwachstum, Fettablagerung und -zusammensetzung, Stoffwechsel und Fleischqualität bei iberischen Kreuzungsschweinen zu entdecken und zu bewerten. Zu diesem Zweck wurde ein benutzerdefiniertes Genotypisierungsprotokoll mittlerer Dichte verwendet, das mit SNPs entwickelt wurde, die aus einer Kombination von Sequenzierungsdaten des gesamten Genoms, Daten der Transkriptomsequenzierung und einem Kandidatengen-Ansatz erhalten und ausgewählt wurden.

Die Studie wurde gemäß der spanischen Tierschutzrichtlinie RD53/2013 durchgeführt, die der Richtlinie 2010/63/UE der Europäischen Union über den Schutz von in der Forschung verwendeten Tieren entspricht. Das Experiment wurde speziell vom INIA-Ausschuss für Ethik in der Tierforschung, dem sogenannten Institutional Animal Care and Use Committee (IACUC) des INIA, bewertet und genehmigt (Bericht CEEA 2012/036). Die Studie wurde in Übereinstimmung mit den ARRIVE-Richtlinien (https://arriveguidelines.org/arrive-guidelines) durchgeführt.

Wir verwendeten eine iberische × Duroc-Kreuzungspopulation. Die Tiere wurden auf einem kommerziellen Bauernhof, Ibéricos de Arauzo 2004 SL (Zorita de la Frontera, Salamanca, Spanien), gehalten. An dieser Studie waren insgesamt 477 Kreuzungsferkel (50 % Weibchen und 50 % Männchen) beteiligt, die von 47 iberischen Sauen der dritten und vierten Parität geboren wurden. Die iberischen Sauen wurden mit gekühltem Samen von Duroc PIC-Ebern (Genus plc, UK) besamt. Die Sauen wurden einzeln mit einer elektronischen Ohrmarke identifiziert und bis zum 101. Tag der Trächtigkeit in Gruppen gehalten, von wo aus sie bis zum Ende der Säugungsphase in Einzelbuchten verbracht wurden. Sauen und Nachkommen erhielten Standardfutter für die iberische Rasse, angepasst an den individuellen Tagesbedarf, basierend auf Empfehlungen von De Blas et al.25. Die Ferkel wurden bei der Geburt einzeln markiert und blieben bis zum Absetzen bei den Sauen. Innerhalb von 2 Tagen nach der Geburt wurden die Würfe durch gegenseitige Pflege ausgeglichen und die männlichen Ferkel wurden chirurgisch kastriert. Die chirurgische Orchidektomie wurde nach Sedierung mit Azaperon (1 mg/kg LW; Stresnil®, Ecuphar Veterinaria, SLU, Barcelona, Spanien) und Lokalanästhesie (Lidocainhydrochlorid 2 % Lösung; Lidocaina Normon®, 20 mg/ml, Laboratorios Normon, Madrid) durchgeführt , Spanien) wird mit einer 25G-Nadel angewendet, die direkt durch die Haut in den Samenstrang eingeführt wird. Die Ferkel wurden im Durchschnittsalter von 24 Tagen entwöhnt und während der Übergangsphase in Gruppen von 12 Ferkeln/Bucht, verteilt nach Geschlecht und Körpergewicht (KG), gehalten. In der Wachstums- und Mastphase (vom 70. Lebenstag bis zur Schlachtung) wurden die Tiere nach Geschlecht und Körpergewicht in Gruppen von 40 Schweinen/Stall gehalten. Die Weibchen erhielten eine Immunkastration mit VACSINCEL (Zoetis Inc., New Jersey, USA) mit zwei Impfungen im Alter von 120 bzw. 148 Tagen. Vom Tag 240 bis zum Tag 340 wurden die Schweine vermarktet, sobald sie das Mindestmarktgewicht erreichten, das für iberische Kreuzungsschweine auf 115 kg Schlachtkörpergewicht festgelegt ist. Im Alter von 340 Tagen wurden alle verbleibenden Schweine unabhängig von ihrem Gewicht auf den Markt gebracht. Die Phänotypbewertung folgte den Methoden, die bereits in einer früheren Arbeit beschrieben wurden, wobei ein Teil der an dieser Studie beteiligten Tiere verwendet wurde6.

Verschiedene Messungen wurden zu folgenden Zeitpunkten durchgeführt: Geburt, Entwöhnung (24 Tage alt), Tage 70, 110, 150, 180, 215 und 240 des Durchschnittsalters und bei der Schlachtung. Das Körpergewicht wurde zu allen diesen Zeitpunkten individuell bestimmt. Morphologische Maße (okzipito-nasale Länge, biparietaler Durchmesser, Rumpflänge, Bauch- und Brustumfang und maximaler Brustdurchmesser) wurden bei der Geburt und beim Absetzen aller Ferkel mit einem Maßband aufgezeichnet. Die Dicke des Rückenspecks und der Lendendurchmesser wurden beim Absetzen sowie im Alter von 110 und 215 Tagen bestimmt. Gewicht und Länge der Schlachtkörper sowie die Dicke des Rückenfetts wurden im Schlachthof erfasst.

Die durchschnittliche tägliche Gewichtszunahme (ADWG) wurde während der Saugphase (1–24), der Übergangsphase (25–70) und während der fünf ausgewählten Zeiträume der Wachstums-Mast-Phase bis zum 240. Lebensjahr (70) berechnet –110, 111–150, 151–180, 181–215 und 216–240 Tage alt; jede Periode wird nach ihrem letzten Tag benannt. Das Futterverwertungsverhältnis (FCR) wurde per Stift während der fünf ausgewählten Zeiträume der Wachstums- und Mastphase berechnet. Die durchschnittliche tägliche Gewichtszunahme und FCR wurden auch für den gesamten Zeitraum von der Geburt bis zur Schlachtung bzw. vom Absetzen bis zur Schlachtung berechnet.

Blutproben wurden in vivo (110 und 215 Tage alt) und beim Schlachten entnommen und zur DNA-Extraktion und zur Bewertung des Stoffwechselstatus verwendet. Proben des Longissimus dorsi (LD)-Muskels, des rechten Leberlappens und des Unterhautfetts wurden bei der Schlachtung entnommen und bei –20 °C in einem Biobank aufbewahrt, bis die Fettsäurezusammensetzung (FA) analysiert wurde. Außerdem wurde eine Analyse des Muskeltropfverlusts durchgeführt26.

Der Stoffwechselstatus wurde im Alter von 110 und 215 Tagen sowie bei der Schlachtung beurteilt. Blutproben wurden zur Bestimmung von Parametern im Zusammenhang mit dem Glukosestoffwechsel (Glukose und Fruktosamin) und Lipidprofilen (Gesamtcholesterin, Lipoproteincholesterin hoher Dichte (HDL-c), Lipoproteincholesterin niedriger Dichte (LDL-c) und Triglyceride) untersucht. mittels eines klinisch-chemischen Analysegeräts (Saturno 300 plus, Crony Instruments srl, Rom, Italien).

Leberfett (LF) und intramuskuläres Fett (IMF) wurden wie von Segura und Lopez-Bote27 beschrieben extrahiert und als Prozentsatz der Trockenmasse ausgedrückt. Diese Lipide wurden in die beiden Hauptfraktionen des Fettgewebes fraktioniert: neutrale Lipide (NL) und polare Lipide (PL)1,27. Subkutanes Fett wurde extrahiert und in äußere und innere Schichten getrennt, um sie einzeln zu analysieren. Aus einzelnen FA-Werten, Anteilen gesättigter, einfach ungesättigter und mehrfach ungesättigter FA (SFA, MUFA und PUFA), dem Ungesättigtheitsindex (UI) und der Summe der gesamten n-3 FA (n-3) und n-6 FA ( n-6) und sein Verhältnis (n-6/n-3) wurden berechnet28. Darüber hinaus wurde die Aktivität des Stearoyl-CoA-Desaturase-Enzyms 1 (SCD1) mithilfe von zwei Desaturierungsindizes geschätzt, den Verhältnissen C18:1/C18:0 und MUFA/SFA29.

Aus der gekreuzten iberischen Schweinepopulation wurden 18 männliche Schweine mit unterschiedlichen postnatalen Wachstumsmustern für die Sequenzierung des gesamten Genoms ausgewählt. Geburtsgewicht und BW bei 240 Tagen wurden berücksichtigt, um Tiere auszuwählen, die drei verschiedenen Wachstumskategorien entsprechen: niedriges Geburtsgewicht und niedriges Endgewicht (LL; 6 Tiere), niedriges Geburtsgewicht, aber normales Endgewicht (LN; 6 Tiere) und normale Werte sowohl für das Geburts- als auch für das Endgewicht (NN; 6 Tiere) (Abb. 1). Ausgewählte Tiere stammten aus verschiedenen Würfen.

Wachstumsmuster der 18 für WGS ausgewählten Tiere. In jeder Wachstumsgruppe sind sechs Tiere enthalten: niedriges Geburtsgewicht und niedriges Endgewicht (LL; rosa); niedriges Geburtsgewicht und normales Endgewicht (LN; lila) und normale Werte für Geburts- und Endgewicht (NN; grün). Der Bevölkerungsmittelwert ist schwarz dargestellt. BW Körpergewicht.

Genomische DNA wurde aus den Blutproben aller Tiere mit dem NucleoSpin® Blood Kit (Macherey-Nagel, Düren, Deutschland) gewonnen. Zur Messung der Konzentration und Qualität der DNA wurde ein NanoDrop 2000-Spektrophotometer (Thermo Fisher Scientific, Waltham, Massachusetts, USA) verwendet. Die Gesamtgenom-Resequenzierung der ausgewählten 18 Tiere wurde auf einer Illumina HiSeq 2000-Plattform von CNAG-CRG (Barcelona, Spanien) durchgeführt. Etwa 1 μg genomische DNA wurde zufällig fragmentiert. Die Genombibliothek wurde gemäß dem Protokoll des Herstellers (Illumina, True Seq DNA-Vorbereitungsleitfaden) unter Verwendung des TruSeq DNA-Probenvorbereitungskits vorbereitet. Die Paired-End-Bibliothek wurde auf einem Illumina HiSeq 2000 unter Verwendung der v4-Chemie und 2 × 125 Lesevorgängen sequenziert.

Zur Qualitätskontrolle der Rohdaten wurde die FastQC-Software eingesetzt (http://www.bioinformatics.babraham.ac.uk/projects/fastqc/). Für das Paired-End-Read-Trimmen wurde die Trimmomatic-Paketversion 0.3830 verwendet. Die Lesevorgänge wurden gekürzt, um Adapter zu entfernen, minderwertige oder N-Basen am Anfang oder Ende des Lesevorgangs zu eliminieren und die Lesevorgänge vom 3′-Ende aus mit einem 4-Basen-Schiebefenster zu scannen, wobei gekürzt wurde, wenn die durchschnittliche Phred-Qualität unter 20 fällt. Danach Beim Trimmen wurden Lesevorgänge entfernt, wenn sie kürzer als 40 bp waren. Gefilterte gepaarte Lesevorgänge wurden mit dem Burrows-Wheeler Aligner (BWA-Version 0.7.10)32 unter Verwendung des „bwa-mem“-Algorithmus auf das Schweine-Referenzgenom Build 1131 ausgerichtet. SAMtools Version 1.633 wurde verwendet, um nicht zugeordnete oder nicht ordnungsgemäß zugeordnete Lesevorgänge zu filtern, zu sortieren, zu indizieren und Lesegruppen hinzuzufügen. Picard Tools Version 2.18.9 (http://broadinstitute.github.io/picard/) wurde zum Markieren von Duplikaten verwendet. Von diesem Schritt an bis zur Variant Call Format (VCF)-Datei wurden die Lesevorgänge mit dem Genome Analysis Toolkit (GATK Version 4.0.6.0)34,35 verarbeitet. Die Basisqualität wurde mit BaseRekalibrator neu kalibriert und für jede Probe mit HaplotypeCaller ein Variantenaufruf durchgeführt. Das Ergebnis waren Genomic Variant Call Format-Dateien (GVCFs), die mit CombineGVCFs unter Verwendung von Standardparameterwerten zu einer VCF-Datei kombiniert wurden. Schließlich wurden Varianten mithilfe von GenotypeGVCFs und Standardparametern aufgerufen. Insgesamt wurden 14.871.405 bzw. 3.613.138 Roh-SNPs und INDELS erkannt. Die SNPs wurden mit dem GATK VariantFiltration-Tool qualitätsgefiltert, wobei diejenigen mit den Parametern „QUAL < 40 || QD < 5,0 || FS > 60,0 || MQ < 40,0 || DP < 30“ ausgeschlossen wurden, was zu 13.324.328 gefilterten SNPs führte. VCFtools36 wurde verwendet, um die SNPs mit einer Minor-Allel-Frequenz (MAF) von weniger als 0,05 zu filtern, was zu einem endgültigen Satz von 11.756.179 gefilterten SNPs führte.

Der Ensembl-Varianteneffektprädiktor (VEP Ver. 99)37 wurde verwendet, um die Varianten aus unserem WGS-Datensatz mit Informationen in der VEP-Datenbank (der zusammengeführten Cache-Datei Sscrofa11.1 Ver. 99) zu kommentieren. Der Standardparameter --distance 5 kb von VEP wurde angewendet, um die Upstream- und Downstream-Varianten zu definieren. Wir haben auch die Option --sift b auf die Vorhersage des SIFT-Scores38 von Missense-Varianten angewendet.

Wir konzentrierten uns auf Missense-SNPs, die sich auf annotierten Genen befinden und Unterschiede in der Allelfrequenz zwischen Gruppen mit unterschiedlichen Wachstumsmustern zeigen. Laut VEP wurden von den 11,7 Millionen insgesamt 32.688 Marker als Missense eingestuft. LD-Pruning wurde mit PLINK 1.939 implementiert und entfernte insgesamt 20.049 SNPs mit r2 > 0,6 in 1000-kb-Fenstern. Schließlich wurden insgesamt 8419 auf Autosomen kartierte SNPs für nachgelagerte Analysen verwendet. Die Allelfrequenzen innerhalb der Wachstumsgruppen wurden mit PLINK 1.9 berechnet. Wir behielten bei, dass die SNPs in mindestens einem Vergleich (LL vs. LN, LL vs. NN oder LN vs. NN) einen Allelfrequenzunterschied zwischen den Gruppen von mehr als 0,25 aufwiesen. Infolgedessen blieben insgesamt 2259 SNPs übrig.

Von diesen vorab ausgewählten SNPs waren 1023 technisch für die Agriseq-Genotypisierung geeignet. Diese wurden in das Design einbezogen und durch Genotyping by Sequencing (GBS) in der iberischen × Duroc-Population genotypisiert, von der auch Phänotypen verfügbar waren. Die Liste der durch GBS genotypisierten Marker ist als Ergänzungstabelle S1 enthalten. Für GBS wurden Bibliotheken mit dem Agriseq HTS-Bibliothekskit erstellt und in Ion 540-Chips auf einem Ion GeneStudio S5-Sequenzer sequenziert.

Darüber hinaus haben wir dieses Panel mit 192 Kandidaten-SNPs ergänzt, die aus dem Literaturabbau und aus reinen und Duroc-gekreuzten iberischen Muskel-RNAseq-Daten erhalten wurden13, 14, 40 (Ergänzungstabelle S2). Diese SNPs wurden in derselben iberischen × Duroc-Population unter Verwendung einer maßgeschneiderten TaqMan® OpenArray™ (OA)-Genotypisierungsplattform (Thermo Fisher Scientific, Waltham, Massachusetts, USA) genotypisiert. Die Genotypisierung wurde in einem QuantStudio™ 12 K Flex Echtzeit-PCR-System (Thermo Fisher Scientific, Waltham, Massachusetts, USA) beim Veterinary Molecular Genetics Service (SVGM, UAB, Barcelona, Spanien) durchgeführt. DNA-Proben wurden gemäß den Anweisungen des Herstellers auf die Arrays geladen und amplifiziert. Der Nachweis allelspezifischer Signalintensitäten wurde mit OpenArray NT Imager durchgeführt und die Genotypen wurden mit der Analysesoftware OpenArray SNP Genotyping aufgerufen. Darüber hinaus wurden die SNP-Bilder visuell überprüft, um etwaige Clustering-Probleme zu erkennen.

Der gesamte SNP-Datensatz (1215 Marker) wurde für Assoziationsanalysen mit PLINK 1.9 nach dem MAF-Wert (0,1) gefiltert und Marker mit Genotypisierungsfehlern ausgeschlossen, wobei nach der Filterung 1005 SNPs übrig blieben. Diese Analysen wurden an 477 Personen mit Genotypisierungs- und Phänotypisierungsdaten durchgeführt. SNP-Effekte wurden mit der Option zum Auslassen eines Chromosoms der Software GCTA41 analysiert. Diese Option implementiert eine auf einem gemischten linearen Modell basierende Assoziationsanalyse unter Verwendung des folgenden allgemeinen Modells:

Dabei ist y der phänotypische Wert, der jedem Merkmal entspricht, a der mittlere Term, b die additiven Effekte (fester Term) des analysierten SNP umfasst, verbleibende feste Effekte und Kovariaten, die je nach analysierter Merkmalsgruppe (Ergänzungstabelle S3) und F der entsprechenden Inzidenzmatrix unterschiedlich waren. g- ist der akkumulierte Effekt aller SNPs (erfasst durch die Genomic Relationship Matrix, GRM), mit Ausnahme der kartierten auf demselben Chromosom wie der analysierte SNP und e ist der Rest. Die genetische Varianz var(g-) wird basierend auf dem Nullmodell y = a + g- + e geschätzt und dann fixiert, während die Assoziation zwischen jedem SNP und dem Merkmal getestet wird. Diese Varianz wird jedes Mal neu geschätzt, wenn ein Chromosom bei der Berechnung des GRM ausgeschlossen wird. Die Falscherkennungsrate (FDR) wurde für die Verwendung der Bibliothek q-value42 in Rstudio43 kontrolliert. SNPs mit einem p-Wert und einem q-Wert von weniger als 0,05 bzw. 0,10 wurden als signifikant mit dem getesteten Merkmal assoziiert angesehen.

Pro Probe wurden durch Illumina-Sequenzierung durchschnittlich 83 Millionen gepaarte Lesevorgänge generiert, die zwischen 67 und 100 Millionen lagen, mit einer mittleren Abdeckung von 8,4 ×. Nach der Qualitätskontrolle wurden durchschnittlich 98 % der Reads dem Referenzgenom (Sscrofa11.1) zugeordnet und über 14 Millionen Varianten erkannt. Nach der Anwendung mehrerer Qualitätsfilter sowie funktioneller und technischer Auswahlkriterien wurden schließlich 1023 Missense-Polymorphismen durch GBS genotypisiert.

GBS-Qualitätsmetriken bestätigten die Zuverlässigkeit des Genotypisierungsverfahrens. Sowohl der durchschnittliche Stichproben- als auch der Marker-Call betrugen 93,9 %, und 90,2 % der Marker hatten eine Call-Rate von über 90 %. Die durchschnittliche Abdeckung betrug 183 × und lag damit deutlich über der von Agriseq für Genotypisierungszwecke empfohlenen Abdeckung von 100 ×. Die Einheitlichkeit (Prozentsatz der Zielbasen, die mindestens das 0,2-fache der mittleren Tiefe aufweisen) betrug durchschnittlich 92,9 %.

Von den 1023 im GBS-Marker-Panel enthaltenen SNPs wurden 120 Polymorphismen aufgrund mangelnder Segregation (MAF < 0,10) oder Genotypisierungsfehlern verworfen, was zu 903 GBS-Markern mit nützlichen Daten für die Assoziationsstudie führte.

Parallel dazu wurden 192 Marker in Kandidatengenen mittels Openarray genotypisiert. Davon waren 60 monomorph und insgesamt 30 aufgrund geringer Variabilität (0 > MAF < 0,10) oder Genotypisierungsfehlern verworfen, sodass 102 OA-Marker weiterhin informativ blieben.

Gemeinsame Ergebnisse der GBS- und OA-Genotypisierung führten dazu, dass 1005 Marker in die Assoziationsstudie einbezogen wurden (903 bzw. 102 von GBS und OA). Die Verteilung der minimalen Allelfrequenzen (MAF) für die genotypisierten Marker in der iberischen Kreuzungspopulation ist in Abb. 2 dargestellt. Sie spiegelt einen guten Anteil von Markern mit Zwischenfrequenzen im GBS-Markerpanel wider, die aus WGS-Daten stammen, und eine viel geringere Informativität in der OA-Panel, das aus Kandidatengenen stammt, die entweder durch Bibliographie oder RNAseq-Daten vorgeschlagen wurden.

MAF-Verteilung für Marker, die durch Genotypisierung durch Sequenzierung (erhalten aus WGS-Daten) oder OpenArray (erhalten aus Bibliographie- und RNAseq-Daten) genotypisiert wurden.

Die Assoziationsstudie wurde für die 1005 erfolgreich genotypisierten SNPs durchgeführt, die eine Segregation innerhalb unserer Population sowie alle verfügbaren Wachstums-, Fett-, FA-Zusammensetzungs- und Stoffwechselmerkmale zeigten (beschreibende Statistiken in der Ergänzungstabelle S4 enthalten). Signifikante Assoziationsergebnisse (q <0,10) sind in der Ergänzungstabelle S5 enthalten und eine grafische Darstellung dieser Ergebnisse ist in Abb. 3 dargestellt. Die Ergänzungstabelle S6 enthält Assoziationsergebnisse mit signifikanten nominalen p-Werten für diejenigen Gene, die mindestens eine signifikante Assoziation aufweisen (q < 0,10).

Zusammenfassung der signifikanten Assoziationsergebnisse (q < 0,10), die für die verschiedenen Merkmale erhalten wurden, gruppiert nach Merkmalstyp/-stadium (x-Achse) und Quelle der Polymorphismen (y-Achse). Farbige Balken geben die Anzahl der Merkmale an, die mit jedem Gen signifikant assoziiert sind. Durchschnittlicher ADG-Tageszuwachs, FCR-Futterverwertungsverhältnis, WGS-Gesamtgenomsequenzierung.

In Bezug auf Wachstums- und Fettmerkmale wurden 72 signifikante Zusammenhänge beobachtet, von denen die meisten in der OA-Plattform genotypisierte Kandidatengene betrafen (n = 59), für die frühere biologische oder funktionelle Hypothesen verfügbar waren.

Zu den Kandidatengenen mit SNPs, die das Gewicht und die morphologischen Maße in frühen Entwicklungsstadien (Geburt und Entwöhnung) beeinflussen, gehörten die Gene ACACA, EPHX1 und FREM2 (Ergänzungstabelle S5). Die beiden im ACACA-Gen analysierten SNPs beeinflussten systematisch alle bei der Geburt aufgezeichneten Körpermaße (Tabelle 1). Bei der Entwöhnung wurden punktuelle Assoziationen für EPHX1 und Bauchumfang sowie für FREM2 und Entwöhnungsgewicht festgestellt, die die Signifikanzschwelle erreichten. Für andere verwandte Merkmale in beiden Genen wurden mehrere Assoziationen auf nominaler Ebene beobachtet (Ergänzungstabelle S6). FREM2 zeigte mehrere suggestive Assoziationen mit frühen Entwicklungsmerkmalen, während EPHX1 suggestive Assoziationen mit lebenslangen Wachstums- und Entwicklungsmerkmalen zeigte. Ab einem Alter von 150 Tagen waren NMNAT1, SOWAHB, EPHX1, TFRC und SCD die wichtigsten Gene, die Gewicht, ADG und FCR beeinflussten. Von diesen zeigten die drei innerhalb des SCD-Gens analysierten SNPs die Auswirkungen mit dem größten Ausmaß und erreichten beispielsweise 29 kg (3,2 SD) für das Schlachtgewicht, 10 kg für das Schlachtkörpergewicht (1,25 SD) und 0,125 kg/Tag ( 1,9 SD) für globale ADG (Tabelle 2). Insgesamt 13 Assoziationen betrafen SNPs, die in WGS nachgewiesen und auf der Grundlage ihrer potenziellen Wirkung auf das kodierte Protein und ihres Unterschieds in der Allelhäufigkeit zwischen den Wachstumsgruppen ausgewählt wurden. Ergebnisse, die den SNPs aus WGS-Daten entsprechen, liefern neue Gene im Zusammenhang mit Gewicht und Körpermaßen, nur bei der Geburt, einschließlich LRIG3, DENND1B, TMCC1 und MFRP. Unter den Genen, die mit geburtsmorphologischen Merkmalen assoziiert sind, waren ACACA (Tabelle 1) und TMCC1 diejenigen mit den größten Auswirkungen.

Das Rückenfett wurde durch die Kandidatengene LEPR, NFE2L2, FTO und LIPE beeinflusst (Ergänzungstabelle S5). LEPR zeigte den offensichtlichsten Einfluss auf das Rückenfett, mit signifikanten oder vermuteten Auswirkungen auf die Tiefe der verschiedenen Fettschichten während der Wachstumsphase und mehreren anderen Merkmalen (Tabelle 3) und mit dem größten Effekt bei der Schlachtung (0,7 SD). Darüber hinaus war ein in CFAP157/STXBP1 lokalisierter SNP, der aus WGS-Daten abgeleitet wurde, mit der Rückenspeckdicke beim Schlachten verbunden, mit einem Effekt von relevanter Größenordnung (0,6 SD).

Die Fettsäurezusammensetzung wurde im Rückenfett (innere und äußere Schichten) sowie im Muskel- und Lebergewebe von Longissimus dorsi (neutrale und polare Lipidfraktionen) bestimmt. Für diese Merkmale wurden insgesamt 100 signifikante Assoziationen gefunden (Ergänzungstabelle S5), von denen 45 Assoziationen der FA-Zusammensetzung des Rückenfetts entsprachen (13 für die innere Schicht und 32 für die äußere Schicht), 36 der Lenden-FA (25 für neutral). und 11 für polare Lipidfraktionen) und 19 entsprachen dem Leber-FA-Profil (12 für neutrale und 7 für polare Lipidfraktionen). Bei den Wachstums- und Fettmerkmalen entsprachen die meisten Assoziationen Markern, die sich in biologischen und funktionellen Kandidatengenen befanden, die von OA genotypisiert wurden (n = 93), im Vergleich zu denen, die von WGS abgeleitet wurden (n = 7). Die 100 signifikanten Assoziationen standen im Zusammenhang mit 42 SNPs, die in 35 Genen lokalisiert waren und zwischen 1 und 18 signifikante Auswirkungen auf verschiedene Merkmale oder Gewebe zeigten. Die Ergebnisse für diejenigen SNPs mit mindestens zwei signifikanten Effekten sind in Tabelle 4 aufgeführt. Gene mit der höchsten Anzahl signifikanter Assoziationen mit FA-Merkmalen waren KRT10 (Tabellen 4 und 5) mit 18 signifikanten Assoziationen; und NLE1 mit 9 signifikanten Assoziationen (Tabellen 4 und 6), wobei beide Gene das FA-Profil von Rückenfett und neutralen Muskellipiden beeinflussen, hauptsächlich in Bezug auf kurzkettige gesättigte und einfach ungesättigte FA. Die Variation im KCNH2-Gen war signifikant mit mehreren Haupt-PUFA-Messungen (C18:2n-6, C18:3n-3, PUFA, n-3, n-6) nur in der äußeren Rückenfettschicht verbunden; während andere Gene wie AHNAK, LIPE, EPHX1 oder TNF Auswirkungen auf verschiedene Orte hatten und ähnliche Merkmale beeinflussten (Tabelle 4).

Drei verschiedene SNPs im SCD-Gen waren nur in der neutralen Lipidfraktion der Leber (C16:1n-9, C18:1/C18:0) mit Palmitoleinsäure und dem Entsättigungsverhältnis Ölsäure/Stearin assoziiert (Tabellen 2, 4). Es wurden jedoch signifikante Effekte auf nominaler Ebene für FA-Merkmale des inneren Rückenfetts beobachtet, die den durch mehrere Tests korrigierten Signifikanzschwellenwert nicht erreichten (Ergänzungstabelle S6). Außerdem waren die Schlüsselgene der Lipogenese, FASN und ACACA, mit Miristsäure (C14:0) bzw. Palmitoleinsäure (C16:1n-7) sowohl in der äußeren Fettschicht des Rückens als auch in den neutralen Lipiden der Muskeln assoziiert (Tabelle 4). ).

Darüber hinaus hatten einige andere relevante Gene, von denen bekannt ist, dass sie fettbezogene Merkmale beeinflussen, wie IRX3, ADIPOQ, MSTN oder MYOD1, signifikante Auswirkungen auf nur ein Merkmal (Ergänzungstabelle S5).

In Bezug auf Stoffwechselmerkmale wurden nur zwei signifikante Zusammenhänge für die HDL-Konzentration im Plasma im Alter von 110 und 215 Tagen gefunden, die beide mit WGS-Markern in Zusammenhang standen (Ergänzungstabelle S5). Die im Alter von 110 Tagen gefundene Assoziation betrifft einen SNP im TBC1D16-Gen, während die im Alter von 215 Tagen gefundene Assoziation das Gen CD4 betrifft.

Für keines der anderen in die Studie einbezogenen Fleischqualitätsmerkmale (intramuskulärer Fettgehalt, pH-Wert und Tropfverlust) wurde nach der mehrfachen Testkorrektur ein signifikanter Effekt beobachtet.

In dieser Studie wurde nach einem ersten SNP-Entdeckungsschritt ein Genotypisierungsansatz mit mittlerem Durchsatz durchgeführt, um DNA-Polymorphismen im Zusammenhang mit relevanten produktiven Merkmalen aufzudecken. Die analysierten SNPs wurden größtenteils aus WGS-Daten gewonnen und durch eine Reihe biologischer und funktioneller Kandidatengene/SNPs ergänzt, die aus Literatur- und RNAseq-Daten gewonnen wurden.

Die Genotypisierungsergebnisse zeigten ein gutes Maß an Aussagekraft der von WGS abgeleiteten Marker, wobei ein hoher Anteil der Marker mittlere Häufigkeiten aufwies (56 % zeigten 0,3 < MAF < 0,7) und ein geringer Anteil aufgrund der geringen Segregation verworfen wurde (10,6 %). Diese Ergebnisse unterstützen die Gültigkeit des SNP-Erkennungsansatzes, der anhand von WGS-Daten durchgeführt wurde. Im Gegensatz dazu waren aus Bibliographie und RNAseq-Daten gewonnene Marker weniger informativ (33 % zeigten 0,3 < MAF < 0,7) und ein hoher Anteil wurde als monomorph oder kaum informativ erkannt (50 %). Dieser Befund war nicht unerwartet, da WGS-Marker aus Sequenzierungsdaten von Tieren derselben iberischen Kreuzungspopulation gewonnen wurden, die für die Assoziationsstudie verwendet wurden, während Kandidatengene/SNPs zuvor in verschiedenen Schweinerassen und -populationen identifiziert wurden.

Trotz einer geringeren Anzahl zuvor bekannter SNP-Kandidaten und ihrer geringeren Informativität wurde im Vergleich zu WGS-abgeleiteten Markern (102 vs. 903) eine viel höhere Anzahl signifikanter Assoziationen für die SNPs mit früheren Anzeichen einer Assoziation oder differentiellen Expression beobachtet. Dies ist nicht überraschend, da diese mehr funktionale Kriterien erfüllen als diejenigen, die in der vorliegenden Arbeit anhand von WGS-Daten entdeckt wurden. Tatsächlich betrafen von den 174 signifikanten Assoziationen 152 zuvor identifizierte SNPs in Kandidatengenen und nur 22 betrafen von WGS abgeleitete Marker. Darüber hinaus entsprachen von den 152 Assoziationen im Zusammenhang mit zuvor charakterisierten SNPs 62 bekannten Markern mit früheren Assoziationsnachweisen und 90 entsprachen Markern, die aus RNAseq-Daten innerhalb von Genen entdeckt wurden, die eine unterschiedliche Expression zwischen Genotypen iberischer Schweine zeigten, oder mit einem potenziellen Regulator Rolle. Dieser Befund untermauert die Nützlichkeit des Deep-Sequencing-Transkriptom-Data-Mining zur Aufdeckung von Strukturvarianten mit interessanten Auswirkungen auf den Phänotyp.

In Bezug auf Wachstums- und Entwicklungsmerkmale wurde festgestellt, dass zwei Hauptgene, ACACA und SCD, die Geburtsmaße bzw. lebenslange Leistungsmerkmale beeinflussen. Diese Gene sind an der Fettsynthese und dem Fettstoffwechsel beteiligt und tatsächlich wurden für beide Gene auch signifikante Auswirkungen auf die FA-Zusammensetzung festgestellt. Allerdings ist ihre mögliche Rolle bei Wachstumsmerkmalen bisher nicht klar. Acetyl-CoA-Carboxylase (ACACA) ist ein multifunktionales Enzymsystem, das die Carboxylierung von Acetyl-CoA zu Malonyl-CoA katalysiert, den geschwindigkeitsbestimmenden Schritt in der FA-Synthese. Übereinstimmend zeigen unsere Ergebnisse einen signifikanten Einfluss dieses Gens auf die Palmitoleinsäurehäufigkeit in Rückenfett und Muskeln und weisen auf viele wichtige FA- und FA-Verhältnisse hin. Neben dieser Hauptrolle beeinflusst das ACACA-Gen das Potenzial der Mitochondrienmembran und könnte somit die Zellproliferation und das Gewebewachstum beeinflussen44. Tatsächlich wurde ein Mangel an ACACA-Aktivität mit Störungen im frühen Wachstum und der Muskelentwicklung beim Menschen in Verbindung gebracht45. Stearoyl-CoA-Desaturase (SCD) katalysiert die ∆9-cis-Desaturierung von Palmitoyl- und Stearoyl-CoA, die in Palmitoyl- bzw. Oleoyl-CoA umgewandelt werden. MUFAs sind nicht nur Bestandteile von Gewebelipiden, sondern dienen auch als Vermittler der Signaltransduktion, Zelldifferenzierung, Nahrungsaufnahme, Apoptose und Mutagenese. Daher ist zu erwarten, dass Variationen in der SCD-Funktion bei Säugetieren Auswirkungen auf eine Vielzahl von Schlüsselfunktionen haben physiologische Ereignisse, einschließlich Wachstum46. Daher wurde vermutet, dass die BW-Zunahme mit einer erhöhten SCD-Aktivität verbunden sein könnte. Tatsächlich war ein unterschiedlicher Polymorphismus im SCD-Gen mit ADG und FCR bei mageren Schweinen verbunden47. Dennoch wurden die drei in dieser Studie analysierten SNPs (g.2108C>T; g.2228T>C; g.2281A>G), die sich in der Promotorregion und im vollständigen Bindungsungleichgewicht befinden, zuvor nicht mit Leistungsmerkmalen in Verbindung gebracht 48, 49 ,50. Dieser neuartige Befund ist auch aufgrund der Größe des Effekts bemerkenswert, insbesondere auf BW-Merkmale, mit einem geschätzten additiven Effekt von etwa 30 kg. Dieser Befund sollte mit Vorsicht interpretiert werden, da die Häufigkeit des homozygoten Genotyps gering war und der Effekt überschätzt werden könnte. Interessanterweise fanden Estany et al.48 heraus, dass der CTA-Haplotyp in einer reinrassigen Duroc-Linie zusätzlich mit einem erhöhten C18∶1/C18∶0-Entsättigungsindex sowohl im Muskel als auch im subkutanen Fett, nicht jedoch in der Leber, assoziiert war. Unseren Ergebnissen zufolge wird der Haupteffekt des SCD-Gens auf die FA-Zusammensetzung in der neutralen Lipidfraktion der Leber nachgewiesen, wobei der CTA-Haplotyp den Entsättigungsindex sowie den C16:1n-9-Gehalt erhöht. Außerdem wurde für diese Mutation über eine mögliche Auswirkung auf den IMF berichtet49, die in der vorliegenden Arbeit jedoch nicht validiert wurde.

Es wurden auch andere interessante Gene und SNPs identifiziert, die noch nicht als Kandidaten für Wachstumsmerkmale etabliert sind. Einige davon wurden aus RNAseq-Daten gewonnen und zwischen iberischen und iberischen × Duroc-Kreuzungsschweinen oder reinrassigen Duroc-Schweinen unterschiedlich exprimiert, wie z. B. FREM2, EPHX1, SOWAHB oder TFRC5,13,14,15. Somit erfüllen diese Gene ein funktionelles Kriterium, das als an den phänotypischen Unterschieden beteiligt angesehen werden kann, die zwischen iberischen und Duroc-Genotypen beobachtet werden. Das FREM2-Gen (FRAS1-verwandtes extrazelluläres Matrixprotein 2) kodiert für ein extrazelluläres Matrixprotein, das eine Rolle bei morphogenetischen Prozessen spielt51. In Übereinstimmung mit unseren Erkenntnissen ist der FRAS/FREM-Komplex während der frühen Entwicklung besonders wichtig. Beim Menschen verursachen Mutationen in diesem Gen das Fraser-Syndrom, eine Multisystemstörung, die an der strukturellen Adhäsion des Hautepithels an das darunter liegende Mesenchym beteiligt ist52, und bei Schweinen wurde dieses Gen als Kandidat für entwicklungsmorphologische Merkmale wie das Vorhandensein von Kehllappen53 vorgeschlagen. Die Gene SOWAHB und EPHX1 zeigten einigermaßen ähnliche Assoziationsergebnisse, die sich beide auf Merkmale des lebenslangen Wachstums und einige Merkmale der Fettablagerung auswirkten. Das Gen SOWAHB (Sosondowah Ankyrin Repeat Domain Family Member B) ist Teil der Ankyrin-Familie und an der Organisation des Membranskeletts, dem Ionentransport, der Proteinerkennung sowie der Regulierung der Zell-Zell-Adhäsion beteiligt54. Darüber hinaus wird SOWAHB als Reaktion auf Insulin aktiviert und ist möglicherweise an der Insulinresistenz beteiligt55. Neben der Auswirkung auf die Wachstumsmerkmale wurden im Test der Assoziation mit Fettmerkmalen in verschiedenen Altersstufen (Rückenfettdicke, Cholesterin, Ergänzungstabelle S6) signifikante nominale p-Werte beobachtet, was auf eine Rolle im Lipidstoffwechsel hindeutet. Dieses Gen zeigte eine 4-mal höhere Expression in der Lende reinrassiger iberischer Schweine als bei heranwachsenden Kreuzungsschweinen14. Das EPHX1-Gen (mikrosomale Epoxidhydrolase) zeigte signifikante Assoziationsergebnisse für das Wachstum sowie die FA-Zusammensetzungsmerkmale, insbesondere für den C20:1(n-9)- und den C20:3(n-6)-Gehalt. Das von diesem Gen kodierte Enzym ist in der Lage, ein breites Spektrum an Substraten56, einschließlich Epoxiden, die aus endogener mehrfach ungesättigter FA stammen, entweder zu entgiften oder zu bioaktivieren. Dadurch werden verschiedene biologische Prozesse wie Entzündungen oder Angiogenese vermittelt und wichtige Signalwege für die zelluläre Homöostase, Adipozytendifferenzierung und Insulin reguliert Antwort57,58,59. Es wurde gezeigt, dass dieses Gen im Biceps femoris, Longissimus dorsi und im Rückenfett reiner Iberer im Vergleich zu Duroc-Genotypen hochreguliert ist13,14,15. Die Hochregulierung der SOWAHB- und EPHX1-Gene bei reinrassigen Iberern in verschiedenen Geweben könnte mit ihrer potenziellen Rolle bei der Insulinreaktion und Adipositas zusammenhängen, was mit der naheliegenden Assoziation ihrer Strukturvarianten mit Fettmerkmalen und einer signifikanten Assoziation mit dem Gewicht im Wachstumsstadium übereinstimmt. wenn iberische Schweine bekanntermaßen ein kompensatorisches Wachstum und eine intensivere Entwicklung entwickeln als Duroc-Genotypen5. Das TFRC-Gen (Transferrin-Rezeptor) kodiert einen Zelloberflächenrezeptor, der für die zelluläre Eisenaufnahme notwendig ist, und wurde als positionelles Kandidatengen für die Krankheitsanfälligkeit untersucht60. Darüber hinaus fungiert es als Lipidsensor, der die Mitochondrienfunktion reguliert, indem es die Aktivierung des JNK-Signalwegs reguliert61. Interessanterweise war TFRC bei der Geburt im Lendenmuskel von Duroc × Iberian-Kreuzungsschweinen hochreguliert14, im Bizeps femoris und im Rückenspeck von wachsenden iberischen reinrassigen Schweinen hingegen hochreguliert5,15. Nach unseren Ergebnissen beeinflusst der SNP in diesem Gen BW und ADG. Somit würde die bei der Geburt und im Wachstumsstadium beobachtete gegensätzliche Regulierung mit dem unterschiedlichen Mangel an Muskelentwicklungsprozessen zusammenhängen, der bei iberischen und Duroc-Genotypen beobachtet wird, wobei letztere eine höhere pränatale Entwicklung und ein höheres Geburtsgewicht aufweisen und die reinrassigen iberischen Tiere eine erhöhte Muskelentwicklung in Wachstumsstadien zeigen .

Die Entwicklungsmerkmale von Neugeborenen wurden auch durch mehrere durch WGS nachgewiesene SNPs beeinflusst, die sich in relativ unbekannten Genen wie LRIG3, DENND1B oder TMCC1 befinden. Obwohl keines dieser Gene auf einen Zusammenhang mit einem produktiven Merkmal untersucht wurde, weisen alle eine Rolle oder Hinweise darauf auf, dass sie an frühen Entwicklungsprozessen beteiligt sind. LRIG3 (Leucin-reiche Wiederholungen und Immunglobulin-ähnliche Domänen 3) spielt eine Rolle bei der Embryonalentwicklung, einschließlich der kraniofazialen Morphogenese und der Neuralleistenbildung62. Außerdem wurde ein direkter Zusammenhang zwischen LRIG3 und frühem Wachstum beobachtet, da KO-Mäuse kleiner waren als Wildtyp-Mäuse63. Übereinstimmend zeigen unsere Ergebnisse signifikante Auswirkungen auf das Geburtsgewicht und den Brustumfang sowie Hinweise auf alle verbleibenden Merkmale, die bei Neugeborenen erfasst wurden, einschließlich derjenigen im Zusammenhang mit der Kopfentwicklung. Das DENN Domain Containing 1B (DENND1B)-Gen spielt eine wichtige Rolle bei der Zytokinproduktion und der Regulierung der T-Zell-Rezeptor-Signalübertragung, und Mutationen oder Verlust dieses Faktors wurden mit Immunerkrankungen bei Neugeborenen in Verbindung gebracht64. Interessanterweise wurde die Methylierung des DENND1B-Gens im venösen Nabelschnurblut bei der Entbindung mit dem Geburtsgewicht beim Menschen in Verbindung gebracht65. Unseren Ergebnissen zufolge beeinflusst dieses Gen das Geburtsgewicht, den Bauchumfang und den biparietalen Durchmesser und ist vermutlich mit den meisten frühen Merkmalen verbunden, die bei der Geburt und beim Absetzen erfasst wurden. TMCC1 (Transmembrane And Coiled-Coil Domain Family 1) ist ein integrales Membranprotein des endoplasmatischen Retikulums (ER), das mit zentraler Adipositas und Taillenumfang in Verbindung gebracht wird66 und vermutlich an der Regulierung der Myogenese beteiligt ist67. Unsere Ergebnisse deuten auf Auswirkungen auf den biparietalen und thorakalen Durchmesser sowie den Brustumfang hin, und in einem Anhaltspunkt auch auf mehrere andere Geburtsmerkmale und spätere Fettmerkmale wie Rückenspeck.

Die Mastmerkmale wurden hauptsächlich durch SNPs beeinflusst, die sich in bekannten Kandidatengenen wie LEPR, LIPE oder FTO befinden, wobei die eindeutigsten Ergebnisse für LEPR festgestellt wurden. Es ist bekannt, dass der Leptinrezeptor eine entscheidende Rolle bei der Energiehomöostase spielt und er wurde umfassend als funktionelles und positionelles Kandidatengen für Fettablagerungsmerkmale untersucht. Es ist bekannt, dass iberische Schweine eine feste Mutation in diesem Gen tragen, die als ursächliche Mutation angesehen wird, die zu ihrer charakteristischen Tendenz zu Adipositas und hohem Appetit sowie zu ihrem Leptin-resistenten Phänotyp beiträgt7,8. Diese Mutation wurde in verschiedenen genetischen Hintergründen untersucht, hauptsächlich in experimentellen Schweinepopulationen, aber auch in anderen Rassen und kommerziellen Populationen50,68,69,70. Den vorliegenden Ergebnissen zufolge werden die Auswirkungen dieses SNP auf den Fettgehalt in unserer iberischen × Duroc-Verkaufspopulation weiter validiert, mit signifikanten Auswirkungen auf verschiedene Maße der Rückenfettdicke und des globalen ADG sowie auf Assoziationen mit BW, FA-Zusammensetzung und Cholesterin, HDL und LDL Ebenen. Wie erwartet erhöht das iberische T-Allel die Mast mit einem additiven Effekt von nahezu 0,5 cm für das Rückenfett, was einen geschätzten Unterschied von fast 1 cm zwischen homozygoten Tieren für alternative Allele bedeutet (20 % des Merkmalsmittelwerts).

Neben den bekannten Kandidatengenen war auch das NFE2L2-Gen (Nuclear Factor Erythroid 2-Related Factor 2) mit Fettleibigkeit assoziiert. Dieses Gen kodiert einen Transkriptionsfaktor, dessen Hauptaufgabe darin besteht, die Expression antioxidativer Proteine zu regulieren, die vor oxidativen Schäden schützen. Darüber hinaus ist dieser Transkriptionsfaktor entscheidend für die Aufrechterhaltung der Homöostase und beteiligt sich an der Regulierung von Stoffwechsel, Entzündung, Autophagie, Proteostase, mitochondrialer Physiologie und Immunität71. Dieses Gen wurde aus RNAseq-Daten für die SNP-Entdeckung ausgewählt, obwohl es nicht unterschiedlich exprimiert wurde, da es möglicherweise eine Rolle als vorhergesagter Regulator für die unterschiedliche Expression zwischen iberischen Schweine-Genotypen spielt14. Unsere Ergebnisse zeigen einen signifikanten Einfluss auf die Dicke des Rückenfetts und Hinweise auf den intramuskulären Fettgehalt und die FA-Zusammensetzung, insbesondere in der Lende, in Übereinstimmung mit seiner bekannten Rolle bei der Muskel-Mitochondrien-Biogenese und der vorhergesagten Rolle als Regulator des Muskelstoffwechsels.

Die wichtigsten Gene, die die FA-Zusammensetzung beeinflussten, waren KRT10 und NLE1, die beide die Anteile von SFA und MUFA im Rückenfett und in der Lende beeinflussten. KRT10 (Keratin 10) wurde untersucht, weil es im Muskel von reinen iberischen Schweinen im Vergleich zu Kreuzungsschweinen überexprimiert war13, obwohl es keine bekannte Rolle im Zusammenhang mit dem Fettstoffwechsel spielt. Es wurde jedoch kürzlich gezeigt, dass die KRT10-Expression durch Serumlipide unterdrückt wird72 und interessanterweise wurden verschiedene Keratin-Gene mit FA-Zusammensetzungsmerkmalen in einer Chromosom-12-Untersuchung bei rückgekreuzten Iberian × Landrace-Schweinen in Verbindung gebracht73. Tatsächlich ist das KRT10-Gen auf SSC12 abgebildet, wo mehrere QTL für FA-Zusammensetzungsmerkmale entdeckt wurden. Darüber hinaus wurde festgestellt, dass KRT10 das signifikanteste differentiell exprimierte Gen gemäß ACACA-Genotyp in Bezug auf den hier nicht analysierten Polymorphismus ALGA0066302A ist, der wiederum mit der FA-Zusammensetzung zusammenhängt. Andererseits spielt das NLE1-Gen (Notchless Homolog 1) eine Rolle bei der Regulierung des Wnt-Signalwegs, der bekanntermaßen eine zentrale Rolle bei der Adipozytendifferenzierung und dem Lipidstoffwechsel spielt74. Tatsächlich spielt der Wnt-Signalweg in Adipozyten eine doppelte Funktion, einschließlich einer bekannten repressiven Wirkung auf die Adipogenese und der Stimulierung der Leptinproduktion in reifen Adipozyten75. In Übereinstimmung mit der antiadipogenen Wirkung wurde eine höhere Expression dieses Gens in der Lende von gekreuzten iberischen Schweinen beobachtet, die magerer sind als reinrassige Schweine14. Unsere Assoziationsergebnisse bringen dieses Gen nicht mit Adipositasmerkmalen in Verbindung, zeigen jedoch deutlich seine Beteiligung an relevanten Merkmalen im Zusammenhang mit dem FA-Metabolismus und -Profil, die die Fleischqualität beeinflussen, in den beiden wichtigsten produktiven Geweben, Fett und Muskeln, und insbesondere in letzterem. Das Allel, das den Ölsäuregehalt und das Verhältnis von einfach ungesättigten zu gesättigten Fettsäuren mit Wirkungen in der Größenordnung von 0,5 bis 1 SD erhöht, zeigt auch Hinweise auf positive Auswirkungen auf BW und ADG in späten Wachstumsstadien, was bedeutet, dass es ein interessanter Marker zur Verbesserung der Fleischqualität sein könnte ohne negative pleiotrope Auswirkungen auf andere relevante Merkmale.

Mehrere andere SNPs zeigten signifikante Auswirkungen, die auf einige wenige FA beschränkt waren. Das KCNH2-Gen (Potassium Voltage-Gated Channel Subfamily H Member 2) war mit den Haupt-PUFA-Gehalten im Rückenfett assoziiert, obwohl Hinweise auf Auswirkungen auf das Muskel-FA-Profil sowie auf einige Wachstums- und Schlachtkörpermerkmale beobachtet wurden. Dieses Gen wurde zuvor in Lende und Bizeps reiner Iberer im Vergleich zu Kreuzungen und Duroc-Tieren überexprimiert gefunden5,14. Unsere Ergebnisse stimmen mit früheren Erkenntnissen beim Menschen überein, die zeigen, dass Mutationen im KCNH2-Gen mit einer Veränderung der Insulinhomöostase sowie des Glukose- und Lipidstoffwechsels verbunden sind76 und dass seine Methylierung mit Fettleibigkeit zusammenhängt77. Das AHNAK-Gen (Neuroblast Differentiation-Associated Protein) kodiert ein Nukleoprotein, das an der Adipogenese und dem Lipidstoffwechsel beteiligt ist. AHNAK-KO-Mäuse haben eine verringerte Fettansammlung und verringerte Serumtriglyceridspiegel sowie eine erhöhte Expression von Genen, die an der Lipolyse und der FA-Oxidation beteiligt sind78. Übereinstimmend war seine Expression bei rein iberischen Tieren höher14, die sich durch ein höheres adipogenes Potenzial auszeichnen als Kreuzungstiere. Darüber hinaus zeigen unsere Ergebnisse Auswirkungen dieses SNP auf unterschiedliche FA im Rückenfett und in der Leber sowie einen Hinweis auf die Dicke des Rückenfetts beim Absetzen.

Andererseits hatten die Gene FASN, LIPE und TNF ähnliche Auswirkungen, hauptsächlich auf C14:0 im Rückenfett und in der Muskulatur. Wie bereits erwähnt, war das LIPE-Gen (hormonsensitive Lipase) eines der Gene, die die Rückenspecktiefe bei der Schlachtung maßgeblich beeinflussten. Das LIPE-Allel mit einer positiven Wirkung auf das Rückenfett wirkte sich auch positiv auf C14:0 und C16:0 in Rückenfett und Lende aus und hatte Hinweise auf negative Auswirkungen auf mehrere MUFA-Parameter und Glukosestoffwechselindikatoren. LIPE ist ein Schlüsselenzym bei der Mobilisierung von FA aus Acylglycerinen79, das mit unterschiedlichen Fettablagerungs- und FA-Profilmerkmalen bei verschiedenen Arten in Verbindung gebracht wird. Andererseits kodiert das FASN-Gen (Fettsäuresynthase) ein multifunktionales Enzym, das die Synthese von FA katalysiert und wiederholt mit Merkmalen der FA-Zusammensetzung in Verbindung gebracht wurde, insbesondere mit Auswirkungen auf kurzkettige gesättigte FA21,80, wie in unseren Ergebnissen. Dieses Gen reguliert zusammen mit ACACA die De-novo-Synthese von FA. Somit sind FASN, ACACA und LIPE an der Regulierung der Fettablagerung beteiligt, indem sie Lipogenese und Lipolyse ausgleichen, und für alle drei werden signifikante Assoziationsergebnisse erzielt. Andererseits ist Tumornekrosefaktor (TNF) ein Adipokin, das die Insulinresistenz fördert und mit durch Fettleibigkeit verursachtem Typ-2-Diabetes in Verbindung gebracht wird81. Übereinstimmend weisen unsere Ergebnisse auf einen signifikanten Einfluss auf C14:0 in Rückenspeck und Lende hin, aber es werden auch viele andere suggestive Zusammenhänge für andere gesättigte und einfach ungesättigte FA sowie für Schlachtkörper- und Fleischqualitätsmerkmale (Rückenspeckdicke bei der Schlachtung, Tropfverlust) gefunden. und BW-Rekorde entlang des Wachstums.

Für Stoffwechselmerkmale wurden kaum signifikante Zusammenhänge gefunden. Lediglich die HDL-Konzentration war in zwei unterschiedlichen Altersstufen signifikant mit zwei verschiedenen SNPs assoziiert, die beide aus WGS-Daten abgeleitet wurden. Die im Alter von 110 Tagen festgestellte Assoziation ist interessant, da sie das TBC1D16-Gen betrifft, das eine Rolle beim Membrantransport und Molekültransport spielt und bekanntermaßen bei Fettleibigkeit fehlreguliert ist82. Neben der signifikanten Wirkung auf HDL zeigte dieser SNP Hinweise auf viele verschiedene FA-Merkmale im Zusammenhang mit dem MUFA-Gehalt und dem MUFA/SFA-Verhältnis in Lende und Leber, die bekanntermaßen mit physischen Markern für Fettleibigkeit wie Körpermasse und Adipositas-Indizes korrelieren83, in Übereinstimmung mit der Rolle dieses Gens, obwohl keine Auswirkung auf die Fettleibigkeit beobachtet wurde.

Ein kombinierter Ansatz aus der Wiederherstellung von SNP-Kandidaten aus der Literatur und der SNP-Entdeckung aus WGS- und RNAseq-Daten war erfolgreich bei der Validierung der Auswirkungen verschiedener SNPs in Kandidatengenen, die zuvor mit Fett-, Wachstums- und FA-Zusammensetzungsmerkmalen (wie LEPR, SCD, ACACA, FASN) in Verbindung gebracht wurden oder LIPE). Darüber hinaus ermöglichte unser Ansatz die Entdeckung interessanter neuer Effekte von SNPs in weniger bekannten Genen (wie LRIG3, DENND1B, NMNAT1, SOWAHB, EPHX1), die sich auf BW und ADG in verschiedenen Altersstufen sowie auf Fettgehalt und FA-Zusammensetzung (NFE2L2, KRT10) auswirken oder NLE1). Die wichtigsten Assoziationen stammten von SNPs, die durch strukturelles Mining von Transkriptom-Deep-Sequencing-Daten identifiziert wurden. Trotz einer relativ geringen Anzahl signifikanter Assoziationen, die für WGS-abgeleitete Marker festgestellt wurden, wird der hier verwendete Ansatz als nützliche genomweite Strategie zur Entdeckung ungenutzter genetischer Grundlagen produktiver Merkmale vorgeschlagen. Unsere Ergebnisse tragen zu einem besseren Verständnis der molekulargenetischen Grundlagen relevanter Merkmale bei Schweinen bei, darunter sowohl wachstums- und ertragsbezogene Merkmale als auch Merkmale, die an der sensorischen und technologischen Qualität von Fleisch beteiligt sind und für iberische Schweinepökelprodukte wesentlich sind. Darüber hinaus liefern unsere Ergebnisse interessante SNPs und neue Kandidatengene für Assoziationsstudien in verschiedenen Schweinerassen und -populationen sowie für die zukünftige Implementierung markergestützter Selektionsstrategien. Verschiedene Marker können als am vielversprechendsten hervorgehoben werden, wie etwa KRT10, NLE1, TFRC, NFE2L2, SCD oder LEPR, und einige von ihnen können eine Verbesserung der Fleischqualität ermöglichen, ohne die Wachstumseffizienz negativ zu beeinflussen, oder umgekehrt.

Die Autoren bestätigen, dass die Daten, die die Ergebnisse dieser Studie stützen, im Artikel und seinen ergänzenden Materialien verfügbar sind. Die während der aktuellen Studie generierten WGS-Rohdatensätze wurden im DDBJ Sequence Read Archive (DRA)-Repository unter der Zugangsnummer DRA014083 abgelegt.

Lopez-Bote, CJ Nachhaltige Nutzung der iberischen Schweinerasse. Fleischwissenschaft. 49S1, S17–S27 (1998).

Artikel CAS Google Scholar

Rey, AI, Daza, A., López Carrasco, C. & López-Bote, CJ Die Fütterung iberischer Schweine mit Eichel und Gras in Freilandhaltung oder in der Haltung wirkt sich auf die Schlachtkörpereigenschaften und die Anreicherung von Fettsäuren und Tocopherolen im Muskel und Rückenspeck von Longissimus dorsi aus . Fleischwissenschaft. 73, 66–74 (2006).

Artikel CAS Google Scholar

Juárez, M., Clemente, I., Polvillo, O. & Molina, A. Fleischqualität von Filet von iberischen Schweinen, beeinflusst durch Rassenstamm und Kreuzung. Fleischwissenschaft. 81, 573–579. https://doi.org/10.1016/j.meatsci.2008.10.016 (2009).

Artikel PubMed Google Scholar

Clemente, I. et al. Vergleich der Schweinequalität von reinem und gekreuztem iberischem Schwein. Im 7. Internationalen Symposium über das Mittelmeerschwein. Mittelmeer-Optionen: Serie A Mittelmeer-Seminare, n. 101 (Hrsg. von Pedro, EJ & Cabezas, AB) 441–446 (CIHEAM, 2012).

Google Scholar

Benítez, R. et al. Veränderungen im Transkriptom des Bizeps femoris während des Wachstums bei iberischen Schweinen, die mit verschiedenen Energiequellen gefüttert wurden, und vergleichende Analyse mit der Rasse Duroc. Tiere 11, 3505 (2021).

Artikel Google Scholar

Vázquez-Gómez, M. et al. Geburtsgewicht und Geschlecht der Ferkel beeinflussen die Wachstumsleistung und die Fettsäurezusammensetzung fetter Schweine. Anim. Prod. Wissenschaft. 60, 573–583 (2020).

Artikel Google Scholar

Ovilo, C. et al. Feine Kartierung der QTL- und LEPR-Auswirkungen des Schweinechromosoms 6 auf die Körperzusammensetzung in mehreren Generationen einer Kreuzung zwischen Iberer und Landrasse. Genet Res. 85, 57–67 (2005).

Artikel CAS Google Scholar

Óvilo, C. et al. Die hypothalamische Expression der Gene des Schweine-Leptin-Rezeptors (LEPR), des Neuropeptids Y (NPY) und des Kokain- und Amphetamin-regulierten Transkripts (CART) wird durch den LEPR-Genotyp beeinflusst. Mamm. Genom. 21, 583–591 (2010).

Artikel Google Scholar

Corominas, J. et al. Polymorphismus im ELOVL6-Gen ist mit einem großen QTL-Effekt auf die Fettsäurezusammensetzung bei Schweinen verbunden. PLoS One 8, e53687. https://doi.org/10.1371/journal.pone.0053687 (2013).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Corominas, J. et al. Bewertung des Schweine-ACSL4-Gens als Kandidatengen für Fleischqualitätsmerkmale bei Schweinen. Anim. Genet. 43, 714–720. https://doi.org/10.1111/j.1365-2052.2012.02335.x (2012).

Artikel CAS PubMed Google Scholar

Mercadé, A. et al. Charakterisierung des Schweine-Acyl-CoA-Synthetase-Langketten-4-Gens und seine Assoziation mit Wachstums- und Fleischqualitätsmerkmalen. Anim. Genet. 37, 219–224. https://doi.org/10.1111/j.1365-2052.2006.01436.x (2006).

Artikel CAS PubMed Google Scholar

Fernández-Barroso, M. Á. et al. Schätzung genetischer Parameter und Genassoziationsanalysen für Fleischqualitätsmerkmale bei iberischen Freilandschweinen. J. Anim. Züchten. Genet. 137, 581–598. https://doi.org/10.1111/jbg.12498 (2020).

Artikel CAS PubMed Google Scholar

Ayuso, M. et al. Eine vergleichende Analyse des Muskeltranskriptoms zwischen Schweinegenotypen identifiziert Gene und Regulierungsmechanismen, die mit Wachstum, Fettleibigkeit und Stoffwechsel verbunden sind. PLoS One 10, e0145162. https://doi.org/10.1371/journal.pone.0145162 (2015).

Artikel CAS PubMed PubMed Central Google Scholar

Ayuso, M. et al. Entwicklungsstadium, Muskel und genetischer Typ verändern das Muskeltranskriptom bei Schweinen: Auswirkungen auf die Genexpression und regulatorische Faktoren, die an Wachstum und Stoffwechsel beteiligt sind. PLoS One 11, e0167858. https://doi.org/10.1371/journal.pone.0167858 (2016).

Artikel CAS PubMed PubMed Central Google Scholar

Benítez, R. et al. Auswirkungen von Rasse, Ernährung und Interaktion auf das Fettgewebe-Transkriptom bei iberischen und Duroc-Schweinen, die mit unterschiedlichen Energiequellen gefüttert wurden. Gene 10, 589 (2019).

Artikel Google Scholar

Van Son, M. et al. Genomweite Assoziationsstudie bestätigt große QTL für die Fettsäurezusammensetzung des Rückenfetts auf SSC14 bei Duroc-Schweinen. BMC-Genom. 18, 369 (2017).

Artikel Google Scholar

Zhang, W. et al. Genomweite Assoziationsstudien für Fettsäurestoffwechselmerkmale in fünf unterschiedlichen Schweinepopulationen. Wissenschaft. Rep. 6, 24718 (2016).

Artikel ADS CAS Google Scholar

Ramayo-Caldas, Y. et al. Genomweite Assoziationsstudie zur intramuskulären Fettsäurezusammensetzung in einer Kreuzung aus Iberer und Landrasse. J. Anim. Wissenschaft. 90, 2883–2893 (2012).

Artikel CAS Google Scholar

Muñoz, M. et al. Genomweite Analyse der Fettsäurezusammensetzung von Schweinerückenfett und intramuskulärem Fett unter Verwendung von Genotypisierungs- und Expressionsdaten mit hoher Dichte. BMC-Genom. 14, 845 (2013).

Artikel Google Scholar

Martínez-Montes, Á. Metall. Verwendung genomweiter Assoziationsstudien zur Identifizierung gemeinsamer QTL-Regionen in drei verschiedenen genetischen Hintergründen basierend auf der iberischen Schweinerasse. PLoS One 13, e0190184. https://doi.org/10.1371/journal.pone.0190184 (2018).

Artikel CAS PubMed PubMed Central Google Scholar

Crespo-Piazuelo, D. et al. Identifizierung starker Kandidatengene für Rückenfett und intramuskuläre Fettsäurezusammensetzung in drei Kreuzungen basierend auf dem iberischen Schwein. Wissenschaft. Rep. 10, 13962 (2020).

Artikel CAS Google Scholar

Pena, RN et al. Fünf Genomregionen haben einen großen Einfluss auf die Fettzusammensetzung iberischer Schweine. Wissenschaft. Rep. 9, 2031. https://doi.org/10.1038/s41598-019-38622-7 (2019).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Muñoz, M. et al. Genomische Vielfalt, Kopplungsungleichgewicht und Selektionssignaturen bei lokalen europäischen Schweinerassen, bewertet mit einem SNP-Chip mit hoher Dichte. Wissenschaft. Rep. 9, 13546. https://doi.org/10.1038/s41598-019-49830-62019 (2019).

Artikel ADS PubMed PubMed Central Google Scholar

Daetwyler, HD et al. Die Sequenzierung des gesamten Genoms von 234 Bullen erleichtert die Kartierung monogener und komplexer Merkmale bei Rindern. Nat. Genet. 46, 858–865 (2014).

Artikel CAS Google Scholar

de Blas, C., Gasa, J. & Mateos, GG Ernährungsbedürfnisse von Schweinen. FEDNA-Standards. Spanische Stiftung zur Entwicklung der Tierernährung. http://fundacionfedna.org/sites/default/files/Normas%20PORCINO_2013rev2_0.pdf (2013).

Calvo, L., Toldrá, F., Aristoy, MC, Lopez-Bote, CJ & Rey, AI Wirkung von organischem Selen aus der Nahrung auf die proteolytische Muskelaktivität und die Wasserhaltekapazität bei Schweinefleisch. Fleischwissenschaft. 121, 1–11 (2016).

Artikel CAS Google Scholar

Segura, J. & Lopez-Bote, CJ Eine laboreffiziente Methode zur intramuskulären Fettanalyse. Lebensmittelchem. 145, 821–825 (2014).

Artikel CAS Google Scholar

Hulbert, AJ, Pamplona, R., Buffenstein, R. & Buttemer, WA Leben und Tod: Stoffwechselrate, Membranzusammensetzung und Lebensdauer von Tieren. Physiol. Rev. 87, 1175–1213 (2007).

Artikel CAS Google Scholar

Hulver, MW et al. Eine erhöhte Stearoyl-CoA-Desaturase-1-Expression im Skelettmuskel trägt zu einer abnormalen Fettsäureverteilung bei adipösen Menschen bei. Zellmetabolismus 2, 251–261 (2005).

Artikel CAS Google Scholar

Bolger, AM, Lohse, M. & Usadel, B. Trimmomatic: Ein flexibler Trimmer für Illumina-Sequenzdaten. Bioinformatik 30, 2114–2120 (2014).

Artikel CAS Google Scholar

Warr, A. et al. Eine verbesserte Schweine-Referenzgenomsequenz, um Schweinegenetik und -genomikforschung zu ermöglichen. GigaScience 9, giaa051 (2020).

Artikel Google Scholar

Li, H. & Durbin, R. Schnelle und genaue Ausrichtung kurzer Lesevorgänge mit der Burrows-Wheeler-Transformation. Bioinformatik 25, 1754–1760 (2009).

Artikel CAS Google Scholar

Li, H. et al. Das Sequenzausrichtungs-/Kartenformat und SAMtools. Bioinformatik 25, 2078–2079. https://doi.org/10.1093/bioinformatics/btp352 (2009).

Artikel CAS PubMed PubMed Central Google Scholar

Poplin, R. et al. Skalierung der genauen Entdeckung genetischer Varianten auf Zehntausende Proben. bioRxiv. https://doi.org/10.1101/201178 (2018).

Artikel Google Scholar

Van der Auwera, GA & O'Connor, BD Genomics in the Cloud: Using Docker, GATK, and WDL in Terra 1. Aufl. (O'Reilly Media, 2020).

Google Scholar

Danecek, P. et al. 1000-Genom-Projektanalysegruppe. Das Variantenaufrufformat und VCFtools. Bioinformatik 27, 2156–2158. https://doi.org/10.1093/bioinformatics/btr330 (2011).

Artikel CAS PubMed PubMed Central Google Scholar

McLaren, W. et al. Der Ensembl-Varianteneffektprädiktor. Genombiol. 17, 122. https://doi.org/10.1186/s13059-016-0974-4 (2016).

Artikel CAS PubMed PubMed Central Google Scholar

Kumar, P. et al. Vorhersage der Auswirkungen der Kodierung nicht-synonymer Varianten auf die Proteinfunktion mithilfe des SIFT-Algorithmus. Nat. Protokoll. 4, 1073–1081. https://doi.org/10.1038/nprot.2009.86 (2009).

Artikel CAS PubMed Google Scholar

Chang, C. et al. PLINK der zweiten Generation: Sich der Herausforderung größerer und umfangreicherer Datensätze stellen. GigaScience 4, 559 (2015).

Artikel Google Scholar

Ayuso, M. et al. Identifizierung und Priorisierung von SNPs, die möglicherweise an transkriptomischen und phänotypischen Unterschieden zwischen reinen und gekreuzten iberischen Schweinen beteiligt sind. 36. Konferenz der International Society for Animal Genetics (ISAG), Abstract Book, S. 128 (2017).

Yang et al. GCTA: Ein Tool zur genomweiten Analyse komplexer Merkmale. Bin. J. Hum. Genet. 88, 76–82 (2011).

Artikel CAS Google Scholar

Storey, JD, Bass, AJ, Dabney, A. & Robinson, D. Qvalue: Q-Wert-Schätzung zur Kontrolle der Falscherkennungsrate. R-Paketversion 2.16.0. http://github.com/jdstorey/qvalue (2019).

RStudio-Team. RStudio: Integrierte Entwicklung für R. http://www.rstudio.com/ (RStudio, PBC, 2020).

Zhang, H. et al. Eine Herunterregulierung von ACACA unterdrückt das bösartige Fortschreiten von Prostatakrebs durch Hemmung des mitochondrialen Potenzials. J. Krebs 12, 232–243. https://doi.org/10.7150/jca.49560 (2021).

Artikel CAS PubMed PubMed Central Google Scholar

Blom, W., de MuinckKeizer, SMPF & Stolte, HR Acetyl-CoA-Carboxylase-Mangel: Ein angeborener Fehler der De-novo-Fettsäuresynthese. N. engl. J. Med. 305, 465–466 (1981).

Artikel CAS Google Scholar

Ntambi, JM Stearoyl-CoA-Desaturase-1 ist ein biologischer Regulator der Energiehomöostase. In Stearoyl-CoA Desaturase Genes in Lipid Metabolism (Hrsg. Ntambi, J.) (Springer, 2013). https://doi.org/10.1007/978-1-4614-7969-7_3.

Kapitel Google Scholar

Bartz, M., Kociucka, B., Salamon, S., Jelen, H. & Switonski, M. Das Transkriptniveau des Schweine-SCD-Gens hat keinen Einfluss auf die Fettsäurezusammensetzung in Muskel- und Fettgewebe, wohl aber auf dessen Polymorphismus innerhalb der mutmaßlichen Die miRNA-Zielstelle ist mit der Tageszunahme und dem Futterverwertungsverhältnis verbunden. J. Anim. Wissenschaft. https://doi.org/10.2527/jas.2012-5380 (2012).

Artikel PubMed Google Scholar

Estany, J., Ros-Freixedes, R., Tor, M. & Pena, RN Eine funktionelle Variante im Promotor des Stearoyl-CoA-Desaturase-Gens verstärkt die Fettsäure-Entsättigung in Schweinefleisch. PLoS One 9, e86177. https://doi.org/10.1371/journal.pone.0086177 (2014).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Fernández, AI et al. Validierung der Auswirkungen des Schweine-SCD-Haplotyps auf die Fettsäureentsättigung und Fettablagerung in verschiedenen genetischen Hintergründen. Livest. Wissenschaft. 205, 98–105. https://doi.org/10.1016/j.livsci.2017.09.021 (2017).

Artikel Google Scholar

Ros-Freixedes, R. et al. Eine genomweite Assoziationsstudie identifiziert SCD und LEPR als die beiden Hauptorte, die den intramuskulären Fettgehalt und die Fettsäurezusammensetzung bei Duroc-Schweinen beeinflussen. PLoS One 11, e0152496. https://doi.org/10.1371/journal.pone.0152496 (2016).

Artikel CAS PubMed PubMed Central Google Scholar

Timmer, JR et al. Gewebemorphogenese und Gefäßstabilität erfordern das Frem2-Protein, ein Produkt des myelenzephalen Blebs-Gens der Maus. Proz. Natl. Acad. Wissenschaft. USA 102, 11746–11750 (2005).

Artikel ADS CAS Google Scholar

Petrou, PP, Makrygiannis, AK & Chalepakis, G. Die Fras1/Frem-Familie extrazellulärer Matrixproteine: Struktur, Funktion und Zusammenhang mit dem Fraser-Syndrom und dem Mausbläschen-Phänotyp. Verbinden. Geweberes. 49, 277–282 (2008).

Artikel CAS Google Scholar

Schiavo, G. et al. Genomweite Assoziationsanalysen für mehrere äußere Merkmale der autochthonen Casertana-Schweinerasse. Livest. Wissenschaft. 230, 103842. https://doi.org/10.1016/j.livsci.2019.103842 (2019).

Artikel Google Scholar

Hryniewicz-Jankowska, A., Czogalla, A., Bok, E. & Sikorsk, AF Ankyrine, multifunktionale Proteine, die an vielen zellulären Signalwegen beteiligt sind. Folia Histochem. Zytobiol. 40, 239–249 (2002).

CAS PubMed Google Scholar

Haider, N., Mann, M. & Kahn, CR Signaldefekte im Zusammenhang mit Insulinresistenz bei Nicht-Diabetikern und Diabetikern sowie Veränderungen durch das Geschlecht. J. Clin. Investig. 131, e151818. https://doi.org/10.1172/JCI151818 (2021).

Artikel CAS PubMed PubMed Central Google Scholar

Václavíková, R., Hughes, DJ & Souček, P. Mikrosomale Epoxidhydrolase 1 (EPHX1): Gen, Struktur, Funktion und Rolle bei menschlichen Krankheiten. Gene 571, 1–8. https://doi.org/10.1016/j.gene.2015.07.071 (2015).

Artikel CAS PubMed PubMed Central Google Scholar

McReynolds, C., Morisseau, C., Wagner, K. & Hammock, B. Epoxidfettsäuren sind vielversprechende Ziele für die Behandlung von Schmerzen, Herz-Kreislauf-Erkrankungen und anderen Indikationen, die durch mitochondriale Dysfunktion, endoplasmatischen Stress und Entzündungen gekennzeichnet sind. Adv. Exp. Med. Biol. 1274, 71–99. https://doi.org/10.1007/978-3-030-50621-6_5 (2020).

Artikel CAS PubMed PubMed Central Google Scholar

Gautheron, J. et al. EPHX1-Mutationen verursachen aufgrund einer beeinträchtigten Epoxidhydrolyse und einer erhöhten Zellalterung ein lipatrophisches Diabetes-Syndrom. Elife 10, e68445. https://doi.org/10.7554/eLife.68445 (2021).

Artikel CAS PubMed PubMed Central Google Scholar

Edin, ML et al. Epoxidhydrolase 1 (EPHX1) hydrolysiert Epoxyeicosanoide und beeinträchtigt die Erholung des Herzens nach einer Ischämie. J. Biol. Chem. 293, 3281–3292. https://doi.org/10.1074/jbc.RA117.000298 (2018).

Artikel CAS PubMed PubMed Central Google Scholar

Jacobsen, M. et al. Charakterisierung von fünf Kandidatengenen innerhalb der ETEC F4ab/ac-Kandidatenregion bei Schweinen. BMC Res. Anmerkungen 4, 225 (2011).

Artikel CAS Google Scholar

Senyilmaz, D. et al. Regulierung der mitochondrialen Morphologie und Funktion durch Stearoylierung von TFR1. Natur 525, 124–128 (2015).

Artikel ADS CAS Google Scholar

Abraira, VE et al. Kreuzrepressive Wechselwirkungen zwischen LRIG3 und Netrin 1 prägen die Architektur des Innenohrs. Entwicklung 135, 4091–4099. https://doi.org/10.1242/dev.029330 (2008).

Artikel CAS PubMed Google Scholar

Hellström, M. et al. Herzhypertrophie und verringertes High-Density-Lipoprotein-Cholesterin bei Mäusen mit Lrig3-Mangel. Bin. J. Physiol. Regul. Integr. Komp. Physiol. 310(11), R1045–R1052 (2016).

Artikel Google Scholar

Yang, CW et al. Regulierung der T-Zell-Rezeptor-Signalisierung durch DENND1B in TH2-Zellen und allergischen Erkrankungen. Zelle 164, 141–155. https://doi.org/10.1016/j.cell.2015.11.052 (2016).

Artikel CAS PubMed Google Scholar

Agha, G. et al. Das Geburtsgewicht im Gestationsalter hängt mit der DNA-Methylierung bei der Geburt und in der Kindheit zusammen. Klin. Epigenet. 8, 118. https://doi.org/10.1186/s13148-016-0285-3 (2016).

Artikel CAS Google Scholar

Yoneyama, S. et al. Genzentrierte Metaanalysen für zentrale Adipositasmerkmale bei bis zu 57.412 Personen europäischer Abstammung bestätigen bekannte Loci und offenbaren mehrere neue Zusammenhänge. Summen. Mol. Genet. 23, 2498–2510. https://doi.org/10.1093/hmg/ddt626 (2014).

Artikel CAS PubMed Google Scholar

Harada, A. et al. Die räumliche Neuorganisation myogener regulatorischer Sequenzen steuert die Genexpression zeitlich. Nukleinsäuren Res. https://doi.org/10.1093/nar/gkv046 (2015).

Artikel PubMed PubMed Central Google Scholar

Pérez-Montarelo, D. et al. Gemeinsame Auswirkungen von Schweine-Leptin und Leptinrezeptor-Polymorphismen auf Produktivität und Qualitätsmerkmale. Anim. Genet. 43, 805–880 (2012).

Artikel Google Scholar

Galve, A. et al. Die Auswirkungen von Polymorphismen des Leptinrezeptors (LEPR) und des Melanocortin-4-Rezeptors (MC4R) auf den Fettgehalt, die Fettverteilung und die Fettzusammensetzung in einer Kreuzung aus Duroc × Landrace/Large White. Livest. Wissenschaft. 145, 145–152 (2012).

Artikel Google Scholar

Uemoto, Y. et al. Auswirkungen von Schweine-Leptinrezeptor-Genpolymorphismen auf die Rückenfettdicke, Fettflächenverhältnisse durch Bildanalyse und Serum-Leptinkonzentrationen in einer reinrassigen Duroc-Population. Anim. Wissenschaft. J. 83, 375–385 (2012).

Artikel CAS Google Scholar

He, F., Ru, X. & Wen, T. NRF2, ein Transkriptionsfaktor für Stressreaktionen und darüber hinaus. Int. J. Mol. Wissenschaft. 21, 4777. https://doi.org/10.3390/ijms21134777 (2020).

Artikel CAS PubMed Central Google Scholar

Aldehlawi, H. et al. Serumlipide, Retinsäure und Phenolrot regulieren die Expression der Keratine K1, K10 und K2 in kultivierten Keratinozyten unterschiedlich. Wissenschaft. Rep. 10, 4829. https://doi.org/10.1038/s41598-020-61640-9 (2020).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Muñoz, M. et al. Untersuchung von SSC12-Regionen, die die Fettsäurezusammensetzung von intramuskulärem Fett beeinflussen, unter Verwendung von SNP-Daten mit hoher Dichte. Vorderseite. Genet. https://doi.org/10.3389/fgene.2011.00101 (2012).

Artikel PubMed PubMed Central Google Scholar

Caputo, T. et al. Antiadipogene Signale zu Beginn einer durch Fettleibigkeit bedingten Entzündung im weißen Fettgewebe. Zelle. Mol. Lebenswissenschaft. 78, 227–247. https://doi.org/10.1007/s00018-020-03485-z (2021).

Artikel CAS PubMed Google Scholar

Chen, ZL et al. Die Aktivierung des akuten Wnt-Signalwegs reguliert die Leptin-Genexpression in reifen Adipozyten positiv. Zellsignal. 27, 587–597. https://doi.org/10.1016/j.cellsig.2014.12.012 (2015).

Artikel CAS PubMed Google Scholar

Engelbrechtsen, L. et al. Häufige Varianten des spannungsgesteuerten Kaliumkanals hERG (KCNH2) sind mit veränderten Nüchtern- und glukosestimulierten Plasma-Inkretin- und Glucagon-Reaktionen verbunden. BMC Genet. 19, 15. https://doi.org/10.1186/s12863-018-0602-2 (2018).

Artikel CAS PubMed PubMed Central Google Scholar

Sonne, SB et al. Fettleibigkeit ist mit depotspezifischen Veränderungen der DNA-Methylierung und Genexpression von Adipozyten verbunden. Adipozyten 6, 124–133. https://doi.org/10.1080/21623945.2017.1320002 (2017).

Artikel CAS PubMed PubMed Central Google Scholar

Kim, YN et al. Ein Ahnak-Mangel schwächt die durch eine fettreiche Ernährung verursachte Fettleber bei Mäusen durch FGF21-Induktion ab. Exp. Mol. Med. 53, 468–482 (2021).

Artikel CAS Google Scholar

Lampidonis, AD, Rogdakis, E., Voutsinas, GE & Stravopodis, DJ Das Wiederaufleben der hormonsensitiven Lipase (HSL) in der Lipolyse von Säugetieren. Gen 477, 1–11. https://doi.org/10.1016/j.gene.2011.01.007 (2011).

Artikel CAS PubMed Google Scholar

Zappaterra, M. et al. Eine Assoziationsstudie zwischen der Fettsäurezusammensetzung im Rückenfett und SNPs in Kandidatengenen unterstreicht die Wirkung des FASN-Polymorphismus bei großen weißen Schweinen. Fleischwissenschaft. 156, 75–84. https://doi.org/10.1016/j.meatsci.2019.05.013 (2019).

Artikel CAS PubMed Google Scholar

Sethi, JK & Hotamisligil, GS Stoffwechselbotenstoffe: Tumornekrosefaktor. Nat. Metab. 3, 1302–1312. https://doi.org/10.1038/s42255-021-00470-z (2021).

Artikel CAS PubMed Google Scholar

Jacobsen, MJ et al. Die epigenetische und transkriptomische Charakterisierung reiner Adipozytenfraktionen von adipösen Schweinen identifiziert mögliche Stoffwechselwege, die den Stoffwechsel steuern. Vorderseite. Genet. 17, 1268 (2019).

Artikel Google Scholar

Jeyakumar, SM et al. Der Fettsäure-Entsättigungsindex korreliert mit der Körpermasse und den Adipositas-Indizes für Fettleibigkeit bei den Wistar-NIN-Rattenmutantenstämmen WNIN/Ob und WNIN/GR-Ob. Nutr. Metab. (Lond.) 11, 27. https://doi.org/10.1186/1743-7075-6-27 (2009).

Artikel CAS Google Scholar

Referenzen herunterladen

Die experimentelle Arbeit wurde von der Agencia Estatal de Investigacion finanziert (Projekte AGL2013-48121-C3-R; AGL2016-79321-C2-1-R; PID2019-108695RB-C31/AEI/10.13039/501100011033). MVG und CGC wurden von der spanischen Regierung unterstützt (MVG: FPU National Program Grant Number FPU014/01285. CGC: FPI National Program Grant Number BES-2014-070464). Wir danken den Mitarbeitern von Ibéricos de Arauzo SL für ihre Hilfe mit dem Tiermaterial.

Abteilung für tiergenetische Verbesserung, INIA-CSIC, Madrid, Spanien

C. Óvilo, Y. Núñez, F. Garcia, JM García-Casco und M. Muñoz

Forschungsinstitut für Nutztierbiologie, FBN, Dummerstorf, Deutschland

N. Tracooljul, F. Hadlich, E. Murani und K. Wimmers

CoPeD, Abteilung für Veterinärwissenschaften, Universität Antwerpen, Wilrijk, Belgien

M. Ayuso

Abteilung für Ernährung und nachhaltige Tierproduktion, CSIC, Granada, Spanien

C. Garcia-Contreras

Universität Sorbonne, INSERM, NutiOmics, Paris, Frankreich

M. Vazquez-Gomez

Abteilung für Tierproduktion, Fakultät für Veterinärmedizin, UCM, Madrid, Spanien

AI Rey, C. López-Bote & B. Isabel

Fakultät für Veterinärmedizin, Universität Cardenal Herrera-CEU, Valencia, Spanien

A. González-Bulnes

Sie können diesen Autor auch in PubMed Google Scholar suchen

CO, AGB, BIR, AIR und CLB konzipierten und gestalteten die Studie und erhielten Fördermittel. YN, CGC und FG führten die Nasslaborarbeiten durch. CO, NT, FH, MM, MA trugen zur Bioinformatik und statistischen Analysen bei. BIR, AIR, AGB, MVG, CGC stellten Muster zur Verfügung. CO, MM, MVG, JGC, CLB, AGB, EM und KW trugen zur Dateninterpretation bei. CO hat den Artikel geschrieben. Alle Autoren haben die eingereichte Version gelesen und genehmigt.

Korrespondenz mit C. Óvilo.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Óvilo, C., Trakooljul, N., Núñez, Y. et al. SNP-Entdeckungs- und Assoziationsstudie für Wachstum, Fettgehalt und Fleischqualitätsmerkmale bei iberischen Kreuzungsschweinen. Sci Rep 12, 16361 (2022). https://doi.org/10.1038/s41598-022-20817-0

Zitat herunterladen

Eingegangen: 04. Mai 2022

Angenommen: 19. September 2022

Veröffentlicht: 30. September 2022

DOI: https://doi.org/10.1038/s41598-022-20817-0

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.