Quantitative trait loci detection and benefits from marker-assisted selection in dairy cattle

Abstract

Perinteiset lypsykarjan jalostusohjelmat perustuvat eläimeltä ja /tai sen sukulaisilta saataviin fenotyyppitietoihin ja nuorten sonnien jälkeläisarvosteluun. Arvostelussa käytetty geneettinen malli olettaa kvantitatiivisiin ominaisuuksiin vaikuttavien geenien olevan tuntemattomia. Ominaisuuksiin vaikuttavien geenialueiden tai geenien tunteminen lisäisi informaatiota valintapäätösten tueksi, mikä saattaisi lisätä geneettistä edistymistä. Tämän tutkimuksen tarkoituksena oli ensinnäkin kartoittaa geenialueita (QTL), jotka vaikuttavat taloudellisesti tärkeisiin ominaisuuksiin: maidontuotantoominaisuuksiin, terveysominaisuuksiin ja hedelmällisyysominaisuuksiin suomalaisessa Ayrshire populaatiossa. Toiseksi tarkoituksena oli tutkia QTL-informaatiota käyttävän markkeriavusteisen valinnan (MAS) vaikutusta geneettiseen edistymiseen ja eri genominosien väliseen kytkentäepätasapainoon. Koko genomin kartoitus tehtiin pojantytärmallilla, jossa oli 12 puolisisarperhettä, joissa oli yhteensä 493 poikaa. Tutkittuja ominaisuuksia oli 12: maitotuotos, valkuaistuotos, valkuaisprosentti, rasvatuotos, rasvaprosentti, somaattinen soluluku, utaretulehdushoidot, muiden sairauksien hoidot, tyhjäkausi, hedelmällisyyshoidot, uusimattomuusprosentti ja vasikkakuolleisuus. Markkereita tyypitettiin yhteeensä 150 paitsi hedelmällisyyden kartoituksessa, missä markkereita tyypitettiin 171. Markkereiden välinen keskimääräinen etäisyys oli 20 cM ja niitä oli kahdesta neljääntoista kromosomia kohden. Markkereiden ja tutkittavien ominaisuuksien välinen yhteys analysoitiin usean markkerin regressiomenetelmällä. Kromosomit analysoitiin erikseen sekä käyttämällä muista kromosomeista löydettyjä QTL:iä kofaktoreina. Tilastollinen merkitsevyys määritettiin permutaatiolla ja genomikohtaiset P-arvot Bonferronikorjauksella. Markkeriavusteisen valinnan hyötyä tutkittiin simulaation avulla, missä perinteistä jälkeläisarvostelumallia verrattiin malliin, jossa QTL-informaatiota käytettiin täysveljien välisessä valinnassa perheiden sisällä. Simulaation geneettisessä mallissa ominaisuuteen vaikutti polygeenien lisäksi kaksi QTL:ää, jotka sijaitsivat eri kromosomeissa. Eri kokoa olevien QTL-vaikutusten ja edullisien alleelien alkufrekvenssien vaikutusta tutkittiin. Suomen Ayrshiren koko genomin kartoituksessa löydettiin useita, yhteensä 48, maito-, terveys- ja hedelmällisyysominaisuuksiin vaikuttavia geenialueita 5%:n kromosomikohtaisella merkitsevyystasolla, kun kromosomit analysoitiin erikseen. Maidontuotantoon vaikuttavia QTL:iä löydettiin yhteensä neljätoista. Muutamia mielenkiintoisia valkuais- ja rasvatuotokseen vaikuttavia geenialueita löytyi. Näitä ovat esimerkiksi rasvatuotokseen vaikuttava QTL kromosomissa 14, joka mahdollisesti on sama kuin Holstein rodusta aiemmin löydetty DGAT1 geeni, rasvatuotokseen vaikuttava QTL kromosomissa 12 sekä valkuaistuotokseen vaikuttavat QTL:t kromosomeissa 5, 12, 25. Somaattiseen solulukuun vaikuttavia QTL:iä löydettiin kromosomeista 3, 11, 14, 18, 27 ja 29. Utaretulehdukseen vaikuttavia QTL:iä löydettiin kromosomista 18 ja muiden sairauksien hoitoihin vaikuttavia QTL:iä kromosomeista 2, 14, 16, 22 ja 23. Tyhjäkauteen vaikuttavia geenialueita löytyi kromosomeista 1, 2, 5, 12, 20, 25 ja 29, hedelmällisyyshoitoihin vaikuttavia geenialueita kromosomeista 1, 5, 10, 14, 15, 19 ja 25, vasikkakuolleisuuteen vaikuttavia alueita kromosomeista 4, 6, 11, 15, 18 ja 23 ja uusimattomuusprosenttiin vaikuttavia alueita kromosomeista10 and 14. Kofaktorianalyysissä maidontuotannon geenialueita löytyi yhteensä 31 ja terveyteen vaikuttavia geenialueita 17, joista useat todennäköisesti kuitenkin ovat vääriä positiivisia tuloksia. Markkeriavusteisen valinnan simulaatiotutkimuksessa havaittiin, että geneettinen kokonaisedistyminen (polygeeninen edistyminen + QTL-edistyminen) oli nopeampaa MAS:lla kuin perinteisellä valinnalla ja MAS:n hyöty kesti tutkittujensukupolvien ajan. Muutokset hyödyllisten alleelien frekvensseissä vaikuttivat selvästi geneettisen edistymisen nopeuteen ja eroihin valintamenetelmien välillä. Polygeenien ja QTL:ien välinen kytkentäepätasapaino oli aina negatiivinen ja suurempi, kun QTL-vaikutus oli suurempi. Kun hyödyllisien alleelien alkufrekvenssi oli pieni, kytkentäepätasapaino oli hiukan suurempi MAS:lla mutta suuremmilla alkufrekvensseillä pienempi. Kun valintaa jatkettiin neljä sukupolvea, kytkentäepätasapaino oli aluksi MAS:lla negatiivisempaa, mutta väheni sitten nopeammin kuin tavanomaisella valinnalla. QTL:ien välinen kytkentäepätasapaino oli suurempi, kun QTL-vaikutus oli suurempi. Se oli hiukan suurempi MAS:lla, kun alkufrekvenssit olivat alle 0.5 keskikokoisilla QTL:llä ja alle 0.3 suurilla QTL:llä. Kun valintaa jatkettiin neljä sukupolvea, MAS aiheutti ensin negatiivisempaa kytkentäepätasapainoa, mutta myöhemmin vähemmän negatiivisia arvoja kuin perinteinen valinta. Kun hyödylliset alleelit olivat lähes fiksoituneet, kytkentäepätasapaino oli molemmilla valintamenetelmillä lähellä nollaa. Yhteenvetona: tutkimuksessa löydettiin useita lypsykarjan taloudellisesti merkittäviin ominaisuuksiin vaikuttavia geenialueita. Lisää tutkimuksia tarvitaan näiden QTL:ien varmistamiseksi, segregoitumisen kartoittamiseksi nykyisessä nautapopulaatiossa, pleiotrooppisten vaikutusten määrittämiseksi ja mielenkiintoisten alueiden hienokartoittamiseksi. Simulaatiotutkimuksen tulokset osoittavat, että MAS yhdistettynä alkionsiirtoon, jolloin nuoria sonneja voidaan esivalita perheiden sisällä ja näistä parhaat jälkeläisarvostella, on hyvä, geneettistä edistymistä lisäävä vaihtoehto tavanomaiselle jalostusvalinnalle.

Conventional breeding schemes for dairy cattle are based on phenotypic information obtained from individuals and/or their relatives and progeny testing of the young bull candidates. The genetic model used in the evaluation process of the animals does not assume the underlying genes of the quantitative traits to be known. Knowing the chromosomal areas or actual genes affecting the traits would add more information to be used in the selection decisions which would potentially lead to higher genetic response. The first objective of this study was to map quantitative trait loci (QTL) affecting economically important traits: milk production traits, health traits and fertility traits in the Finnish Ayrshire population. The second objective was to investigate the effects of using QTL information in marker-assisted selection (MAS) on the genetic response and the linkage disequilibrium between the different parts of the genome. Whole genome scans were carried out on a grand-daughter design with 12 half-sib families and a total of 493 sons. Twelve different traits were studied: milk yield, protein yield, protein content, fat yield, fat content, somatic cell score (SCS), mastitis treatments, other veterinary treatments, days open, fertility treatments, non-return rate, and calf mortality. A total of 150 markers were used in all other studies except for fertility traits where 171 markers were used. The average spacing of the markers was 20 cM with 2 to 14 markers per chromosome. Associations between markers and traits were analyzed with multiple marker regression. Chromosomes were analyzed separately and by using QTL on other chromosomes as cofactors. Significance was determined by permutation and genome-wise P-values obtained by Bonferroni correction. The benefits from MAS were investigated by simulation: a conventional progeny testing scheme was compared to a scheme where QTL information was used within families to select among full-sibs in the male path. Two QTL on different chromosomes were modelled. The effects of different starting frequencies of the favourable alleles and different size of the QTL effects were evaluated. In the whole genome scans of milk, health and fertility traits of Finnish Ayrshire a large number of QTL, 48 in total, were detected at 5% or higher chromosomewise significance when the chromosomes were analyzed separately. Milk production QTL were found on 8 chromosomes. There are some interesting yield QTL, for example the QTL affecting fat yield on BTA14 which probably is the DGAT1 gene, and the QTL affecting fat yield on BTA12 and protein yield on BTA5, 12, 25. Quantitative trait loci for SCS were found on BTA3, 11, 14, 18, 27, and 29, for mastitis treatments on BTA18 and for other veterinary treatments on BTA2, 14, 16, 22, and 23. Quantitative trait loci for days open were found on BTA1, 2, 5, 12, 20, 25, and 29, for fertility treatments on BTA1, 5, 10, 14, 15, 19, and 25, for calf mortality on BTA4, 6, 11, 15, 18, and 23 and for non-return rate on BTA10 and 14. The use of cofactors revealed a total of 31 possible QTL for milk production traits and 17 for health traits many of which are likely to be false positives however. In the simulation study the total genetic response was faster with MAS than with conventional selection and the advantage of MAS persisted over the studied generations. The rate of response and the difference between the selection schemes reflected clearly the changes in allele frequencies of the favourable QTL. The disequilibrium between the polygenes and QTL was always negative and it was larger with larger QTL size. With lower initial allele frequencies the disequilibrium was slightly higher with MAS but with higher initial frequencies it was lower. When selection was continued for four generations, the MAS scheme resulted first in more negative disequilibrium but the disequilibrium decreased slightly faster with MAS than with conventional selection. The disequilibrium between the two QTL was larger with QTL of large effect and it was somewhat larger with MAS for scenarios with starting frequencies below 0.5 for QTL of moderate size and below 0.3 for large QTL. When selection was continued for four generations, the MAS scheme resulted first in more negative values than the conventional scheme but later in less negative values until close to fixation of the favourable allele when the disequilibrium was close to zero in both schemes. In conclusion, several QTL affecting economically important traits of dairy cattle were detected. Further studies are needed to verify these QTL, check their presence in the present breeding population, look for pleiotropy and fine map the most interesting QTL regions. The results of the simulation studies show that using MAS together with embryo transfer to pre-select young bulls within families is a useful approach to increase the genetic merit of the AI-bulls compared to conventional selection.