牙鲆50K SNP芯片的构建及其在抗病基因组选择中的应用

工程7（2021）406研究育种工程-文章牙鲆50K SNP芯片的构建及其在抗病基因组选择中的应用周倩a，b，#，陈亚东a，#，卢胜a，刘洋a，徐文腾a，b，李杨珍a，王磊a，王娜a，b，杨英明a，陈松林a，b，陈伟海洋渔业可持续发展农业部重点实验室，中国水产科学研究院黄海水产研究所，青岛266071b海洋科学与技术国家试点实验室（青岛）海洋渔业科学与食品生产过程实验室，青岛266373阿提奇莱因福奥文章历史记录：收到2020年2020年5月12日修订2020年6月10日接受2020年8月1日网上发售关键词：褐牙鲆SNP阵列抗病性基因组选择A B S T R A C T单 核 苷 酸 多 态 性 （ SNP ） 阵 列 是 一 种 强 大 的 基 因 分 型 工 具 ， 用 于 遗 传 研 究 和 基 因 组 育 种 计 划 。 牙 鲆（Paralichthys olivaceus）是一种重要的水产养殖经济鱼类。然而，缺乏高效的基因分型工具，阻碍了基因组育种计划的日本比目鱼。我们开发了一个50K的日本比目鱼SNP阵列，我们从1099个个体的全基因组重测序数据中筛选了超过4220万个SNP，并选择了48697个均匀分布在基因组中的SNP，以Affytron Axiom基因分型技术锚定阵列。对168条鱼的阵列性能的评估显示，74.7%的基因座成功地以高调用率（> 98%）进行了基因分型，并且多态性SNP具有良好的聚类分离。超过85%的SNP与从全基因组重测序数据获得的SNP一致。为验证与传统的基于家系的最佳线性无偏预测（ABLUP）相比，加权基因型最佳线性无偏预测（wGBLUP）的GEBV预测准确率相对提高了21.2%，表明豫新一号具有良好的预测性能1综上所述，本研究成功构建了©2020 THE COUNTORS.Elsevier LTD代表中国工程院出版，高等教育出版社有限公司。这是一篇CC BY-NC-ND许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）中找到。1. 介绍单核苷酸多态性（SNP）芯片是一种高质量和方便的基因分型平台。利用SNP阵列，每个样本可以同时检测数万个SNP，从而为遗传研究和育种计划提供高通量和高效率。SNP阵列已成功地用于几个经济物种的种质鉴定、复杂性状解剖、标记辅助选择（MAS）和基因组选择（GS）。GS使用跨越整个基因组的遗传标记来预测基因组估计育种值（GEBV）;选择具有高GEBV的动物进行育种[1]。应用-*通讯作者。电子邮件地址：chensl@ysfri.ac.cn（新加坡）陈）。#这些作者对这项工作做出了同样的GS在育种计划中的应用是非常成功的。例如，在大多数国家，奶牛育种计划依赖于GS与商业牛SNP阵列[2，3]。在过去的六年中，中国已经完成了20多种鱼类的全基因组测序项目[4]。 大量养殖鱼类全基因组序列的获得促进了GS程序和SNP阵列的发展。最近，已经为水产养殖物种开发了几种SNP阵列，例如大西洋鲑鱼（ Salmo salar ） [5 ， 6] ， 鲤 鱼 （ Cyprinus carpio ） [7] ， 虹 鳟 鱼（ Oncorhynchus mykiss ） [8] 和 鲶 鱼 （ Ictalurus punctatus 和 Ictalurusfurcatus）[9]。然而，据我们所知，没有任何比目鱼物种或鱼类抗病性选择的SNP阵列。牙鲆（Paralichthys olivaceus）是我国、韩国、日本等国的重要水产养殖品种。日本比目鱼的选择性育种始于1970年。https://doi.org/10.1016/j.eng.2020.06.0172095-8099/©2020 THE COMEORS.由爱思唯尔有限公司代表中国工程院和高等教育出版社有限公司出版。这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表工程杂志首页：www.elsevier.com/locate/engQ. Zhou，Y. Chen，S. Lu等人工程7（2021）406407≤≥≥·≥≥≥≥70年代初在日本，90年代在中国。然而，日本比目鱼养殖的可持续性面临着种质退化、传染病频发、缺乏优良育种品系等多重挑战。因此，迫切需要先进的基因组育种计划来开发高质量的菌株，以优化生产和培养管理。一些先前的研究试图促进日本比目鱼的选择性育种和水产养殖。例如，已经报道了用于淋巴囊肿病抗性的微卫星标记（Poli 9 - 8 TUF）并用于MAS[10]，并且用SNP遗传连锁图鉴定了鳗弧菌病抗性的数量性状位点（QTL）[11]。这些结果提高了我们对抗病性遗传结构的理解。然而，标记数量少限制了选择育种程序的能力。GS，基于全基因组SNP的选择，对于抗病性（由几个基因座控制的复杂性状）是迫切需要的[12，13]。我们使用下一代测序（NGS）技术完成了日本比目鱼的全基因组测序和组装[14]。我们还基于大规模基因组重测序数据完成了对细菌疾病抗性的GS[15]。本研究设计、表征并验证了一个50K的比目鱼SNP芯片“豫新1号”。我们使用来自1099个个体的基因组重测序数据来选择用于阵列的高质量和信息性SNP，并验证其基因分型性能。利用“豫新1号”进行抗细菌性GS的研究，获得了群体结构的良好分离和较高的GEBV估算精度这些结果证明了该阵列在高抗病性以及其他经济上重要的性状的基因组育种计划中的潜力。SNP阵列对任何感兴趣的各方都是公开可用的。2. 材料和方法2.1. SNP鉴定用于SNP阵列的SNP来自1099条日本比目鱼的全基因组重测序数据，包括Liu等人[15]报道的931个个体和本研究中测序的168个个体（NCBI SRA登录号SRP 253464）。简言之，从鳍组织提取基因组DNA，然后根据标准方案（Illumina，USA）进行Illumina双端测序文库构建。在Illumina HiSeq 2000测序平台上产生原始读段，并用质量控制（QC）-链[16]进行质量过滤，以去除低质量读段、衔接子序列和模糊核苷酸（Ns）。用Burrows-Wheeler比对仪将所得干净读段与日本比目鱼参考基因组（NCBI登录号GCA_001904815.2）比对使用默认参数[18]，用基因组分析工具包（GATK）进行SNP调用，并通过最小作图质量值20、SNP质量评分20和读段碱基质量30鉴定推定的SNP。2.2. SNP选择用多 个步骤和 参数过滤 初始SNP 集。 首先，我 们使用PLINK（v1.07）[19]计算次要等位基因频率（MAF）和缺失率，并使用MAF0.05和 缺失 率 计 算 SNPs0.1 被 排除 在 外 。我 们使 用 VCFtools（v0.1.14）[20]和-hwe选项测试了接下来，将具有35个碱基对（bp）的 上 游 和 下 游 侧 翼 序 列 的 所 选 SNP 提 交 给 Affyphase Axiom®myDesignGW生物信息学管道（Thermo Fisher Scientific Inc.，USA）进行探针设计。在该流水线中，将p-转化值（0和1之间）分配给每个SNP，表示给定SNP转化为Affy-Axiom阵列系统上的可靠SNP测定的概率。该评分考虑SNP序列、结合能、预期的非特异性结合程度以及与多个基因组区域的杂交。根据p-convert值和在流水线中实现的几个其他QC度量，变体被分类为聚计数=0），''不推荐<0.4，或无摆动3，或多边形计数> 0，或重复计数> 0），“不可能”（如果我们不能构建探针，则在给定链上分别在该方向上询问SNP）和“neutral”（其他）。仅保留指定为“推荐”或“中性”的探针用于进一步分析。候选SNP的侧翼序列也需要没有其他变异或重复元件。保留了30%至70%范围内的侧翼序列的GC含量我们还过滤了SNP，以确保在基因组中均匀分布。我们排除了大多数A/T和C/G SNP颠换，因为这些标记物在Affytron Axiom阵列平台上占据了两倍的空间。将最终选择的SNP组的探针锚定在具有2000个培养皿质量控制（DQC）探针（阴性对照）的SNP阵列上。最后，我们使用SNPeff（v4.2）[21]来预测SNP对预测的日本比目鱼基因模型的功能影响。2.3. SNP阵列性能评估“豫新一号”的表现1从每条鱼中提取基因组DNA样品，并根据AffyphidAxiom® 2.0测定方案标记，最终浓度为50 ng/ L，体积为10μ L。DNA杂交和阵列扫描在Affy-Genetan多通道仪器（Thermo Fisher，USA）上完成，其生成CEL文件中的原始数据。将这些文件导入Axiom Analysis Suite软件进行质量控制，基因分型;样本QC参数为DQC值0.82，调用率（CR）0.97，合格样本百分比95%，合格样本的平均CR 98.5%（遵循“最佳实践工作流程”）。默认SNP QC阈值也用于过滤基因型。通过信号强度和簇分离来评估变体的探针转换质量，并计算杂合/纯合基因型调用的数量。基于这些度量，将变体分为六个类别：“PolyHighResolution”（SNP具有良好的聚类分辨率和至少两个次要等位基因的实例）、“MonoHighResolution”（SNP具有良好的SNP聚类，但少于两个样品具有较小的等位基因）、“PolyHighResolution”（SNP具有良好的聚类分辨率和至少两个次要等位基因的实例）、“MonoHighResolution”（SNP具有良好的SNP聚类，但少于两个样品具有较小的等位基因的实例）、“PolyHighResolution”（SNP具有良好的 聚 类 分 辨 率 和 至 少 两 个 次 要 等 位 基 因 的 实 例 ） 、“MonoHighResolution”（SNP具有良好的SNP聚类，但少于两个样品具有较小的等位基因的实例）、“MonoHighResolution”（SNP具有良好 的 聚 类 分 辨 率 和 至 少 两 个 次 要 等 位 基 因 的 实 例 ） 、“MonoHighResolution”（SNP具有良好的SNP聚类，但少于两个样品具有较小的等位基因的实例）和“MonoHighResolution”（SNP具有良好的聚类分辨率和至少两个次要等位基因的实例）。次要等位基因）、为了进一步检验SNP芯片的基因分型质量和准确性，我们从基因组重测序样本中随机选择了96个个体，并比较了两种方法的基因型。Q. Zhou，Y. Chen，S. Lu等人工程7（2021）406408GG.Σ.Σ≥2.4. 人口结构分析使用SNP阵列中168个个体的基因分型数据，我们在GCTA[23]并绘制了第一和第二分量。2.5. “豫新一号”的应用GS 中的 1“用于抗病性我们以前完成了一个GS程序的迟缓爱德华氏菌（E。tarda）使用全基因组重测序数据的抗病性[15]。在本研究中，我们使用“豫新一号”对72个个体进行其中27人（14男13女）是16个 使用加权基因组最佳线性无偏预测（wGBLUP）估计GEBV，并将中亲GEBV用作相应家族的GEBV。估计育种值（EBV）也估计了基于谱系的最佳线性无偏预测（ABLUP），涉及五个世代。用于（G）EBV估计的模型定义为y<$XbZ ge其中y是表型向量，包含观察值（0代表死亡/1代表存活），b是固定效应向量（截距、攻毒实验的不同批次和攻毒时的不同年龄），g是随机效应向量，e是随机残差。对于wGBLUP[24]，假设随机效应向量为遵循N0;Gωr2，其中Gω是根据迭代算法估计的加权基因组关系矩阵（加权G矩阵）[25]。对于ABLUP，假设g跟随N 0;Ar2 得双曲余切值.A为四代家系的分子关系矩阵，rg为加性遗传方差。X和Z是关联矩阵，分别将表型与效应和个体关联起来。使用内部R脚本构建加权G矩阵，并在R-ASReml中估计（G）EBV[26]。16个家庭用E.因此，可以通过家系水平的GEBV和生存率来评估wGBLUP和ABLUP的预测准确性。使用受试者工作特征曲线（AUC）下的面积[27]作为说明wGBLUP和ABLUP准确性的指标。为了估计AUC，将16个家族的存活率转换为二进制统计量;我们分别将存活率高于或低于平均值（44.33%）的家族分配为1或0（即，值为1的家族可用于育种）。AUC为在R-pROC中分析[28]。3. 结果和讨论本研究旨在建立一个高质量、标准化的比目鱼全基因组SNP芯片，并验证该芯片在遗传改良育种中的分型性能。几个因素可以影响SNP阵列的设计和质量，例如初始SNP组的质量、SNP过滤和选择参数以及SNP阵列生产技术。两种最常用的SNP阵列平台由Affyme和Illumina提供。两个平台都使用与基因座特异性探针的靶杂交，并且探针强度反映了相应等位基因的丰度[29]。在亲和阵列中，将指定位置的探针平铺在阵列表面上以获得SNP信息（即，芯片），而Illumina阵列使用微观珠来锚定探针。这些SNP基因分型平台已被用于广泛的遗传研究。高通量NGS是一种鉴定全基因组SNP的强大技术，可用于为SNP阵列选择信息SNP。3.1. 测序和SNP调用我们对168条鱼进行了全基因组重测序，经过质量过滤后产生了974.9 Gb的测序数据这些数据与来自90个育种家族的931个个体的测序数据相结合，这些育种家族具有系谱信息并且在抗病性方面具有表型多样性[15]。最后，将来自1099个个体的3.54 Tb测序数据与参考基因组进行比对（附录A中的表S1），并鉴定了超过4220万个SNP不同家系的大规模基因组重测序使我们能够鉴定出高质量和多样性的候选SNP集，这有利于随后的SNP选择。3.2. SNP选择和阵列设计对最初鉴定的SNP进行几个选择步骤。 首先，我们筛选MAF的SNP0.05，缺失率0.1，与HWE显著偏离（p0.01）。MAF过滤排除了变异小的SNP，缺失率高的SNP表明该基因型在人群中的数量有限。HWE过滤排除了由测序错误和自然选择引起的SNP。因此，这些过滤器去除了可能影响结果的低质量SNP。过滤产生3410891个候选SNP 的 SNP 组 ， 其 被 提 交 给 Affytechnicin silico 探 针 设 计 流 水 线 ;959651个SNP通过p-转化评估并被保留。最后，我们选择了在基因组中均匀分布的SNP，并将48697个SNP锚定在SNP阵列上，平均p转换值为0.684。3.3. 豫新一号的特性研究 1“SNP 阵列对于平铺在阵列上的48697个SNPs，合成了48768个探针-48626个SNPs具有一个探针，71个具有两个探针。阵列上的SNP具有0.177的平均MAF（图1B）。 1（a）），24条染色体的平均MAF范围为0.115至0.189（图1）。 1（b））。此外，20%的标记物表现出高变异性 （ MAF> 0.3 ） ，64.3% 的标记物具有 大于 0.1 的MAF值（图1B）。 1（a））。这种MAF分布表明高水平的多态性，这对于遗传分析，如全基因组关联研究（GWAS）和连锁作图是期望的超过35%的MAF值小于0.1。一般MAF模式与用于基因组重测序的源个体一致（即，从繁殖人口和家庭）。这将有助于未来尝试使用基因分型数据提高育种效率和准确为了评估SNP在整个基因组中的分布，我们将阵列上的基因座与日本比目鱼参考基因组进行比对，并计算基因座间距离。SNP分布呈现宽而均匀的间隔谱。相邻位点之间的平均间距为9.6 kb（图2（a）），SNP间的间距为：5125个SNP间距为6 kb，5175个（10.8%）间隔为6810-11 kb，6557个（13.7%）间隔为11-12 kb，5964个（12.4%）间隔为12-13 kb。累积起来，约96%的相邻SNP之间的间隙大于13 kb。此外，变异体均匀分布在整个基因组中，24条染色体的平均中值距离为9.8 kb（图2（b））。对于大多数SNP之间距离较大的区域，只有少数SNP符合选择标准。对平铺在阵列上的所有SNP进行注释，并基于其预测效应将其分类为不同的基因组组（表1）。在48697个SNPs中，26274个（53.9%）位于基因区域，包括外显子、内含子、剪接位点和内含子。Q. Zhou，Y. Chen，S. Lu等人工程7（2021）406409图1.一、豫新一号比目鱼SNPs的MAFs分析1（a）MAF的比例;（b）MAF在24条染色体上的分布图二.“渝新1号”基因座SNP阵列中基因座间距的分布(a)跨24条染色体的基因座间间距;（b）具有不同基因座间间距的SNP的分布。表1SNP分块对"渝新1号”比目鱼SNP阵列的影响SNPs数量比例3.4. 豫新一号的基因分型表现。 1英寸通过基因分型来评估SNP阵列的性能外显子终止增益止损820.02%0.00%168份来自育种家系的DNA样本，其中166份（98.2%）通过了97%的样品QC和CR阈值我们调查代名词1 912百分之三点九三数组上变量的转换性能，非同义内含子剪接75623 4754百分之一点五五48.21%0.01%基因型检出率，聚类分离，组内多态性以及阵列和重测序之间SNP基因型的一致性。上游/下游1160.24%在“豫新1号”的48697个SNPs中（1 kb）通过了所有SNP质量标准。 在这些基因型位点中，共计48697基因的上游和下游序列的1kb区域。基因区中最丰富的两组是内含子和同义编码SNPs，分别含有23475和1912个SNPs。非基因型SNPs包括上游（1-5 kb）1684个（3.46%）、上游在终止密码子下游（141.07%被归类为多态性（PolyHighResolution和NoMinorHom），33.64%被归类为单态性（MonoHighResolution）。其他基因座的基因分 型 质 量 较 差 ， 聚 类 性 能 较 差 ， 并 被 归 类 为 “OTV” 、“CallRateBelowThreshold”或“Others”。检测到相对较大比例的单态SNP（33.64%）;一些可能是SNP显示过程中的假阳性或由于缺乏合适的测定而无法有效评分的SNP。此外，基因分型群体与SNP发现群体相同，并且基因型非常相似。如果对更多的人群进行基因分型，这些SNP中的一些可能是多态性的。我们还比较了“豫新1号”与重测序的基因型在96条鱼的测试队列中，上游（11 6843.46%下游（11 7543.60%基因间18 985百分之三十八点九九Q. Zhou，Y. Chen，S. Lu等人工程7（2021）406410≥成功地通过阵列进行基因分型。在成功分型的基因座中，14899个（41.0%）与称为通过重测序; 4002（11.0%）、3421（9.4%）和3162（8.7%）个SNP一致率分别为0.95总之，70%的SNPs的一致率为85%，表明交叉验证的基因分型结果，SNP阵列和基因组重测序。3.5. 人口结构的主成分分析群体结构的研究对于许多群体遗传学研究是必不可少的。评价“豫新一号”是否具有较好的经济效益1”SNP阵列可以检测群体分离，我们对168个基因型个体的SNP进行了主成分分析。根据第一和第二主成分（PC），样本聚类为两个不同的组（图1）。 3）。这与它们分别在中国河北省和山东省的原产地/采样地点一致聚类分析结果表明，3.6. 豫新1号在GS上的应用通过选择性育种计划，可以实现鱼类重要经济性状的显著遗传改良。本研究以不同养殖家系为基础，通过人工感染大肠杆菌，进行了牙鲆抗病性的GS研究。tarda [15].为了检验“豫新一号”的可行性和性能17个家系（即抗病家系）的平均存活率为61.13%，9个家系（即易感家系）的平均存活率为31.27%。抗病家系的平均GEBV（2.10）高于感病家系的平均GEBV（1.56）（表2）。wGBLUP的预测准确率为80%，优于ABLUP方法（66%）（图1）。 4）. 因此，我 们 的 基 于 SNP 阵 列 的GS 导 致 预 测 准 确 性 相 对 增 加 21.21% 。wGBLUP预测的GEBV与ABLUP估计的EBVs中度相关（Pearson相关系数= 0.70），表明wGBLUP和ABLUP的（G）EBV估计准确度不同。我们的结果与之前的鱼类抗病性GS研究一致-所有GS方法在GEBV估计方面表现更好，与ABLUP相比，预测准确性提高了13%至52%[30一起，图三.运用主成分分析法研究了豫新一号基因型对牙鲆群体结构的影响1表2E.对16个牙鲆家系的迟发性感染和育种值进行了估算。项目抗病家族易感家族号家庭7 9平均存活率（%）a平均GEBV 2.10 1.56平均EBV 0.18 0.16a存活率：E.迟发性感染见图4。使用受试者操作特征曲线评估wGBLUP和ABLUP对GS的预测准确性。这些结果表明，“豫新1号”可作为抗病种质的GS。然而，本研究中用于估计GEBV的个体数量有限，不能完全模拟E.日本比目鱼的耐药性。需要额外的动物来全面评估GS阵列，我们正在努力增加SNP阵列基因分型的参考和候选人群的样本量。4. 结论本文报道了一种日本比目鱼50K SNP芯片“渔新1号”的设计和研制.利用来自1099个个体的wfhole基因组测序数据，我们鉴定了超过4220万个SNP的起始组，并基于MAF、基因组位置和来自ThermoFisher Axiom®技术的探针设计建议选择了48697个SNP来锚定阵列以1，这表明确认本工作得到了山东省自然科学基金（ZR2016QZ003）、国家自然科学基金项目Q. Zhou，Y. Chen，S. Lu等人工程7（2021）406411国家自然科学基金（31461163005）、中央公益性科研机构基础研究基金、中国科学院院士基金（2020 TD 20、2016 HY-ZD 0201）、青岛海洋科学与技术国家实验室“鳌山人才培养计划”（2017 ASTCP-OS15）、中国山东泰山学者攀登工程基金。作者陈松林获得经费，构思并指导了这项研究。周倩完成了SNP芯片的SNP选择和探针设计陈亚东和杨柳准备了DNA样本。Qian Zhou、Sheng Lu和Ya-dong Chen进行了SNP阵列扫描并分析了基因分型数据。Sheng Lu进行GEBV计算。李洋珍、王磊、杨英明进行了家系构建和细菌培养实验。徐文腾、王娜参与项目管理。周倩、卢生、陈松林撰写了这份手稿。所有作者均审查了手稿。遵守道德操守准则Qian Zhou、Ya-dong Chen、Sheng Lu、Yang Liu、Wen-tengXu 、 Yang-zhen Li 、 Lei Wang 、 Na Wang 、 Ying-ming Yang 和Song-lin Chen声明他们没有利益冲突或财务冲突需要披露。附录A.补充数据本文的补充数据可在https://doi.org/10.1016/j.eng.2020.06.017上找到。引用[1] Meuwissen TH，Hayes BJ，Goddard ME.使用全基因组密集标记图谱预测总遗传值。遗 传 学2001;157（4）：1819-29.[2] Pryce JE，Goddard ME，Raadsma HW，Hayes BJ. 结合基因组选择的育种方案设计的确定性模型。J Dairy Sci2010;93（11）：5455-66.[3] MatukumalliLK ，Lawley CT ，Schnabel RD ，Taylor JF ，Allan MF ， HeatonMP，等. 牛高密度SNP基因分型方法的建立与鉴定PLoS ONE2009;4（4）：e5350.[4] 陈世林，徐文东，刘永.鱼类基因组研究十年回顾与展望。JFish China 2019;43：1 -14 Chinese.[5] [10] Houston RD，Taggart JB，Cézard T，Bekaert M，Lowe NR，DowningA，et al. 大西洋鲑鱼（Salmo salar）高密度SNP基因分型阵列的开发和验证BMC Genomics2014;15（1）：90.[6] [10] PerC'wierz-KotusA，Bernas'R，KentMP，LienS，Lel iu} naE，DeBogbowskiP，etal.用大西洋鲑鱼7K SNP阵列对波罗的海南部鲑鱼种群的恢复和遗传分化进行基因分型。Genet Sel Evol2015;47（1）：39.[7] 徐军，赵志新，张晓芳，郑晓红，李建东，蒋永林，等。鲤鱼高通量SNP芯片的研制与评价。BMC Genomics2014;15（1）：307.[8] 张文，等.虹鳟鱼57 K单核苷酸多态性基因芯片的构建及应用.中国水产养殖学报，2001，17（1）：117 - 118. Mol Ecol Resour2015;15（3）：662-72.[9] ZengQF，Fu Q，Li Y，Waldbieser G，Bosworth B，Liu S，et al. 鲶鱼690 KSNP阵列的开发及其在遗传作图和参考基因组序列验证中的应用。 Sci Rep2017;7（1）：40347。[10] Fuji K，Hasegawa O，Honda K，Kumasaka K，Sakamoto T，Okamoto N.抗淋巴囊肿病牙鲆的分子标记辅助育种Aquarium2007;272（1-4）：291-5。[11] 邵世文，牛永成，Rastas P，刘英，谢志英，李红东，等.全基因组SNP鉴定在构建牙鲆高分辨率遗传图谱中的应用：在鳗弧菌抗病QTL定位和比较基因组分析中的应用. DNA研究2015;22（2）：161-70。[12] Robledo D，Gutiérrez AP，Barría A，Lhorente JP，Houston RD，Yáñez JM.大西洋鲑鱼抗海虱数量性状基因座的发现和功能注释。《 前线基因》 2019年;10：56。[13] 周强，苏志春，李永忠，刘永，王丽，陆生，等。全基因组关联定位和基因表达分析揭示半滑舌鳎抗病变异的遗传机制。前Genet2019;10：1167.[14] Shao CW ， Bao BL ， Xie ZY ， Chen XY ， Li B ， Jia XD ， et al. The genomeandtranscriptome of Japanese flounder provide insights into flatfish asymmetry.Nat Genet 2017;49（1）：119-24.[15] 刘英，陆松，刘芳，邵春武，周强，王宁，等.应用BayesCp和GBLUP进行牙鲆迟缓爱德华氏菌抗性基因组选择.中华水产杂志，2001，12（1）：117 - 118. MarBiotechnol2018;20（5）：559-65.[16] 周强，苏晓青，王爱军，徐军，宁凯。QC-Chain：下一代测序数据的快速和全面质量控制方法。PLoS ONE 2013;8（4）：e60234.[17] 作者：LiH，Durbin R. 使用Burrows-Wheeler变换实现快速、准确的短读取对齐。Bioinformatics2009;25（14）：1754-60.[18] McKenna A，Hanna M，Banks E，Sivachenko A，Cibulskis K，Kernytsky A，基因组分析工具包：用于分析下一代DNA测序数据的MapReduce框架。Genome Res2010;20（9）：1297-303.[19] [10] Purcell S，Neale B，Todd-Brown K，Thomas L，Ferreira MAR，BenderD，et al. PLINK：全基因组关联和基于群体的连锁分析工具集。美国遗传学杂 志2007;81（3）：559-75。[20] Danecek P，Auton A，Abecasis G，Albers CA，Banks E，DePristo MA，et al.Thevariant call format and VCFtools.生物信息学2011;27（15）：2156-8.[21] [10]Chang M，Chang M，Chang M，Chang L，et al. 注释和预测单核苷酸多态性影响的程序，SnpEff：果蝇-黑腹果蝇品系w 1118 ; iso-2; iso- 3基因组中的SNPs。Fly2012;6（2）：80-92.[22] Gao H，Pirani A，Webster T，Shen MM，发明人; Affyoung，Inc.，受让人用于SNP表征和鉴定脱靶变体的系统和方法。美国专利US 20140274749。2014年9月18日。[23] Yang J，Lee SH，Goddard ME，Visscher PM. GCTA：全基因组复杂性状分析工具。我是J. 2011;88（1）：76-82.[24] Zhang XY，Lourenco D，Aguilar I，Legarra A，Misztal I.单步基因组BLUP的加权策略：精确计算GEBV和GWAS的迭代方法。2016;7：151.[25] Wang H，Misztal I，Aguilar I，Legarra A，Muir WM.全基因组关联作图，包括来自无基因型亲属的表型。Genet Res2012;94（2）：73-83.[26] Gilmour ARGB，Gogel B，Cullis BR，Thompson R. ASReml用户指南发布3.0. Hemel Hempstead：VSN International Ltd; 2009.[27] Wray NR，Yang J，Goddard ME，Visscher PM.基因组分析中ROC曲线下面积的遗传学解释。PLoS Genet 2010;6（2）：e1000864.[28] Robin X ， Turck N ，Hainard A ，Tiberti N， Lisacek F ， Sanchez JC ，et al.pROC ： anopen-source package for R and S+ to analyze and comparison ROCcurves. BMCBioinf 2011;12（1）：77.[29] Lindgren D，Höglund M，Vallon-Christersson J.基因分型技术解决肿 瘤 的 多样性。 Adv Cancer Res 2011;112：151-82.[30] BangeraR，Correa K，Lhorente JP，Figueroa R，Yáñez JM. 基因组预测可以加速大西洋鲑鱼（Salmo salar）对Piscirickettsia salmonis的抗性选择。BMCGenomics2017;18（1）：121.[31] Odegård J，Moen T，Santi N，Korsvoll SA，Kjorge glum S，Meuwissen THE.大西洋鲑混合种群的基因组预测。2014;5：402.[32] [10] PalaiokostasC，Cariou S，Bestin A，Bruant JS，Haffray P，Morin T，etal. 使用RAD测序对欧洲鲈鱼（Dicentrarchus labrax）病毒性神经坏死抗性的全基因组关联和基因组预测。Genet Sel Evol 2018;50（1）：30.[34] 张毅，刘智，李宏.鲶鱼柱状线虫病抗性的基因组预测。Mar Biotechnol2020;22（1）：145-51.