一种评估蛋鸡产蛋量的代谢标志物及其筛选方法和应用
本发明涉及畜禽分子生物学标记,具体涉及一种评估蛋鸡产蛋量的代谢标志物及其筛选方法和应用。
背景技术:
1、蛋鸡的产蛋量是衡量其生产性能和经济价值最核心的指标之一。在现代化蛋鸡养殖产业中,提高鸡群的持续产蛋能力、延长产蛋高峰期,对于降低饲养成本、提升养殖效益具有至关重要的意义。蛋鸡的产蛋性能受遗传背景、营养水平、饲养环境及内分泌状态等多重因素复杂调控。
2、目前,针对蛋鸡繁殖性能的遗传改良,主要依赖于系谱记录和基于育种值的数量遗传学评估。该方法虽然在一定程度上推动了产蛋性状的遗传进展,但其准确性高度依赖完整的系谱数据和大量的后代性能测定。随着分子生物学的发展,基于候选基因关联分析和全基因组关联研究(gwas)的策略已被广泛应用于产蛋性状相关遗传位点的挖掘。然而,由于产蛋性状属于典型的复杂数量性状,受多基因微效调控,且基因型与表型之间的关联往往受生理阶段、营养和环境互作效应的影响,导致单纯的基因组信息在实际育种应用中的预测精度仍存在较大局限性。此外,现有技术中对于蛋鸡繁殖能力的评定,往往需要在产蛋周期结束后才能获得完整的数据,存在周期长、工作量大、且难以对早期个体进行预测等明显缺陷。这不仅延长了育种世代间隔,也增加了后备鸡群的饲养成本。因此,开发一种能够对蛋鸡产蛋潜力进行快速、客观评估的方法,已成为本领域亟待解决的技术难题。
3、近年来,代谢组学作为系统生物学的重要分支,通过对生物体内源性小分子代谢物的全面定性定量分析,能够实时反映生物体在特定生理或病理状态下的变化。相比于基因组和转录组层面的信息,代谢物更接近表型本身,具有更高的动态性和敏感性,已被广泛应用于人类疾病早期诊断标志物的发现。在家禽科学领域,代谢组学技术也开始逐步应用于鸡肉品质评估、应激状态监测及营养代谢研究中。然而,截至目前,尚未见有基于代谢组学策略筛选出的、能够有效反映蛋鸡产蛋量高低差异,并同时兼具早期诊断评估价值和饲料添加剂调控靶点价值的特异性代谢标志物组合的相关报道。
技术实现思路
1、基于上述背景技术中存在的问题,本发明提供的一种评估蛋鸡产蛋量的代谢标志物及其筛选方法和应用,利用非靶向或靶向代谢组学技术,通过对比高产蛋量与低产蛋量蛋鸡群体的血清代谢谱差异,首次筛选并获得了一组与产蛋量密切相关的代谢标志物组合。本发明提供的代谢标志物组合不仅能够有效区分高产与低产蛋鸡个体,为蛋鸡繁殖能力的早期辅助评价和种鸡筛选提供全新的分子工具,并可为功能性饲料添加剂的靶向筛选、配方优化及功效评价提供精确的内源性代谢指标,从而形成“早期诊断标记—营养调控靶点—功效评价指标”三位一体的应用体系,具有良好的产业应用前景。
2、为了实现上述技术目的,本发明主要采用如下技术方案:
3、第一方面,本发明提供了一种评估蛋鸡产蛋量的代谢标志物,所述代谢标志物包括以下物质中的至少一种:1-胆甾烷醇;sm(d16:1/18:0);ce(lte4);磷脂酰胆碱(20:4/16:0);9,10-环氧十八碳烯酸;pe(36:1);pe(38:2);2-(乙酰氨基)己酸;n-(2-羟基-3-丁烯基)-l-缬氨酸;孕三醇3α-o-β-d-葡萄糖醛酸苷;9’-羧基-γ-色醇;甲基去甲肾上腺素; s-(9-脱氧-δ9,12-pgd2)-谷胱甘肽;12-hete;2-吲哚甲酸。
4、在本发明的较佳实施方式中,所述代谢标志物中,1-胆甾烷醇,孕三醇3α-o-β-d-葡萄糖醛酸苷,12-hete,2-吲哚甲酸4种代谢物与蛋鸡产蛋量正相关;sm(d16:1/18:0);ce(lte4);磷脂酰胆碱(20:4/16:0);2-(乙酰氨基)己酸;甲基去甲肾上腺素; 9,10-环氧十八碳烯酸; 9’-羧基-γ-色醇;pe(36:1);s-(9-脱氧-δ9,12-pgd2)-谷胱甘肽;pe(38:2);n-(2-羟基-3-丁烯基)-l-缬氨酸11种代谢物与蛋鸡产蛋量负相关。
5、第二方面,本发明提供了一种如第一方面所述的评估蛋鸡产蛋量的代谢标志物的筛选方法,包括如下步骤:
6、步骤1、收集高产组蛋鸡和低产组蛋鸡的血清或血浆样本;
7、步骤2、采用液相色谱-质谱联用代谢组学方法对采集的样本进行分析,得到各样本的原始质谱数据;
8、步骤3、使用代谢组学处理软件对原始质谱数据进行处理,得到包含保留时间、质荷比和质谱峰强度信息的二维矩阵,同时将质谱信息与代谢公共数据库进行匹配,得到搜库后的代谢物信息数据矩阵;
9、步骤4、对搜库后的代谢物信息数据矩阵进行预处理,得到最终用于后续分析的数据矩阵;
10、步骤5、对预处理后的数据矩阵进行正交最小偏二乘判别分析,得到多维统计分析opls-da模型;
11、步骤6、基于opls-da模型得到的变量权重值vip和 student’st检验p值来确定差异代谢物,其中,vip>1, p<0.05,且fc ≥ 1.5或 fc ≤ 0.67的代谢物为显著差异代谢物,得到初步差异代谢物;
12、步骤7、对步骤6中得到初步差异代谢物进行受试者工作特征曲线分析,选取曲线下面积auc≥0.9的作为候选代谢标志物。
13、本发明中,所述高产组蛋鸡和低产组蛋鸡是在相同饲养条件下,基于个体实际产蛋量记录,选自同一群体产蛋量分布两端的极端个体;优选地,所述高产组蛋鸡为群体内产蛋量排名前5%~20%的个体,所述低产组蛋鸡为群体内产蛋量排名后5%~20%的个体。
14、第三方面,本发明提供了一种如第一方面所述的代谢标志物在制备用于评估蛋鸡产蛋量的试剂盒中的应用。
15、第四方面,本发明提供了一种评估蛋鸡产蛋量的试剂盒,所述试剂盒中含有用于检测任意一种如第一方面所述代谢标志物的检测试剂。
16、在本发明的较佳实施方式中,所述检测试剂包括用于通过液相色谱-串联质谱法或气相色谱-质谱联用法检测所述代谢标志物的试剂,或用于通过酶联免疫吸附法或免疫层析法检测所述代谢标志物的特异性结合分子。
17、第五方面,本发明提供了一种评估蛋鸡产蛋量的方法,包括以下步骤:
18、步骤71、获取待测蛋鸡的生物样本;
19、步骤72、检测所述生物样本中如第一方面所述的代谢标志物中至少一种代谢标志物的含量;
20、步骤73、将步骤72获得的各标志物检测值代入由已知高产蛋量蛋鸡和已知低产蛋量蛋鸡构建的二元logistic回归联合预测模型,获得联合评分,将所述联合评分与预定阈值进行比较,根据比较结果评估所述待测蛋鸡的产蛋量高低。
21、在本发明的较佳实施方式中,步骤71中,所述生物样本选自血清、血浆肠道内容物或粪便;步骤72中,采用液相色谱-质谱联用法、气相色谱-质谱联用法、酶联免疫吸附法或免疫层析法进行检测;步骤73中,所述预定阈值通过以下方式确定:以已知高产蛋量蛋鸡和已知低产蛋量蛋鸡为建模样本,检测所述建模样本中所述代谢标志物的含量,采用二元logistic回归构建联合预测模型,以模型输出的预测概率值作为联合评分,以联合评分为检验变量绘制受试者工作特征曲线,以约登指数最大值所对应的值为最佳截断值,即所述预定阈值。
22、进一步的,步骤73中,所述预定阈值还包括以所述最佳截断值为中心向两侧扩展设定的上限阈值和下限阈值;
23、当待测蛋鸡的联合评分大于或等于所述上限阈值时,判定为高产蛋量蛋鸡;
24、当待测蛋鸡的联合评分小于或等于所述下限阈值时,判定为低产蛋量蛋鸡;
25、当待测蛋鸡的联合评分介于所述下限阈值与所述上限阈值之间时,判定为产蛋量中等或待进一步评估。
26、第六方面,本发明提供了一种如第一方面所述的代谢标志物在筛选用于提高蛋鸡产蛋量的候选物质中的应用,将候选物质作用于蛋鸡细胞、组织或蛋鸡个体后,检测所述代谢标志物中至少一种代谢标志物的表达水平变化,若所述标志物的表达水平趋近于高产蛋量蛋鸡的代谢特征,则指示所述候选物质具有提高蛋鸡产蛋量的潜力。
27、与现有技术相比,本发明具有如下有益效果:
28、1. 首次揭示了与蛋鸡产蛋量相关的特异性代谢标志物组合。本发明通过非靶向或靶向代谢组学技术,对高产蛋量与低产蛋量蛋鸡群体的血清代谢谱进行系统比较和筛选,首次发现并鉴定了15种与产蛋量密切相关的代谢小分子标志物。上述标志物涵盖脂质代谢、氨基酸代谢、激素代谢及氧化应激等多个生理通路,能够全面反映蛋鸡繁殖能力的代谢本质。
29、2. 具有良好的区分能力和预测准确性。采用本发明提供的代谢标志物组合,可对高产蛋量蛋鸡和低产蛋量蛋鸡进行有效区分,roc曲线分析显示具有良好的灵敏度和特异度。所述标志物组合能够客观反映蛋鸡个体间的繁殖能力差异,克服了传统表型选育周期长、工作量大等缺陷。
30、3. 检测方法简便、样本易获取。本发明所述标志物可通过液相色谱-质谱联用、酶联免疫吸附法等成熟技术进行检测,操作简便、重复性好,适用于大规模鸡群的筛查和常规监测。
31、4. 为功能性饲料添加剂的筛选提供了分子靶标。本发明所述标志物组合中的1-胆甾烷醇、磷脂酰胆碱及磷脂酰乙醇胺等成分,是蛋鸡脂质代谢与卵黄合成通路中的关键代谢节点,可作为评估候选物质是否具有提高产蛋量潜力的代谢响应指标,为从营养调控角度提升蛋鸡产蛋量提供分子层面的筛选依据。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com