一种鞍带石斑鱼抗神经坏死病毒个体的选择方法与流程

技术特征：
1.一种鞍带石斑鱼抗神经坏死病毒个体的选择方法，其特征是包括如下步骤：(1)鞍带石斑鱼snp位点信息的获得：选取健康鞍带石斑鱼苗，用赤点石斑神经坏死病毒(rgnnv)对其进行攻毒，采集死亡鱼苗的鳍条或肌肉保存，设置易感组和抗感组，进行全基因组重测序和gwas分析，获得鞍带石斑鱼snp位点信息；(2)snp标记抗病权重值的分析和snp标记的选取：以抗感和易感作为表型，利用cropgbm软件，计算snp位点的权重挖掘与表型相关的snp位点，筛选获得722个权重值最高的snp标记，用于鞍带石斑鱼抗病能力个体的选择；(3)候选鞍带石斑鱼个体snp位点信息的获取和抗神经坏死病毒能力个体的选择：采集候选群体鱼的鳍条，提取鳍条基因组dna，进行全基因组重测序，利用步骤(2)中获取的722个snp标记，采用gapit3方法计算候选鞍带石斑鱼的抗病育种值，选择育种值数值大于28的为抗神经坏死病毒个体，小于28的为抗神经坏死病毒能力差的个体；(4)抗病个体选择准确性检验：当候选群体是长度在10cm以内的鱼苗时，则对计算得到的育种值大于28和小于28的鱼个体进行攻毒，分别统计死亡率，当育种值大于28的个体抗病能力强，育种值小于28的个体抗病能力差的时候，则步骤(3)中采用育种值选择鞍带石斑鱼抗神经坏死病毒个体的方式准确；当候选群体是亲鱼群体时，则对育种值大于28和小于28的亲本繁殖的子代进行功毒，当育种值大于28的亲本繁殖的子代抗病力强于育种值小于28的亲本繁殖的子代的时候，则步骤(3)中采用育种值选择鞍带石斑鱼亲本抗神经坏死病毒个体的方式准确。2.根据权利要求1所述的鞍带石斑鱼抗神经坏死病毒个体的选择方法，其特征是：步骤(1)中所述健康鞍带石斑鱼苗的大小均一，长度为4～6cm，数量为600～800条。3.根据权利要求1所述的鞍带石斑鱼抗神经坏死病毒个体的选择方法，其特征是：步骤(1)中所述赤点石斑神经坏死病毒(rgnnv)采用腹腔注射，注射的赤点石斑神经坏死病毒(rgnnv)滴度为107～108tcid
50
/ml。4.根据权利要求1所述的鞍带石斑鱼抗神经坏死病毒个体的选择方法，其特征是：步骤(1)中采集死亡鱼苗的鳍条或者肌肉保存，要求每隔2～3小时观察一次，并记录死亡的时间点，剪取死亡且刚死不久的鱼的鳍条或肌肉，保存在体积百分含量为95％的酒精中，随后转移到-80℃冰箱长期保存。5.根据权利要求1所述的鞍带石斑鱼抗神经坏死病毒个体的选择方法，其特征是：步骤(1)中选取最先死亡的100～200尾鱼作为易感组；步骤(1)中选取没有死亡的100～200尾鱼作为抗感组，如果没有死亡的鱼数量不足100～200尾，则选取剩下的活鱼加上最后死亡的鱼合计100～200尾作为抗感组。6.根据权利要求1所述的鞍带石斑鱼抗神经坏死病毒个体的选择方法，其特征是：步骤(2)中以抗感和易感作为表型，利用cropgbm(crop genomic breeding machine)软件，使用的计算方法为梯度提升决策树(gradient boosting decision tree，gbdt)进行大量优化后的lightgbm算法，计算snp位点的权重挖掘与表型相关的snp位点。7.根据权利要求1所述的鞍带石斑鱼抗神经坏死病毒个体的选择方法，其特征是：步骤(2)中计算snp位点的权重挖掘与表型相关的snp位点过程如下：调用plink，根据缺失率、杂合度对基因型数据进行预处理，并生成ped文件，然后进行表型数据预处理、训练模型和snp位点筛选，最终筛选获得722个权重值最高的snp标记，用于进行鞍带石斑鱼抗病能力个体
的选择。8.根据权利要求1所述的鞍带石斑鱼抗神经坏死病毒个体的选择方法，其特征是：步骤(3)中提取鳍条基因组dna采用动物组织dna提取试剂盒。9.根据权利要求1所述的鞍带石斑鱼抗神经坏死病毒个体的选择方法，其特征是：步骤(4)中攻毒时，候选群体鱼的数量为100尾以上。10.根据权利要求1所述的鞍带石斑鱼抗神经坏死病毒个体的选择方法，其特征是：步骤(4)中攻毒时采用赤点石斑神经坏死病毒(rgnnv)，所述赤点石斑神经坏死病毒(rgnnv)采用腹腔注射，注射的赤点石斑神经坏死病毒(rgnnv)滴度为107～108tcid
50
/ml。

技术总结
本发明公开了一种鞍带石斑鱼抗神经坏死病毒个体的选择方法，包括如下步骤：(1)鞍带石斑鱼SNP位点信息的获得；(2)SNP标记抗病权重值的分析和SNP标记的选取；(3)候选鞍带石斑鱼个体SNP位点信息的获取和抗神经坏死病毒能力个体的选择；(4)抗病个体选择准确性检验。该方法从鞍带石斑鱼SNP标记中筛选抗神经坏死病毒权重最大的SNP标记，以此建立一种能够选择抗神经坏死病毒个体的方法。神经坏死病毒个体的方法。


技术研发人员：王庆 秦启伟 杨敏 段旭琢 梁凯珊
受保护的技术使用者：岭南现代农业科学与技术广东省实验室
技术研发日：2022.02.28
技术公布日：2022/7/12