-
题名基于转录组测序对双峰驼产奶性状候选基因的筛选
- 1
-
-
作者
张心坦
李永凤
郭杨
霍飞
耿娟
-
机构
新疆农业大学动物科学学院
新疆维吾尔自治区畜牧总站
-
出处
《中国畜禽种业》
2025年第7期15-28,共14页
-
基金
新疆维吾尔自治区重大科技专项项目“驼、兔高效繁殖技术研究”(2023A02011-4)。
-
文摘
该试验通过对60峰双峰驼和60头奶牛的乳中提取体细胞进行RNA测序分析,筛选差异表达基因,并通过GO和KEGG分析对基因功能和通路进行注释。之后对60峰双峰驼转录组样本进行加权基因共表达网络分析(Weighted gene co-expression network analysis, WGCNA)和全转录组关联分析(Whole transcriptome association analysis, TWAS),筛选与乳脂和乳蛋白相关的基因模块和候选基因,并通过交集分析鉴定共有基因。结果表明:鉴定出的4657个差异表达基因,2461个上调,2196个下调。GO和KEGG分析显示,上调基因主要涉及ECM受体相互作用、催乳素信号通路和Wnt信号通路,而下调基因主要涉及JAK-STAT、 PI3K-Akt和MAPK信号通路,这些通路均与产奶性状密切相关。WGCNA分析筛选出与乳脂和乳蛋白相关的模块各两个,分别包含271个和558个特异表达基因。TWAS分析分别鉴定出与乳脂和乳蛋白相关的基因137个和266个。交集分析最终鉴定出与乳脂相关的共有基因3个,与乳蛋白相关的共有基因104个,其中MFSD2A与乳脂相关,PPP2R2B、 IRF6、 ELF5与乳蛋白相关。该研究发现与产奶性状相关的6条信号通路鉴定出,通过WGCNA和TWAS分析发现了1个基因与乳脂显著相关,3个基因与乳蛋白显著相关。
-
关键词
产奶性状
差异基因
加权基因共表达网络分析
全转录组关联分析
-
Keywords
Milk production traits
Differentially expressed genes
Weighted gene co-expression network analysis
Transcriptomewide association study
-
分类号
S824.2
[农业科学—畜牧学]
-
-
题名机器学习模型对猪基因表达量预测准确性的评估
- 2
-
-
作者
周天乐
滕金言
徐志婷
张哲
-
机构
华南农业大学动物科学学院/广东省农业动物基因组学与分子育种重点实验室
-
出处
《华南农业大学学报》
北大核心
2025年第4期549-557,共9页
-
基金
国家生猪产业技术体系(CARS-35)
国家重点研发计划(2022YFF1000900)。
-
文摘
【目的】对比不同机器学习模型利用基因顺式单核苷酸多态性(Single-nucleotide polymorphism,SNP)预测猪的基因表达量的效果,探究基因顺式遗传力(cis-heritability,cis-h^(2))和顺式SNP(cis-SNP)数量与不同模型预测准确性的关系。【方法】基于PigGTEx项目猪肌肉组织样本的蛋白编码基因,使用18种不同机器学习模型,将基因转录起始位点±1 Mb范围内的cis-SNP用于训练,评估每种模型的预测准确性。【结果】机器学习模型的预测准确性与基因cis-h^(2)呈正相关,弹性网络回归模型和Lasso回归模型整体预测准确性最高,R^(2)平均值分别为0.0362和0.0358;一定范围内,模型预测准确性与基因cis-SNP数量呈正相关。【结论】使用机器学习模型预测猪基因表达的准确性受基因cis-h^(2)和cis-SNP数量影响较大,根据不同基因的cis-h^(2)和cis-SNP数量选择合适的机器学习模型预测猪的基因表达量有利于提高预测准确性。
-
关键词
机器学习
猪
基因表达量
全转录组关联分析
顺式遗传力
顺式SNP
-
Keywords
Machine learning
Pig
Gene expression
Transcriptome-wide association study
cis-heritability
cis-SNP
-
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
S828
[农业科学—畜牧学]
-
