0
Fenotypy zwierząt gospodarskich są kształtowane zarówno przez zmienność genetyczną, jak i przez mechanizmy regulacyjne działające na dalszych etapach, co sprawia, że przewidywanie złożonych cech stanowi jedno z kluczowych wyzwań w hodowli zwierząt. Dane transkryptomiczne reprezentują pośrednią warstwę biologiczną między genotypem a fenotypem i mogą odzwierciedlać sygnały regulacyjne, których nie można w pełni wyjaśnić wyłącznie na podstawie informacji genomowej.
Cel: W badaniu oceniono przydatność danych transkryptomicznych krwi, stosowanych samodzielnie lub w połączeniu z informacją genomową, do przewidywania sześciu cech związanych z odpornością, stresem i produkcyjnością u 255 świń rasy Duroc.
Metody: Cztery cechy były ściśle związane z badaną tkanką i momentem pobrania próbek, natomiast dwie pozostałe miały mniejsze znaczenie biologiczne w tym kontekście. Porównano bayesowskie metody regresji (BayesC i RKHS) oraz model liniowy mieszany oparty na sieci neuronowej, wykorzystując wszystkie transkrypty lub ich podzbiory wybrane metodą cząstkowych najmniejszych kwadratów (PLS).
Wyniki: W przypadku cech związanych z odpornością, takich jak liczba limfocytów T gamma-delta oraz leukocytów, uzyskano wysoką dokładność predykcji, ze współczynnikami korelacji wynoszącymi odpowiednio 0,74 i 0,67 przy wykorzystaniu danych transkryptomicznych. Umiarkowaną poprawę zaobserwowano w przewidywaniu poziomu kortyzolu, natomiast modele oparte na polimorfizmach pojedynczego nukleotydu (SNP) najlepiej sprawdzały się w przewidywaniu masy tuszy. Selekcja cech oparta na metodzie PLS wykazała, że niewielki podzbiór cech może zapewniać równie dobre lub lepsze wyniki niż cały zestaw danych transkryptomicznych. Pozwoliła również zidentyfikować biologicznie istotne geny kandydujące, w tym MAF, SOX13, DDIT4 i FOS.
Wnioski: Dane transkryptomiczne krwi znacząco poprawiły dokładność przewidywania cech biologicznie związanych z badaną tkanką, natomiast modele oparte na SNP zapewniały lepsze wyniki w przypadku cech słabiej z nią związanych. Łączenie danych omicznych przyniosło jedynie niewielką i nieistotną statystycznie poprawę. Selekcja cech miała kluczowe znaczenie dla zwiększenia dokładności predykcji i efektywności obliczeniowej oraz ułatwiała identyfikację genów kandydujących związanych z odpornością.
Vourlaki I-T, Piles M, Jové-Juncà T, Ramayo-Caldas Y, Quintanilla R, Ballester M. Uwzględnienie efektów genomowych i transkryptomicznych we wspólnych liniowych i nieliniowych modelach strukturalnych do przewidywania złożonych cech u świń. Animal. Tom 20, nr 3, marzec 2026, 101765. https://doi.org/10.1016/j.animal.2026.101765
