优化奶牛生产力基因组学和营养基因组技术.docVIP

优化奶牛生产力:基因组学与营养基因组技术 2014-04-21 07:56 荷斯坦奶农俱乐部网 访问量：19 [ 字号：大 中 小 ] 　　D.E.Bauman 美国康奈尔大学　译者 王永康 上海奶业协会 　　基因组学对营养的应用 　　基因组的发展 　　2009年4月，著名的科学杂志以该期的封面和两篇论文宣告牛基因组的排列顺序(牛基因组顺序和分析协作组等，2009;牛基因图谱协作组，2009)。牛的基因组在规模或大小上与人类和其他哺乳动物的基因组相似，含有约30亿对碱基和约22000个基因，这些特殊蛋白质的基因密码涉及到先前所讨论的生命周期。因此，牛基因组序列和新基因组手段的发展提供了更好理解奶牛生物学的机遇，并提出了鉴别动物生产效率差异的遗传基础框架，使之可以通过遗传选择或管理干预用于提高生产性能和动物健康(Garrick等，2012)。 　　单核苷酸多态性(SNP)代表了在DNA序列内核苷酸的基本变化。近期，美国农业部动物研究站(USDA-ARS)的科学家测定了500多头荷斯坦母牛和公牛的基因型，鉴别了与诸如奶产量和长寿性的选择性状相关的38000个SNP标记(VanRaden等，2009;Cole等，2009)。SNP无疑与在高产奶牛上观察到的更高生产效率相关。然而很可能变异的少量差别存在于许多的位点，而不是捕捉动物中间生产效率大部分变异的少数位点。 　　每个基因编码构成特异蛋白质的氨基酸特殊序列。SNP可以产生蛋白质顺序上的不同氨基酸，而且这可能影响到蛋白质的生物学功能。在这一时间节点上，鉴别与奶牛生产效率(饲料效率)功能性差别相应的特殊SNP，仅有有限的成功，但是该领域应该具有今后使人振奋的应用价值。 　　有三个基因组学开发的领域，已经影响着我们有关对营养、饲料效率和奶产量生物学的理解。这些是(1)重组DNA技术在生产牛生长激素中的应用;(2)利用剩料摄入量(residual feed intake)鉴别饲料效率较好遗传的母牛;(3)应用营养基因组技术(nutrigenomics)了解和识别乳脂合成的疑难问题。生物技术特别是重组DNA技术的发现，是开发和商业化应用重组牛生长激素(rbST)作为奶牛生产者管理手段的关键。到目前，已有350万头美国的母牛给予rbST的补充达商业应用19年之久。rbST是一种生理过程稳定控制，极大地影响着营养分配，导致奶产量增加4～5千克/日。由rbST合理安排代谢并提高奶牛生产的饲料效率和降低碳足迹的机制，已在别处有所综述(Bauman,1999;Capper等，2013)，因而不再进一步讨论。其他两个领域代表了应用基因组学的较近期发展，将在以下的章节中简要讨论。 　　剩料摄入量 　　饲料效率是以几种不同的方式定义和测定的，其中之一是剩余饲料或剩料摄入量(RFI)，由Koch等(1963)首先提议作为生长牛饲料效率的一种测定。在肉牛中，引用或参照RFI的优点是，它用于估测饲料采食量生产性状是表型独立的(Herd等，2009;Berry等，2012)。生长牛的RFI，是以动物实际饲料采食量和它的预期饲料采食量之间的差数计算的，它由干物质采食量对平均体重和生长率的回归所决定(Williams等，2011)。近期有数个研究小组为了评估泌乳母牛的饲料效率而估测了RFI值(Coleman等，2010;Connor等，2012;VandeHaar等，2012)。泌乳母牛的预期饲料采食量虽有变化，但一般包含在胎次、体型大小、体重和体况评分变化以及奶产量和奶成分的调整回归之内。 　　一群泌乳早期的荷斯坦母牛，其RFI的示例见于图2，处于联线以下的母牛具有较高的饲料效率，因为她们的实际饲料采食量少于来自回归调整的预期饲料采食量。RFI的潜在优点，是鉴别奶牛生来就有高饲料效率可能性，但不显示经常与高产相关的健康风险或福利的负面影响(Connor等，2012)。因此，RFI可以成为鉴别更有效率动物的一个方法，并可推导出选择方案应用中SNP和RFI之间的相关。然而在有关乳用和肉用牛饲料效率的遗传综述中，Berry等(2013)告诫，假设不可解释的采食量(RFI)代表了真正的饲料效率则是一种错误的概念;他们与Robinson合作并指出，剩余的组分有一部分可能是由于随机干扰的原因，如测定和预测的差错，或者由于不准确的记录，饲料损耗以及各回归计算的回归系数的偏差等。 　　如前所定义的，奶牛的生产力或生产效率是以每单位资源投入的奶量计算的，所以它也代表了饲料效率的一种测定。早先有关“生命周期”的讨论和生产效率变异的来源，如何与RFI值描述的变异联系起来?RFI的计算指定为通过有关于个体动物在奶产量、体重和体况差异的调整去消除营养分配的动物差异的。因此，营养分配的动物差异，如在前述章节鉴别的领域，不再是RFI所评定的一